Uma ferramenta de estudo da Associação de Caminhos para análises gwas de informações de via metabólica
Summary
Ao executar a Ferramenta de Estudo da Associação pathway (PAST), seja através do aplicativo Shiny ou através do console R, os pesquisadores podem obter uma compreensão mais profunda do significado biológico de seus resultados de estudo de associação genoma -em todo o genoma (GWAS) investigando as vias metabólicas envolvidas.
Abstract
Recentemente, uma nova implementação de um método descrito anteriormente para interpretar dados do estudo de associação genoma (GWAS) utilizando a análise metabólica da via foi desenvolvida e liberada. A Ferramenta de Estudo da Associação pathway (PAST) foi desenvolvida para abordar preocupações com a simpatia do usuário e análises de execução lenta. Esta nova ferramenta fácil de usar foi lançada no Bioconductor e no Github. Em testes, o PAST realizou análises em menos de uma hora que antes exigia 24 ou mais horas. Neste artigo, apresentamos o protocolo para usar o aplicativo Shiny ou o console R para executar PAST.
Introduction
Os estudos de associação genoma (GWAS) são um método popular de estudo de traços complexos e as regiões genômicas associadas a eles1,2,3. Neste tipo de estudo, centenas de milhares de marcadores de polimorfismo de nucleotídeos únicos (SNP) são testados para sua associação com o traço, e a significância das associações é avaliada. Associações de características marcadoras que atendam ao limiar da taxa de descoberta falsa (FDR) (ou algum outro tipo de limiar de significância) são mantidas para o estudo, mas associações verdadeiras podem ser filtradas. Para traços complexos e poligênicos, o efeito de cada gene pode ser pequeno (e, portanto, filtrado), e alguns alelos são expressos apenas em condições específicas que podem não estar presentes no estudo3. Assim, enquanto muitos SNPs podem ser retidos como associados à característica, cada um pode ter um efeito muito pequeno. Muitas chamadas SNP estarão faltando, e uma interpretação do significado biológico e da arquitetura genética do traço pode ser incompleta e confusa. A análise da via metabólica pode ajudar a resolver algumas dessas questões, focando nos efeitos combinados dos genes agrupados de acordo com sua função biológica4,5,6.
Vários estudos foram concluídos utilizando-se uma implementação prévia do método descrito neste artigo. Acúmulo deaflatoxina 7,resistência à minhoca de milho8e biossíntese de óleo9 foram todos estudados com a implementação anterior. Embora essas análises tenham sido bem sucedidas, o processo de análise foi complicado, demorado e complicado, pois as ferramentas de análise foram escritas em uma combinação de R, Perl e Bash, e o pipeline não foi automatizado. Devido ao conhecimento especializado necessário para modificar esse método para cada análise, foi desenvolvido agora um novo método que pode ser compartilhado com outros pesquisadores.
A Ferramenta de Estudo da Associação de Caminhos (PAST)10 foi projetada para resolver as deficiências do método anterior, exigindo menos conhecimento das linguagens de programação e executando análises em um período mais curto. Embora o método tenha sido testado com milho, o PAST não faz suposições específicas de espécies. Past pode ser executado através do console R, como um aplicativo Shiny, e espera-se que uma versão on-line esteja disponível em breve no MaizeGDB.
Protocol
Representative Results
Discussion
Um objetivo primário do PAST é levar as análises metabólicas das vias metabólicas dos dados do GWAS para um público mais amplo, especialmente para organismos não humanos e não animais. Métodos alternativos ao PAST são frequentemente programas de linha de comando que se concentram em humanos ou animais. A simpatia do usuário foi um objetivo principal no desenvolvimento do PAST, tanto na escolha de desenvolver um aplicativo Shiny quanto na escolha de usar R e Bioconductor para liberar o aplicativo. Os usuários não precisam aprender a compilar programas para usar o PAST.
Como na maioria dos tipos de software de análise, os resultados do PAST são tão bons quanto os dados de entrada; se os dados de entrada tiver erros ou forem formatados incorretamente, o PAST falhará em executar ou produzir resultados não informativos. Garantir que os dados, dados LD, anotações e caminhos do GWAS sejam corretamente formatados é fundamental para receber a saída correta do PAST. O PAST analisa apenas marcadores bieélicos e pode executar apenas uma característica para cada conjunto de dados de entrada. Além disso, os dados GWAS produzidos por mau genotipagem ou fenotipagem incorreta ou imprecisa também não produzem resultados claros ou repetíveis. O PAST pode auxiliar na interpretação biológica dos resultados do GWAS, mas é improvável que esclareça conjuntos de dados caóticos se a variação ambiental, o erro experimental ou a estrutura populacional não foram devidamente contabilizados.
Os usuários podem optar por alterar alguns parâmetros da análise, tanto no aplicativo Shiny quanto passando esses parâmetros para as funções do PAST no console R. Esses parâmetros podem alterar os resultados relatados pelo PAST, e os usuários devem tomar cuidado ao modificá-los dos padrões. Como o LD é medido pelos usuários, normalmente usando o mesmo conjunto de dados marcador que também foi usado no GWAS, as medidas de LD são específicas para a população. Para todos os estudos, especialmente para espécies que não sejam o milho, (particularmente espécies auto-polinizadora, poliploide ou altamente heterogênios), mudanças nos padrões podem ser justificadas.
Disclosures
The authors have nothing to disclose.
Acknowledgements
Nenhum.
Materials
| Computer | NA | NA | Any computer with 8GB RAM should be sufficient |
| R | R Project | NA | R 3.6 or greater is required to install from Bioconductor |
References
- Rafalski, J. Association genetics in crop improvement. Current Opinion in Plant Biology. 13 (2), 174-180 (2010).
- Yan, J., Warburton, M., Crouch, J. Association Mapping for Enhancing Maize (Zea mays L.) Genetic Improvement. Crop Science. 51 (2), 433-449 (2011).
- Xiao, Y., Liu, H., Wu, L., Warburton, M., Yan, J. Genome-wide Association Studies in Maize: Praise and Stargaze. Molecular Plant. 10 (3), 359-374 (2017).
- Wang, K., Li, M., Bucan, M. Pathway-Based Approaches for Analysis of Genomewide Association Studies. The American Journal of Human Genetics. 81 (6), 1278-1283 (2007).
- Weng, L., et al. SNP-based pathway enrichment analysis for genome-wide association studies. BMC Bioinformatics. 12 (1), 99 (2011).
- Tang, J., Perkins, A., Williams, W., Warburton, M. Using genome-wide associations to identify metabolic pathways involved in maize aflatoxin accumulation resistance. BMC Genomics. 16 (1), 673 (2015).
- Warburton, M., et al. Genome-Wide Association Mapping of Aspergillus flavus and Aflatoxin Accumulation Resistance in Maize. Crop Science. 55 (5), 1857-1867 (2015).
- Warburton, M., et al. Genome-Wide Association and Metabolic Pathway Analysis of Corn Earworm Resistance in Maize. The Plant Genome. 11 (1), 170069 (2018).
- Li, H., Thrash, A., Tang, J., He, L., Yan, J., Warburton, M. Leveraging GWAS data to identify metabolic pathways and networks involved in maize lipid biosynthesis. The Plant Journal. 98 (5), 853-863 (2019).
- Thrash, A., Tang, J., DeOrnellis, M., Peterson, D., Warburton, M. PAST: The Pathway Association Studies Tool to Infer Biological Meaning from GWAS Datasets. Plants. 9 (1), 58 (2020).
- Adam, T., Mason, D. . PAST: Pathway Association Study Tool (PAST). Bioconductor version: Release (3.10). , (2020).
- Thrash, A., DeOrnellis, M. . IGBB/PAST. , (2019).
- Bradbury, P., et al. TASSEL: software for association mapping of complex traits in diverse samples. Bioinformatics. 23 (19), 2633-2635 (2007).
- Subramanian, A., et al. Gene set enrichment analysis: A knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences U.S.A. 102, 15545-15550 (2005).
