IR-TEx: Sıtma Vektör Anopheles gambiyae için tasarlanmış Büyük Veri Transkripsiyonları için Açık Kaynak Veri Entegrasyon Aracı

1. IR-TEx web uygulamasını kullanma Uygulamayı bir web tarayıcısında çalıştırma http://www.lstmed.ac.uk/projects/IR-TExbulunan sayfanın altındaki bağlantıyı izleyerek IR-TEx web uygulamasını açın. Web sayfası başolarak ortaya çıktıktan sonra, uygulama ve ilişkili çıktıları görüntüleyen sayfanın üst kısmındaki Uygulama düğmesini tıklatın. AGAP008212-RA (CYP6M2)varsayılan girişiile ilgili her çıkışı transkript kimliği kutusunda aşağıdaki koşullarla okuyun: (i) piretropit li böcek öldürücülere maruz kalan veya (ii) herhangi bir insektisit sınıfına maruz olmayan coluzzii veri kümeleri ve |r| ile ilişkili transkriptler| >0.98. İlgi nin bir transkriptinin ifadesini keşfetme İlginin bir transkriptini seçmek için transkript kimliğini transkript kimliği kutusuna girerek transkriptlerin -RX’de sona erdiğini hatırlayın. (i) Ülkeler için ilgili kutuları işaretleyerek sorgulamak için veri kümelerini seçin; (ii) Maruz kalma durumu, (iii) İlgi alanı türleri; ve (iv) İnsektisit sınıfı ilgi alanı, tüm bu kriterlerin >1 ile sonuçlanmasını sağlarken veri seti (ingham ve ark.1’dekiEk Tablo 1’e bakınız).NOT: (iii) kullanıcının ilgilendiği An. gambiya tür kompleksinin üyesini ifade eder. Şu anda, veri An. coluzzii ve An. arabiensisiçin kullanılabilir. Seçim menüsünün altındaki Görünümü Güncelleştir’i tıklatın veya Mutlak Korelasyon Değerini yoksayarak Returntuşuna basın (şimdilik). Uygulamanın güncelleştirilen zaman vermesini. İlk grafiği şu şekilde okuyun: basamak1.2’de seçilen kriterleri karşılayan her veri kümesindeki ilgi nin transkriptinin dirençli popülasyonu ile laboratuvara duyarlı sivrisinek popülasyonu arasındaki log 2 kat değişimi(Şekil 1). Tüm veri kümelerinin ayrıntılarını Ingham ve ark.1’debulabilirsiniz. Grafiğin altındaki bilgileri şu şekilde okuyun: Düzeltilmiş p değerlerine (Q) ek olarak, ilgili her veri kümesi için dirençli ve duyarlı sivrisinekler arasındaki kıvrım değişiklikleri. Her satır mikrodizideki tek tek sondaları temsil eder. Grafiksel görüntüleme metodolojisi daha öncebildirilmiştir 1. Aşağıdaki ek tabloyu, ilgi nin transkriptinin önemli olduğu deneme sayısı ve adım 1.2’de seçilen ölçütleri eşleşen toplam deney sayısı olarak okuyun. Verileri sekme ayrılmış biçiminde indirmek için, iki tablonun altındaki İndir düğmesini tıklatın. Bu, kullanıcının Excel gibi bir programı kullanarak verileri daha kolay bir şekilde keşfetmesini sağlar. Haritayı şu şekilde yorumlayın: Her nokta, ilgi nin farklı olarak ifade edildiği her veri kümesindeki dirençli sivrisineklerin yaklaşık toplama alanlarını temsil eder. Renkler uygulamada açıklanan bir trafik ışığı sistemini izler (Şekil 2). 1.2.5 ve 1.2.8 adımları için, sağ tıklayarak, resmi kaydet’i …tıklatarak ve uygun bir klasör seçerek grafik çıktılarını kaydedin.NOT: Uygulamanın çıktı hatası durumunda, hiçbir veri kümesinin giriş ölçütleri ile eşleşmesi olasıdır. Ingham ve ark.1’de ek tablo 1’i kontrol edin. İlgi nin putatif fonksiyonlarını/yollarının belirlenmesi Transkriptlerin birden çok veri kümesi ndeki ifade kalıplarının korelasyonları (minimum r2 değeri girişi) transkript işlevini tahmin etmek ve aynı yoltaki birlikte düzenlenmiş transkriptleri açıklığa kavuşturmak için kullanılabilir. Ingham ve ark.1 (AGAP001076-RA; CYP4G16), yukarıdaki bölümde 1.2.1-1.2.2 adımlarını takip ederek maksimum güç için tüm veri kümelerini seçin. Güncelleştirme Görünümü’nütıklatmadan önce, Mutlak Korelasyon Değeri kaydırıcısını 0,85’e taşıyın ve Görünümü Güncelleştir’e veya İade’yebasın. Şu anda görüntülenen ve girişli transkriptle ilişkili olan (|r| = 0,85) birden çok transkripti bulmak için korelasyon tablosunu (en alttaki tabloyu) inceleyin. Mutlak Korelasyon Değeri kaydırıcısını manipüle edin ve en alttaki grafik ve tablodaki değişiklikleri gözlemleyin; adım 1.3.2’deki çıktılar değişmeden kalır. Şekil 3’te (|r| > 0.9, |r| > 0.8)’de gösterildiği gibi, korelasyon değerinin sıkılığını düşürmek daha fazla transkript gösterir, ancak daha fazla gürültü yetecektir. (adım 1.2.6’da açıklanan parametrelere ek olarak) her transkript için korelasyon değerini içeren grafik çıktının altındaki tabloyu okuyun. Verileri sekmeyle ayrılmış bir biçimde indirmek için İndir düğmesini tıklatın. Fonksiyonel zenginleştirme analizi david analizi8kullanılarak indirilen transkript kimlik listesinde yapılabilir. Bir kez DAVID web sitesinde (https://david.ncifcrf.gov/bulunan), Fonksiyonel Analizseçin. X1’in Sistematik Kimlik hücresi olduğu Sistematik Kimliğin sağına bir sütun ekleyerek ve =LEFT(X1,10)yazarak excel’de yapılabilecek -RX olmadan gen kimliklerini [tanımlayıcı-RX olmadan tanımlayıcı] kullanarak tam gen listesini yapıştırın. VectorBase_ID ve gen listesi olarak tanımlayıcıyı seçin ve Listeyi Gönder’itıklatın. Bu korelasyon ağında bulunan zenginleştirmelere genel bir bakış sağlamak ve transkripsiyüye potansiyel bir işlev atanmasını sağlamak için İşlevsel Ek Açıklama Kümeleme düğmesini tıklatın. Farklı kategorilere bakarak ve her biri için + düğmelerini tıklatarak ve daha sonra Grafik’itıklatarak derinlemesine zenginleştirmeleri keşfedin. 2. IR-TEx’i yerel olarak indirme ve uygulama IR-TEx’i indirme ve çalıştırma http://github.com/LSTMScientificComputing/IR-TExbulunan bağlantıya gidin; ve Clone veya download tıklayın | Zip indirin. Doğrudan seçtiğiniz bir klasöre yönlendirin ve dosyanın zip’ini açın. http://cran.r-project.org/mirrors.htmlbulunan bağlantıdan uygun işletim sistemi için R yazılımının en son sürümünü indirin. Programı yükleyin. Download ve en son R Studio yazılımı yüklemek, yine http://www.rstudio.com/products/rstudio/download/bulunan bağlantıdan uygun işletim sistemi için . Kurulduktan sonra, Açık R Studio | Ek kodlama Dosya 1 ve IR-TEx için sistem kurmak için her satırı çalıştırın. Tüm paketler başarıyla yüklendikten ve gerektiği gibi güncelleştirildikten sonra Dosya | Açık, IR-TEx.Rbulmak , vurgulamak ve açın. Bu şimdi R Studioüst penceresinde görünür olmalıdır. Uygulamayı çalıştırmak için, pencerenin sağ üst kısmındaki Uygulamayı Çalıştır düğmesine basın ve uygulamanın yüklendiği ikinci bir pencere açılır. Yükleme tamamlandıktan sonra, tam işlevsellik için yüklenen pencerenin sağ üst kısmında bulunan Tarayıcıda Aç’ı tıklatın. IR-TEx’e direnç veri setleri ekleme (Anopheles gambiae 15k Agilent dizisi kullanılarak oluşturulmuştur) Kullanılabilir veri setine aynı mikrodizi platformunda (A-MEXP-2196) oluşturulan yeni bir analiz edilmiş veri kümesi eklemek için uygulamayı indirin ve bölüm 2.1’de indirilen sıkıştırılmamış klasörü bulun. A-MEXP-2196 1’dekilimma analizinden elde edilen çıktıyı temsil eden Ek Dosya 1’iaçın. Excel’i kullanarak, H1 sütununda Fold_Changeyazın ve H2’de B2’nin günlük kıvrım değişikliği olduğu =2^B2yazın. Ham kıvrım değişiklikleri üretmek için bunu H sütununa uygulayın. A sütunu id, B sütunu H sütunundan (b sütunu B sütununu, b sütununu vurgula, sonra sağ tıklatma ve yapıştırma değerleri) ve C sütunu düzeltilmiş p değeridir. Diğer tüm sütunları silin ve sekme yle sınırlı dosya olarak kaydedin. Ek kodlama Dosyası 2’yi açın ve adım 2.2.3’te üretilen sekme-sınırlandırılmış sayfayı kullanarak çalıştırın.NEWFILE_FC = c(‘ÜLKE’,’POZİsYON DURUMU’,’TÜRLER’,’Böcek Öldürücü’)NEWFILE_Q = c(‘ÜLKE’,’POZİsYON DURUMU’,’TÜRLer’,’BÖCEK Öldürücü’)NOT: Tek tırnak işaretleri içindeki alanlar, yeni veri kümesindeki bilgileri yansıtacak şekilde değiştirilmelidir. Maruz kalma durumu, örneklerin insektisit maruziyetinden (maruz/maruz kaldıktan sonra) toplanıp toplanmadığı dır. Böcek öldürücü: eğer ‘maruz’ ise, ‘yok’ kullanın. bkz. Fold_Changes.txt. diğer örneklerden meta veriler için. Yazım denetiminin tutarlı olduğundan emin olun. Açık geography.txt, son işgal satırına kaydırın ve aşağıda seçin. Veri kümesinin adını, ardından Q ve NEWFILE_Q’ı sütun 1’de, örnek toplama alanının enlemini ve sütun 3’teki boylamını yazın. Değişiklikleri kaydedin. Veri setinde seçim için uygun olmayan yeni girişler (örneğin, Gambiya) kullanılırsa (bkz. Ingham ve ark. Ek Tablo 11),bunların koda eklenmesi gerekir. Bunu yapmak için RStudio’da IR-TEx.R’yi açın ve RStudio tarafından belirtildiği gibi 26 no’lu satırı bulun ve bu noktada aşağıdakilerin başlaması gerekir:’kenar çubuğuPanel(….’.NOT: Devam eden satırların her biri, adım 2.2.5’te Fold_Changes.txt’deki veri kümesi adının altındaki satırlara girilen meta veri öğesiile ilgilidir. Yeni meta verileri eklemek için, tercih edilen meta veri satırının sonuna kaydırın ve ‘selected=’ terimini bulun. Hemen ardından bir virgül ve kapalı parantez olmalıdır; bu noktada, kapalı köşeli ayraç içindeki imleci tıklatın. Son apostrophe’den sonra virgül yazın, ardından bir kese işareti, ardından yeni meta veriler (örn. ‘Gambiya’) ve değişiklikleri kaydedin. Bir örnek için aşağıya bakın.checkboxGroupInput(‘CountryInput’,’Select Relevant Countries’,c(‘Burkina Faso’,’Cote D’Ivoire’,’Kamerun’,’Ekvator Ginesi’,’Zambiya’,’Tanzanya’,Sudan’,’Uganda’,’Togo’, ‘Gambiya’ (Gambiya’),seçilmiş=c(‘Burkina Faso’,’Cote D’Ivoire’,’Kamerun’,’Ekvator Ginesi’,’Zambiya’,’Tanzanya’,Sudan’,’Uganda’,’Togo’)) Uygulamayı çalıştırın. Yeni meta veri girişi, ilgili başlık altında seçilmemiş bir onay kutusu olarak görünmelidir. Kullanıcı seçilmesini istiyorsa, aşağıda gösterildiği gibi seçili=c(…) sonra eklenmelidir:checkboxGroupInput(‘CountryInput’,’Select Relevant Countries’,c(‘Burkina Faso’,’Cote D’Ivoire’,’Kamerun’,’Ekvator Ginesi’,’Zambiya’,’Tanzanya’,Sudan’,’Uganda’,’Togo’, ‘Gambiya’),selected=c(‘Burkina Faso’,’Cote D’Ivoire’,’Kamerun’,’Ekvator Ginesi’,’Zambiya’,’Tanzanya’,Sudan’,’Uganda’,Togo’, ‘Gambiya’)) A-MEXP-2196 üzerinde gerçekleştirilmeyen direnç veri kümeleri eklemek için bölüm 3’e bakın. 3. Farklı veri kümeleriyle kullanılmak üzere IR-TEx’i değiştirme Birden çok -omics platformlarında kullanma ve eksik verilerle devam Veri kümelerinde “0” ile devam etmek için: “0” kelimesinin belirli anlamı için veri kümesi kaynağına başvurun. “0” (konservatif) “NA” ile değiştirilir önerilir. Ham kıvrım değişikliklerinde (B/A) olduğu gibi, “0” deneysel b durumunda tespit edilmemiş bir sinyali gösterir. Deneysel durum A’nın önemli bir ifade göstermesi durumunda, kullanıcı küçük bir kat değişim değeri uygulayabilir. Aç Ek Dosya 2.txt, Uyhelji ve ark9uyarlanmış bir RNAseq dosyası . Bu dosya, yeni verilerin temel alınması gereken şablonu temsil eder: A = tanımlayıcı sütunu, B sütunu = ham kıvrım değişikliği ve C = ayarlanmış p değeri sütunu. Aşağıdaki adımları çalıştırmak için bu dosyayı kullanın. Tanımlayıcıları platformlar arasında tek bir sekme yle sınırlandıran dosyaya eşleştirmek için R kodunu çalıştırın, ardından verileri düzenleyin ve normalleştirin(Tamamlayıcı Kodlama Dosyası 2). Talimatlar dosya içinde yer almaktadır. Herhangi bir FILEPATH MacOS için “/” veya Windows için “//” ile ayrılır (bunları görünecekleri gibi “\” olarak değiştirin). Ek Kodlama Dosyası 2’nin sonunda üretilen dosyayı adım 3.1.5’te kullanılmak üzere tercih edilen bir konuma çıktı. Ek Kodlama Dosyası 2 yeni bir Fold_Changes.txt dosyası çıktı olacaktır. Orijinal dosyayı yedekle. Ek kodlama Dosyası 3’teyer alan kodu yürütün. FILEPATHolarak belirtilen klasörde FC_distribPlot.png adlı çıktı dosyasını bulun. Günlük2 kat değişiklik dağılımlarının veri kümeleri arasında neredeyse aynı olduğunu doğrulamak için günlük2 kat değişikliğinin dağılımlarını denetleyin. Ek dosyaları yeniden dizin ve yeni Fold_Changes.txtuyumluluğunu sağlamak için adım 2.2.6’daki yönergeleri izleyin. Tamamen yeni veri kümeleriyle kullanılmak üzere IR-TEx’i değiştirme RStudio’da IR-TEx.R’ı açın ve aşağıdakilerden başlayarak satırları (23-34) bulun:’sekmesiPanel(‘ve biten:submitButton(“View’ı güncelleştir”, simge(“yenileme”))), Aşağıdaki satırlarda bulunan AGAP008212-RA’yı yeni verilere ilgi nin bir dökümüyle değiştirin.textInput(‘textInput’,’Transkript Kimliği’,value=’AGAP008212-RA’), Aşağıdakilerden başlayan dört seçeneği bulun:checkboxGroupInput(Bu seçenekler, kullanıcının yeni verileri filtrelemek istediği önemli meta verileri temsil edecek şekilde değiştirilebilir. Her durumda, kullanıcı Belirli Ülkeler seçseçeneğini değiştirmelidir; Pozlama Durumunu Seçin; İlgili Türleri Seçin; ve verileri temsil etmek için Insektisit Sınıfı’nı seçin (yani, Doku Türünü Seçin; Cinsiyet seçin; Yaş Braketi Seçiniz; Hastalık Durumunu Seçin). İlk c’denhemen sonra varolan seçenekleri değiştirmek için veri kümesiyle ilişkili meta verileri belirleyin ve girdiyi belirleyin. Her durumda, seçenekler konuşma işaretleri içinde yer alacak ve bir sonraki seçimden virgülle ayrılır. Son seçimden sonra, parantez kapatılmalıdır. Hastalık Durumunu Seç için bir örnek:c(‘Enfekte’, ‘Enfekte Olmayan’, ‘Bilinmiyor’) Uygulamayı açtıktan sonra bu meta verilerden hangilerinin seçileceğini seçin. Bunlar seçili=c(‘. Hastalık Durumunu Seç için bir örnek:selected=c(‘Enfekte’, ‘Enfekte Olmayan’)Bu, uygulamaya yalnızca ilk yüklemede bu ölçütlerle eşleşen veri kümelerini seçmesi talimatını verir. Yeni bir veri tablosu oluşturmak için Fold_Changes.txt’de bulunan düzeni ve bölüm 2’deki yönergeleri izleyin. Meta verileri, kodda yazıldığı gibi 3.2.4 adımında özetlenen her bir değişiklikle değiştirin (R büyük/küçük harf duyarlıdır). Detoksifikasyon sütununa, giriş gen adlarına ve transkript türü sütununa, her transkript için gen açıklamaları girişi. Yeni veri kümeleri eklerken bölüm 3.2’yi izleyin. Eşleme deneysel gereksinimler ile ilgili değilse, aşağıdaki kod satırlarını bulun ve önüne ‘#’ yerleştirin:Satır 49-51:br(),br(),withSpinner(plotOutput(“Coğrafya”)),textOutput(‘Geography_legend’),Satır 493 başlangıç:output$Coğrafya <- renderPlot({Satır 602 bitişiçin:output$Geography_legend <- renderText({yapıştır(“Sadece Önemli Transkriptler (p”, as.expression(” 5 = Kırmızı, FC > 1 = Amber, FC < 1 = Yeşil",sep=")})