Platforma integromicznych analiz danych z mikromacierzy DNA

Ta usługa została stworzona z myślą o osobach przeprowadzających badania biologiczne z użyciem mikromacierzy DNA. Są to mikromacierze, które podają nam informację odnośnie poziomu ekspresji genów w żywych organizmach. Nasze narzędzie pomaga Ci analizować tę informację oraz korelować poziomy ekspresji z innymi danymi klinicznymi odnośnie badanych organizmów.

Używając naszej usługi możesz przeprowadzać następujące analizy:

  • Analiza niskiego poziomu, która przeprowadza normalizację danych twojego zestawu mikromacierzy tak, aby poziomy ekspresji genów były porównywalne pomiędzy różnymi macierzami, co z kolei pozwala wykonywać bardziej zaawansowane analizy
  • Analiza skupień (ang. Data Clustering) która dokonuje grupowania danych we względnie jednorodne klasy (przedstawionego w formie dendrogramu ), na podstawie podobieństwa wyrażonego wybraną miarą odległości
  • Analiza istotności mikromacierzy (ang. Significance Analysis of Microarray, SAM) która, bazując na powtarzaniu pomiarów danego pola mikromacierzy, pozwala na identyfikację różnic w liczebności transkryptów bez względu na zmiany wartości ustalanych progów
  • Analiza wzbogacania genów pozwala na identyfikację istotnych procesów lub funkcji biologicznych wykorzystując dane o ekspresji genów. Ranking istotnych statystycznie kategorii biologicznych grupujących geny realizowany jest na podstawie metasłownika Gene Ontology.
  • Analiza ścieżek, która pozwala wyszukać ścieżki (szlaki) metaboliczne we wskazanej bazie (obecnie można przeszukiwać WikiPathways, Reactome lub KEGG) w celu odszukania takich, w których występuje najwięcej z wyselekcjonowanych genów.

  • Analiza przy użyciu sieci neuronowej, która pozwala na utworzenie i wytrenowanie modelu neuronowego (typu perceptron wielowarstwowy), a następnie wykorzystanie go do rozpoznawania tkanek zdrowych i tkanek zmienionych chorobowo, wyłącznie na podstawie profilu ekspresji genów.
  • Analiza głównych składowych (ang. Principal Component Analysis, PCA) która pozwala zredukować wielowymiarowość danych, poprzez uwypuklenie zmiennych (współrzędnych) o największej zmienności, a więc najlepiej obrazujących analizowany zbiór prób.
  • Analiza testem statystycznym T która pozwala na wytypowanie genów o istotnym zróżnicowaniu. W analizie zastosowano korekcję p-value metodą Benjaminiego i Hochberga.
  • Analiza interakcji miRNA-mRNA, która pozwala na podstawie kontekstu potencjalnych miejsc wiązania (context score), konserwatywności miejsca wiązania (PCT) i miRNA, oraz ilości tzw. seed'ów w transkrypcie, określić prawdopodobieństwa interakcji par gen/miRNA. Nasza usługa wspiera zarówno przewidywanie na podstawie pojedynczej próby (Roleswitch) jak i na podstawie zmienności ekspresji (TargetScore).

Obecnie usługa pozwala analizować następujące typy mikromacierzy DNA:

  • Affymetrix Human Genome U133 (A, A2, B, Plus2, ST)
  • Affymetrix GeneChip Mouse Genome (MOE430A, ST, ST2)
  • Affymetrix GeneChip Murine Genome (MGU74Av2)
  • Agilent SurePrint G3
Jeśli interesuje Cię przeprowadzenie analiz na innych typach mikromacierzy ekspresji genów, prosimy w tej sprawie.

Usługa jest ponadto zintegrowana z publiczną bazą danych ArrayExpress , publikowaną przez The European Bioinformatics Institute. Obecnie jest możliwe importowanie eksperymentów mikromacierzowych z tej bazy danych do naszej usługi. Dzięki temu można, korzystając z prawdziwego przypadku badawczego, przećwiczyć wykonywanie zaawansowanych analiz, lub zweryfikować rezultaty osiągnięte przez innych naukowców przy użyciu naszego narzędzia. Korzystając z tej funkcji zgadzasz się także na zapisy dokumentu EBI Terms of Use of the EBI Services.

Aby rozpocząć używanie usługi musisz wcześniej wykonać kilka prostych kroków. Proszę kliknij aby otrzymać dodatkową instrukcję odnośnie aktywacji dostępu do usługi. Kiedy już uzyskasz dostęp do usługi, zapraszamy do zapoznania się z tutorialem wprowadzającym do zagadnień analizy mikromacierzy .

Jak cytować nasz serwis

Jeśli planujesz opublikować rezultaty otrzymane przy użyciu naszego narzędzia, prosimy o zamieszczenie następującego tekstu w treści "podziękowań" ("acknowledgements" / "thanks") twojej publikacji: Praca została wykonana z wykorzystaniem Infrastruktury PL-Grid (http://www.plgrid.pl/) lub This research was supported in part by PL-Grid Infrastructure (http://www.plgrid.pl/en), zależnie od użytego języka. Prosimy także o zacytowanie poniższej publikacji:

Tomasz Waller, Tomasz Gubała, Krzysztof Sarapata, Monika Piwowar, Wiktor Jurkowski, DNA microarray integromics analysis platform, BioData Mining 2015, 8:18 (25 June 2015), doi:10.1186/s13040-015-0052-6 http://www.biodatamining.org/content/8/1/18

Co nowego?

  • Dodano krótką pomoc kontekstową wyjaśniającą zasadę działania większości projektowanych analiz
  • Możesz teraz zwinąć karty eksperymentów których chwilowo nie potrzebujesz
  • Analiza SAM może używać wskazanej grupy mikromacierzy jako wartości referencyjnej ekspresji
  • Nasza publikacja jest dostępna w trybie Open Access tutaj
  • Dodaliśmy wsparcie dla mikromacierzy Affymetrix Human Genome U133 ST oraz Mouse Genome ST/ST2
  • Można już importować do eksperymentu własne dane ekspresji po selekcji genów
  • Ułatwiamy eksport twojego eksperymentu do formatu IDF/SDRF, wymaganego przez bazę EBI ArrayExpress
  • Dodaliśmy możliwość analizowania mikromacierzy Affymetrix GeneChip miRNA 2.0
  • Odblokowaliśmy zaawansowaną analizę integromiczna predykcji targetów miRNA dla eksperymentów, w których badane są jednocześnie dane ekspresji mRNA oraz miRNA

Ten serwis używa plików cookie do generowania statystyk odwiedzin oraz do utrzymywania zabezpieczonej sesji zalogowanych użytkowników. Korzystając z naszego serwisu zgadzasz się na te warunki.
Ta usługa używa R-project i kilku jego bibliotek:
  • Gentleman, R., Carey, V. J., Bates, D. M., Bolstad, B. M., Dettling, M., Dudoit, S., Ellis, B., Gautier, L., Ge, Y., and others (2004) Bioconductor: Open software development for computational biology and bioinformatics, Genome Biology, Vol. 5, R80
  • Gautier, L., Cope, L., Bolstad, B. M., and Irizarry, R. A. (2004) affy - analysis of Affymetrix GeneChip data at the probe level. Bioinformatics 20, 3 (Feb. 2004), 307-315.
  • Bolstad, B. M. (2004) Low Level Analysis of High-density Oligonucleotide Array Data: Background, Normalization and Summarization. Dissertation. University of California, Berkeley.
  • Smyth, G. K. (2005) Limma: linear models for microarray data. In: 'Bioinformatics and Computational Biology Solutions using R and Bioconductor'. Gentleman, R., Carey, V. J., Dudoit, S., Irizarry, R., Huber, W. (eds), Springer, New York, pages 397--420.
  • Wickham, H., (2012) stringr: Make it easier to work with strings. R package version 0.6.2. http://CRAN.R-project.org/package=stringr
  • Huber W, von Heydebreck A, Sueltmann H, Poustka A, Vingron M. Variance Stabilization Applied to Microarray Data Calibration and to the Quantification of Differential Expression. Bioinformatics 18, S96-S104 (2002).
  • Ligges, U. and Mächler, M. (2003) Scatterplot3d - an R Package for Visualizing Multivariate Data. Journal of Statistical Software 8(11), 1-20.
  • Schwender, H., (2011) siggenes: Multiple testing using SAM and Efron's empirical Bayes approaches. R package version 1.28.0.
  • Alexa, A. and Rahnenfuhrer, J., (2010) topGO: topGO: Enrichment analysis for Gene Ontology. R package version 2.6.0.
  • Li, Y., (2013) Roleswitch: Infer miRNA-mRNA interactions using paired expression data from a single sample. R package version 1.2.0, http://www.cs.utoronto.ca/~yueli/roleswitch.html.
  • Li, Y., Goldenberg, A., Wong, K., Zhang, Z., (2013) A probabilistic approach to explore human microRNA targetome using microRNA-overexpression data and sequence information. Bioinformatics (TBA)
  • Huber, W., von Heydebreck, A., Sueltmann, H., Poustka, A., Vingron, M. (2002) Variance Stabilization Applied to Microarray Data Calibration and to the Quantification of Differential Expression. Bioinformatics, 18 Suppl. 1, pp. S96-S104.
W celu identyfikacji genów w obrębie mikromacierzy, ta usługa posługuje się bazami:
  • Li, A., hugene10sttranscriptcluster.db: Affymetrix Human Gene 1.0-ST Array Transcriptcluster Revision 8 annotation data (chip hugene10sttranscriptcluster). R package version 8.0.1.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., hgu133a.db: Affymetrix Human Genome U133 Set annotation data (chip hgu133a). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., hgu133b.db: Affymetrix Human Genome U133 Set annotation data (chip hgu133b). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., hgu133a2.db: Affymetrix Human Genome U133A 2.0 Array annotation data (chip hgu133a2). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., hgu133plus2.db: Affymetrix Human Genome U133 Plus 2.0 Array annotation data (chip hgu133plus2). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., hgug4112a.db: Agilent "Human Genome, Whole" annotation data (chip hgug4112a). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., moe430a.db: Affymetrix Mouse Expression Set 430 annotation data (chip moe430a). R package version 2.6.3.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., mgu74av2.db: Affymetrix Murine Genome U74v2 annotation data (chip mgu74av2). R package version 2.6.3.
  • Li, A. mogene10sttranscriptcluster.db: Affymetrix Mouse Gene 1.0-ST Array Transcriptcluster Revision 8 annotation data (chip mogene10sttranscriptcluster). R package version 8.0.1.
  • Carlson, M., Falcon, S., Pages, H., and Li, N., org.Mm.eg.db: Genome wide annotation for Mouse. R package version 2.6.4.
Analizy sieci neuronowych, ścieżek oraz map samoorganizujących się używają następujących bibliotek: Ta usługa pracuje z kilkoma zewnętrznymi bazami danych i serwisami. Publikacje:
  • EBI Array Express Rustici G. et al., 2013 ArrayExpress update - trends in database growth and links to data analysis tools. Nucleic Acids Res, doi: 10.1093/nar/gks1174. Pubmed ID 23193272.
  • WikiPathways Kelder T, Pico AR, Hanspers K, van Iersel MP, Evelo C, Conklin BR. (2009) Mining Biological Pathways Using WikiPathways Web Services. PLoS ONE 4(7): doi:10.1371/journal.pone.0006447
  • KEGG Kanehisa M1, Goto S. KEGG: kyoto encyclopedia of genes and genomes. Nucleic Acids Res. 2000 Jan 1;28(1):27-30.
  • Reactome Croft D. et al., The Reactome pathway knowledgebase. Nucleic Acids Res. 2014 Jan;42(Database issue):D472-7. doi: 10.1093/nar/gkt1102. Epub 2013 Nov 15.
    Milacic M, Haw R, Rothfels K, Wu G, Croft D, Hermjakob H, D’Eustachio P and Stein L. Annotating Cancer Variants and Anti-Cancer Therapeutics in Reactome. Cancers. 4 (4), 1180-1211.
Jeśli, ponadto, planujesz wykorzystać dane pobrane z bazy ArrayExpress we własnej publikacji, prosimy o zapoznanie się z warunkami cytowania ArrayExpress.