Pathway Studio 9 Release!

Ariadne GenomicsPathway Studio 9MedScan Reader 5 버전을 출시하였습니다.
그럼 새로운 기능들과 향상된 기능들을 살펴볼까요?

Pathway Studio 9

New Features to Expand Experimental Data Analysis
1. Two data types displayed in one pathway view
유전자 expression 또는 proteomics 데이터를 metabolomics 데이터와 함께 같은 pathway view 내에서 디스플레이가 가능합니다. 단순히 두 개의 실험 데이터와 pathway를 열면 링크버튼 위의 experiment table에서 두 개의 실험 데이터를 tab 방식으로 확인할 수 있습니다.

사용자 삽입 이미지
Figure 1. An example of a metabolic pathway with both gene expression values and metabolomic values displayed on the pathway entities.
* Small molecules : green -> orange (decrease -> increase)
* Gene expression : blue -> read (decrease -> increase)


2. Experiment values displayed in group view
이전 버전에서는 experimental value는 오직 pathway view에서만 볼 수 있었습니다. 허나 이제는 group viewer에서도 그 값을 확인할 수 있습니다. Link 버튼으로 group viewer table과 연결되어 probe value 컬러와 수치 값이 보여집니다.

사용자 삽입 이미지
Figure 2. Probe value colors and text are displayed in the Group Viewer table.

하나의 유전자에서 multi probes로 분석이 진행될 때 group viewer에서 probe value는 평균값을 제공하는 옵션도 가능하며, default 세팅은 각 유전자별로 가장 p-value가 높은 probe의 value로서 확인됩니다.

사용자 삽입 이미지
Figure 3. Program options menu for selecting how values for multiple probes will be displayed.


3. GSEA results display entities in order of measured value
GSEA 분석의 결과 테이블도 향상되었습니다. 분석된 "measured entities"컬럼은 엔티티들의 리스트와 연동되어 최대값과 최소값으로 설정된 범위의 fold change 값을 함께 컬러로 나타낼 수 있도록 할 수 있습니다.

사용자 삽입 이미지
Figure 4. Measured entities in the GSEA results table are now listed in order of measured value.

또한 GSEA의 "Sample to analyze" 옵션으로 experiment table의 최소한의 혼란을 위하여 원하는 항목을 적절하게 선택을 통하여 제한할 수 있습니다. 이전에는 p-value 컬럼이 포함된 모든 컬럼이 테이블 내에 디스플레이 되었었습니다.

사용자 삽입 이미지
Figure 5. Only appropriate selections are available for GSEA analysis (P-values no longer appear in the "sample to analyze" menu).


4. Correlation viewer available after experiment import
Correlation view가 experiment properties내에 tab으로 추가 되었습니다. 향상된 기능으로부터 large correlation plots은 화면에서 스크롤링 없이도 쉽게 볼 수 있습니다.

사용자 삽입 이미지
Figure 6. The correlation view is now accessible as a tab in the experiment properties and can be accessed after the experiment import is complete.


5. Chromosomal localization enrichment with Fisher's Exact Test
Fisher's Exact Test 알고리즘에 적용되는 유전자/단백질들의 리스트를 대상으로 chromosomal enrichment 분석을 할 수 있습니다. 현재 mammalian GSEA 분석을 위하여 사용할 수 있도록 준비되어 있습니다.

사용자 삽입 이미지
Figure 7. Chromosomal enrichment is now available for mammalian Fisher's Exact Test analysis.


6. Colored experiment values can be exported to Excel
Experiment table 내의 컬러 value들을 MS Excel spreadsheet로 함께 export가 가능합니다. 컬러 intensity 또는 컬러 value는 세팅 옵션에서 쉽게 조절할 수 있습니다.

사용자 삽입 이미지
Figure 8. The color display in the experiment table can now be exported to an Excel spreadsheet.

New Capabilities for Visualizing Pathways
1. Options for initial pathway results views
Pathway 작업을 위하여 추가된 기능 중에는 새롭게 만들어진 pathway 결과를 graph view 또는 table view에 선택하여 열수 있는 옵션이 포함되었습니다. 또한 Advanced build pathway wizard를 사용하면 graph, entity table, relation table 또는 reference table view를 먼저 선택할 수 있습니다.

사용자 삽입 이미지
Figure 9. After completion of the Advanced tool for building pathways, the initial view for results can be selected by the user.


2. Easily adjust font size on entities in Pathway View
네트워크상의 single entity를 위한 텍스트 사이즈를 쉽게 조정할 수 있습니다. 원하는 엔티티 내 텍스트의 노란 도형을 선택하여 드래그하여 이용하면 됩니다.

사용자 삽입 이미지
Figure 10. Font size for individual entities within a network can easily be resized.


3. Functional Class association tabs renamed
Functional Class 내의 단백질들의 membership을 구성할 때 새로운 tab을 조사한 특징을 이름으로 확인할 수 있도록 만들 수 있습니다. 예를 들어, "Members"라는 tab을 “Child Concepts"로 또는 ”Parent Concepts" tab을 바꾸어 분석 조건에 알맞게 사용할 수 있습니다.

사용자 삽입 이미지
Figure 11. The tabs containing information about the association of proteins to functional classess have been renamed for more clarity.


MedScan Reader 5

Dictionary and Algorithm Improvements
Entrez로부터 2011년 봄 기준으로 Protein 정의 업데이트가 진행되었으며 functional class dictionaries 큐레이트를 통하여 non-mammalian classes를 제거하고 가장 최신의 Gene Ontology를 나타내도록 변경되었습니다. 또한 MeSH로부터 새롭고 많은 aliases가 disease dictionaries에 추가되었습니다. 그리고 MedScan5에서는 텍스트 마이닝을 명확하게 하는 알고리즘이 향상되었고 애매모호한 단어들을 조금 더 명확하게 해석이 가능하도록 중점을 두어 업그레이드가 되었습니다.

End User Editing of MedScan Dictionaries
이전에는 사용자 인터페이스 내의 제한으로 entity 용어를 추가한다거나 aliases를 추가하는 등의 MedScan dictionary 편집은 특별한 등록 키를 Ariadne에서 제공한 사용자만이 사용할 수 있었습니다. 이번 MedScan5 는 dictionary 편집과 인터페이스의 확장을 모든 사용자가 추가의 라이센스 활성화 없이도 이용할 수 있게 되었습니다. 이를 통하여 사용자들은 그들이 원하는데로 dictionary들을 modify 할 수 있습니다.

사용자 삽입 이미지
Figure 12. MedScan Dictionary editing enabled



ResNet Database 9

Mammalian database
    ▪ Organism 특이적 functional class 큐레이션 (non-mammalian classes 제거)
    ▪ 질병 레코드에 더 많은 aliases 추가
    ▪ 새로운 Ariadne Cell Process pathway 수집

사용자 삽입 이미지
Figure 13. New - Cell Process pathway collection

    ▪ miRNA effect를 예측하는 relation이 포함

사용자 삽입 이미지
Figure 14. miRNAEffect predicted relations included in ResNet 9

    ▪ 더 많은 metabolic pathway 추가
    ▪ 2배 이상의 full-text articles 포함

Plant database
    ▪ 데이터베이스 내 relation 컨텐츠의 15% 이상 증가
    ▪ Organism 특이적 functional class 큐레이션 (non-plant classes 제거)
    ▪ Signaling pathway들의 수집을 확대하고 다시 작업하여 완성

사용자 삽입 이미지
Figure 15. Updated Signaling Pathway

    ▪ AraCyc로부터 더 많은 metabolic pathway들의 추가
사용자 삽입 이미지
Figure 16. Updated SA(Salicyclic acid) Pathway

Posted by Quipu

2011/11/23 11:27 2011/11/23 11:27
Response
No Trackback , 2 Comments
RSS :
http://insilicogen.com/blog/rss/response/99



지난 2009년 가을, (주)인실리코젠에서는 차세대 위키엔진 글터(GLTER)를 선보였습니다. 2년 남짓한 기간 동안 글터에 보내주신 사랑과 성원에 깊은 감사를 드리며 2011년 4월! 따뜻한 봄바람을 타고 설레는 마음으로 글터 v1.5를 내놓게 되었습니다. 고객 여러분의 따끔한 충고와 따뜻한 격려에 힘입어 보다 향상된 기능으로 다시 인사드립니다.

글터 v1.5는 사용자의 편의성 향상에 중점을 두고 여러 가지 기능을 추가하였습니다. 보다 편리해진 편집기, 강력한 이미지 업로드 기능, 문서 작성의 수고를 덜어줄 다양한 템플릿, 바쁜 시간을 효율적으로 관리해 줄 캘린더, 독립 홈페이지로서의 기능을 보다 강화한 사이트 메뉴관리와 회원관리까지 이 모든 것이 새로운 글터에서 가능합니다.

글터를 글터답게 만드는 편집기

간결하고 직관적인 편집기. 눈에 보이는 그대로 웹 페이지가됩니다. 쉬운 사용은 이제 기본입니다. 원하는 대로 글터를 글터답게 사용하세요.

강화된 이미지 첨부 기능

보다 향상된 이미지 첨부. 원하는 자리에 원하는 크기로 넣을 수 있습니다. 하나씩 넣기가 번거로우시다구요? 글터에서 여러 개의 이미지를 한 눈에 보고 한 번의 클릭으로 손 쉽게 넣으세요.

강력한 웹 캘린더

편집기 메뉴에서 한 번 클릭으로 캘린더를 넣을 수 있습니다. 간단하게 일정이나 업무일지를 정리해 보세요.

글터 템플릿, 멋진 글을 더욱 돋보이게 하는 방법

글터 템플릿은 문서 작성자가 웹 디자이너라도 된 것처럼, 작업에 잘 어울리는 문서를 빠르게 만들 수 있습니다. 본격적으로 내용을 작성하기 전이라도 이미 근사해 보입니다. 다양한 템플릿 중에서 필요한 것을 골라 원하는 대로 적용하고 직접 내용을 입력해 보세요. 다 되셨지요? 멋진 전문가급 문서가 금새 완성됩니다! 나의 일, 이제 웹으로 보여주세요.

메뉴구조를 내 마음대로!

사이트의 메뉴를 내가 원하는대로! 관리자는 메뉴를 만들고 지우기를 보다 쉽게 할 수 있을 뿐만 아니라 드래그 앤 드롭(Drag and Drop)을 이용하여 편리하게 메뉴의 순서를 변경할 수 있습니다. 메뉴 순서를 바꾸고 싶을 때는 메뉴를 마우스로 끌어서 사뿐히 내려놓기만 하면 됩니다.

손쉬운 회원관리와 권한설정

사이트의 관리자는 다수의 회원들을 그룹으로 묶어 관리할 수 있습니다. 또한 글터에서는 타 위키가 지원하지 않는 권한설정을 지원합니다. 관리자는 각 페이지 별로 권한을 부여할 수 있습니다. 공유할 수 없는 중요한 지식이라면 글터의 권한설정을 이용해 보세요. 복잡한 내부 시스템을 몰라도 걱정할 필요가 없습니다. 설정은 원하는 대로 쉽게 변경할 수 있습니다.

사용자 입장에서 한 번 더 생각한 도움말

시스템을 처음 접하는 사용자도 도움말을 따라 쉽게 이용할 수 있습니다. 글터는 위키를 처음 접하는 사용자를 위해 개념적인 설명은 물론 화면 구성, 사용자 도움말, 편집기 도움말, 관리자 도움말까지 제공합니다. 하나부터 열까지 차근차근 안내해 드립니다. 지식관리 시스템, 이제 어렵지 않습니다.

잃어버릴 수는 있어도 잊어버릴 수는 없습니다.

지식기반사회를 준비하는 고객님의 든든한 동반자 글터는 공학과 과학 분야에서 사람 중심의 연구환경을 만들기 위한 노력을 늦추지 않을 것입니다. 글터와 함께 꿈에 한 발 다가서는 2011년이 되시기 바랍니다.

http://www.glter.net

|주|인실리코젠 KM사업부

031-278-0061
031-278-0062
km@insilicogen.com

Posted by Quipu

2011/05/13 11:23 2011/05/13 11:23
, ,
Response
No Trackback , 34 Comments
RSS :
http://insilicogen.com/blog/rss/response/92


What are the known and potential side effects of my drug?


약물의 알려진 부작용과 잠재적인 부작용에는 무엇이 있는가?
후천성면역결핍증이라 불리는 에이즈는 에이즈바이러스가 몸속에 침입하여 우리몸의
면역세포를 파괴시켜 면역기능이 저하되면서 각종 감염병이나 암 등이 생겨 사망에 이르게 되는 질병이다. 에이즈를 치료하는 치료제는 역전사효소 억제제와 단백질분해효소
억제제 두 가지로 나누어지는데 오늘은 단백질 분해효소 억제제인 Ritonavir에 대해 알아보고자 한다. Ritonavir(리토나비어)는 단백질분해 효소 억제제로 세포사의 후기 단계에서 바이러스의 부분인 단백분해를 차단하여 복제를 방해하는 약물로 혈액내의 순환하고 있는 바이러스의 숫자를 줄이고 T-cell의 숫자를 증가시키는 약물이다. Ritonavir의 부작용으로는 오심, 구토, 설사, 구강주위부 및 말초의 감각이상, 중성지방 및 콜레스테롤의 증가 및 간효소의 증가등이 있다. Ritonavir는 간의 cytochrome P450 효소를 강력히 억제하므로 간에서 대사되는 다른 약물과 같이 사용하여서는 안된다고 알려져 있다.
오늘은 Ritonavir에 대한 알려져 있는 부작용과 잠재적인 부작용에 대해 알아보고자 한다.

Step to follow


  • 알려진 부작용: Ritonavir와 관련있는 질병 찾기

Step 1. Ritonavir 검색

하단의 List pane에서 copy contents & paste

사용자 삽입 이미지
Step 2. Pathway 옵션 설정

Algorithm Type : “Add neighbors” > Direction : “downstream” > Entity Type : “Disease” > Relation Type : “Regulation” (filter on effect positive)

사용자 삽입 이미지
Step 3. Pathway 결과 확인 & Advanced visualization toolbar

Style > Active Style Sheet > By Reference Count 선택

사용자 삽입 이미지

  • 잠재적 부작용: Ritonavir와 관련있는 Cell Process 찾기

Step 4. Ritonavir 검색

하단의 List pane에서 copy contents & paste

사용자 삽입 이미지
Step 5. Pathway 옵션 설정

Algorithm Type : “Add neighbors” > Direction : “downstream” > Entity Type : “Cell Process” > Relation Type : “Regulation”

사용자 삽입 이미지
Step 6. Pathway 결과 확인 & Advanced visualization toolbar

Style > Active Style Sheet > By Effect 선택

사용자 삽입 이미지

아래 동영상보기를 하시면 4개의 Step을 한 번에 보실 수 있습니다.


Posted by Quipu

2011/01/11 11:09 2011/01/11 11:09
, , , , ,
Response
14 Trackbacks , 2 Comments
RSS :
http://insilicogen.com/blog/rss/response/91


How can I find literature supporting a list of candidate genes related to a specific plant trait?


식물 리그닌화(목질화)에 대한 후보 유전자 리스트를 확인할 수 있는 있는가?
리그닌은 목질소라고도 하며 셀룰로오스, 헤미셀룰로오스와 더불어 식물골격 구성성분의 하나로 목재 20~30%에 달한다. 식물의 리그닌화(목질화)는 식물이 자라는 과정에서 세포막이나 중간층에 리그닌이 생겨 흡착되거나 화학적으로 결합하여 강하고 단단해지는 현상을 말한다. 일반적으로 세포의 성장에 따라 서서히 일어나지만 병태 또는 상해 조직에서는 유조직세포벽에 급속히 일어나는 경우도 있다. 목질화된 세포벽은 병원균에 의해 잘 침범되지 않기 때문에 병태조직 또는 상해조직에서의 목질화는 일종의 방어반응이라고 할 수 있다.

Step to follow


Step 1. Gene list 검색

검색하고자 하는 유전자의 TAIR ID를 검색한다. Import > Gene List > 복사해 놓은 TAIR ID 리스트 Paste from Clipboard > Lookup in the Database 클릭

사용자 삽입 이미지

Step 2. Lignification과 관련있는 Cell Process 검색


사용자 삽입 이미지
Step 3. Pathway 옵션 설정

Protein과 Cell Process의 Relation 사이의 관계를 나타내기 위해 Protein을 선택한 상태에서 Add 메뉴를 선택하고 "Relations between Selected and Unselected" 클릭

사용자 삽입 이미지
Step 4. Pathway 확인

"Relations between Selected and Unselected"를 하면 서로 연관이 있는 Relation만 표시가 되고 연관이 없는 Entity는 Relation이 되지 않고 남아있다.

사용자 삽입 이미지
Step 5. 엔티티 추가하기

"lignin" small molecule을 검색하여 4번 pathway에 추가하고 Protein과 "lignin" 사이의 Relation을 확인하기 위해 "lingin"을 선택한 다음 Step 3을 반복한다.

사용자 삽입 이미지
아래 동영상보기를 하시면 4개의 Step을 한 번에 보실 수 있습니다.


Posted by Quipu

2010/12/27 09:01 2010/12/27 09:01

What small molecules are known to regulate my pathway?


PTPRC(CD45)는 세포의 활성화 신호를 억제 조절할 수 있는 역할을 하는 단백질 중 하나이다. PTPRC(CD45)는 세포막에 위치한 protein tyrosine phosphatase의 일종으로 T세포 또는 B세포의 신호전달에 관여한다. PTPRC(CD45) 단백질을 제거한 실험에서 JAK와 신호 전달체 및 전사 활성인자 (STAT)가 활성화된다고 알려져 있다. 이러한 PTPRC(CD45) -> STAT6 signaling pathway를 조절하는 small molecule들은 무엇이 있는지 확인해보고자 한다.

Step to follow


Step 1. PTPRC -> STAT6 signaling pathway 검색

Information pane에서 PTPRC -> STAT6 signaling pathway를 검색한다. 검색된 Pathway를 더블클릭하면 새 Pathway 문서에서 확인 할 수 있다.
사용자 삽입 이미지

Step 2. Pathway 옵션 설정

PTPRC -> STAT6 signaling pathway를 제어하는 small molecule에는 무엇이 있는지 알아보기 위해 옵션 설정 과정을 거친다. Advanced Build Pathway Wizard에서 Add Neighbors > Directionality: "Upstream" > Entity type : "Small molecule"를 순서대로 선택하고 Relation type은 창 하단의 Cheak All을 클릭하여 모든 Relation을 한 번에 선택해 준다.
사용자 삽입 이미지

Step 3. Pathway 확인


사용자 삽입 이미지

Tip. 복잡한 Pathway를 간략하게 정리하고 싶다면?


Tip 1. View > Relation Table View 기능 사용

Reference가 적은 relation들을 확인하고 삭제하는 manual 방법

사용자 삽입 이미지

Tip 2. Common Regulators 알고리즘 활용

Advanced Build Wizard 에서 Algorithm Type : “Add Common Regulators" > Algorithm Type : “Add Common Regulators” > Entity Type : “Small Molecule” > Relation Type : “All Regulation Type” 순으로 선택한다.

사용자 삽입 이미지


아래 동영상보기를 하시면 3개의 Step을 한 번에 보실 수 있습니다.




Posted by Quipu

2010/12/20 08:38 2010/12/20 08:38
, , , , , , ,
Response
7 Trackbacks , 5 Comments
RSS :
http://insilicogen.com/blog/rss/response/87

Can I identify potential drug-drug interactions mediated by alterations of drug metabolism?


 drug 대사의 변경에 의해 조절되는 잠재적인 drug-drug interactions를 확인 할 수 있는가? 항응고제로 혈액응고를 방지하기 위한 약물로 알려진 쿠마딘의 대사에 대해 알아보고자 한다. 쿠마딘(와파린)은 항응고를 하는 약제로 혈관안에서 혈전이 형성되는것을 막아주기 때문에 주로 혈전 및 색전증 치료에 쓰이고 있다. 쿠마딘은 주로 간에서 대사되는데, 간 대사효소인 CYP3A4에 의해 미량 대사된다고 알려져 있다. PathwayStudio를 통해 쿠마딘과 CYP3A4의 관계를 알아보고 CYP3A4에 영향을 주는 약물에 대해 조사해봄으로써 durg-drug 상호작용을 확인해보고자 한다.

Step to follow


Step 1. Coumadin 검색

Information pane에서 coumadin을 검색한다. 검색된 coumadin을 복사하고 새 pathway 문서에 붙여넣기를 한다.

사용자 삽입 이미지


Step 2. Pathway 옵션 설정 및 Pathway 확인

coumadin이 어떤 효소에 의해 대사되는지 알아보 pathway로 나타내기 위해 옵션 설정 과정을 거친다. Advanced Build Pathway Wizard 에서 Add Neighbors > Directionality: “upstream” > Entity type: “protein” > Filter Parameters: “ChemicalReaction” 순으로 선택한다.

사용자 삽입 이미지

Step 3. Pathway 옵션 설정

coumadin의 대사에 관여하는 효소 15개를 확인하였고, 그 중에서 CYP3A4라는 효소는 다시 어떤 small molecule에 의해 영향을 받는지 알아보기 위해 pathway 찾기를 재수행한다. CYP3A4를 선택하고 Advanced Build Pathway Wizard 에서 Add Neighbors > Directionality: “upstream” > Entity type: “small molecule” > Filter Parameters: “DirectRegulation” 순으로 선택한다.

사용자 삽입 이미지

Step 4. Active Style 변경

Effect와 Reference 개수에 따라 그래프 보기에서도 효과를 나타내 줄 수 있다. Style 메뉴의 Active Style Sheet에서 By Effect를 선택하면 Effect의 Positive, Negative 효과에 따라 Relation 선색을 다르게 할 수 있으며, By Reference Count를 선택하면 Reference의 개수에 따라서 Relation 선색이 달라지는 것을 확인 할 수 있다.

사용자 삽입 이미지

아래 동영상보기를 하시면 4개의 Step을 한 번에 보실 수 있습니다.


Posted by Quipu

2010/10/25 08:43 2010/10/25 08:43

How can I find candidate genes related to a specific plant trait?


특정 식물의 특성과 관련이 있는 후보 유전자는 어떻게 찾을 수 있을까?
식물의 특성 중에서도 과일 단계에서 과일의 크기, 모양, 색과 같은 다양한 특성에 관련된 유전자를 찾는 방법에 대해서 알아보고자 한다. 또한 과일의 색에 영향을 주는 유전자들을 찾았다고 한다면 유전자들 중에서 영향을 많이 준 순서대로 보는 방법과 과일의 색과 유전자의 관계를 뒷받침해주는 논문의 수가 많은 순서대로 보는 방법도 함께 소개한다.

Step to follow


Step 1. Fruit 검색

Search Entities by keword를 통해 과일과 관련이 있는 Cell Process만 검색한다. 검색된 Cell Process 중에 보고자 하는 것만 선택하고 복사한 뒤 새 Pathway 문서에 붙여넣기 한다.

사용자 삽입 이미지

Step 2. Pathway 옵션 설정

선택한 Cell Process와 관련이 있는 유전자를 찾고 Pathway로 나타내기 위해 옵션 설정 과정을 거친다. Advanced Build Pathway Wizard 에서 Add Neighbors > Directionality: “Upstream” > Entity type: “Protein” > Filter Parameters: “Regulation” 순으로 선택한다.

사용자 삽입 이미지
Step 3. Entity Table 보기(View > Entity Table View)

엔티티 테이블 보기를 하면 Pathway에 있는 모든 엔티티에 대한 정보를 테이블 형태로 볼 수 있다. 테이블 컬럼 중에 Outdegree 컬럼을 내림차순으로 정렬하면 과일의 특성과 관련된 유전자 중에서 많은 영향을 준 유전자 순으로 볼 수 있다.

사용자 삽입 이미지

Step 4. Relation Table 보기(View > Relation Table View)

Relation 테이블 보기는 Pathway의 Relation에 대한 정보들을 테이블 형태로 보여 주는 기능을 한다. # of Reference 컬럼을 내림차순으로 정렬하면 Relation 정보를 뒷받침해주는 Reference가 많은 순으로 Effect 정보와 함께 볼 수 있다.

사용자 삽입 이미지
Step 5. Active Style 변경

Effect와 Reference 개수에 따라 그래프 보기에서도 효과를 나타내 줄 수 있다. Style 메뉴의 Active Style Sheet에서 By Effect를 선택하면 Effect의 Positive, Negative 효과에 따라 Relation 선색을 다르게 할 수 있으며, By Reference Count를 선택하면 Reference의 개수에 따라서 Relation 선색이 달라지는 것을 확인 할 수 있다.

사용자 삽입 이미지

아래 동영상보기를 하시면 5개의 Step을 한 번에 보실 수 있습니다.




Posted by Quipu

2010/10/18 10:44 2010/10/18 10:44

How can I find diseases that are involved in the amplification of a specific gene?


표피성장인자수용체(EGFR)의 증폭과 관련이 있는 질병에는 어떠한 것들이 있을까?
보통 표피성장인자수용체(EGFR)가 증폭되었을 때 어떤 질병과 관련이 있는지 알아보기 위해서 먼저 인터넷 또는 논문 검색을 하게된다. 인터넷 또는 논문 검색을 통해 찾은 정보들은 무수히 많고 그것을 하나하나 살펴보고 정리하는 것도 만만치 않은 일이다. 그래서 표피성장인자수용체가 증폭되었을 때 생길 수 있는 질병만 선택해서 찾고 한번에 Pathway까지 그릴 수 있는 방법을 소개하고자 한다.


Step to follow


Step 1. 표피성장인자수용체(EGFR) 검색

PathwayStudio 검색창에서 표피성장인자수용체인 EGFR을 검색한다. 검색된 EGFR을 복사한 후 새 Pathway 문서에 붙여넣기 한다.

사용자 삽입 이미지
Step 2. Pathway 옵션 설정

표피성장인자수용체(EGRF)에 의해 나타나는 질병을 모두 찾고 Pathway로 나타내기 위해 옵션 설정 과정을 거친다. Advanced Build Pathway Wizard 에서 Add Neighbors > Directionality: “downstream” > Entity type: “disease” > Filter Parameters: “regulation” 순으로 선택한다.

사용자 삽입 이미지
Step 3. Relation 속성을 이용한 검색 기능

Pathway에서 “amplif”가 포함된 Regulation 관계만 찾기 위해 pathway 검색 tool에서 “Find Relation by Attribute”를 클릭한다. 찾고자 하는 Attribute에 대해 설정하는데 논문의 문장에 "amplif"가 포함된 것만 찾기위해 Attribute를 Sentence로 선택하고 Operation은 "includes", Value는 "amplif"로 설정하고 검색을 한다. 검색 결과 Reference sentence에 "amplif(amplification/amplified)"가 포함된 Relation만 파란색으로 표시된것을 확인할 수 있다.

사용자 삽입 이미지
Step 4. 선택된 Pathway만 보기

복잡한 Pathway에서 선택된 것만 자세히 보기 위해 Edit에서 Copy를 하고 새 Pathway 문서에 붙여넣기 한다. 그러면 EGFR이 증폭했을 때 생길 수 있는 질병에 대한 pathway만 확인 할 수 있다.

사용자 삽입 이미지

아래 동영상보기를 하시면 4개의 Step을 한 번에 보실 수 있습니다.






Posted by Quipu

2010/10/11 09:09 2010/10/11 09:09
, , , , , ,
Response
No Trackback , 3 Comments
RSS :
http://insilicogen.com/blog/rss/response/82


연재 순서

 1. PathwayStudio 소개
 2. 문헌정보를 활용한 유전자 네트워크 분석
 3. Chip 실험 데이터에서의 유전자 네트워크 분석
 4. Drug 발굴을 위한 지식 데이터베이스 ChemEffect


약물 작용과 효과의 profiling을 위한 ChemEffect Database


 현재 지구상에는 약 800만 종의 화학물질이 존재하고 그 중에서 8만여 종이 상업적으로 생산, 판매되고 있다고 한다. 우리나라에서 사용되는 화학물질의 종류는 약 1만여종으로 매년 증가하고 있다. 이러한 화학물질 가운데 사람의 유전자에 영향을 미치는지 파악하기 위해서는 DNA chip실험을 통한 분석 및 다른 다양한 실험을 통해서 판별이 가능하다.

 약제로 개발되는 화학물질의 경우 인체에 부작용을 일으키는지 여부는 실험을 거치지 않고서는 판별할 수 없다. 최근 들어, 독성유전학이라는 분야가 새로운 연구로 각광을 받고 있으며, 산업 현장 및 일상생활속에서 접하고 있는 중금속이 인체의 유전자에 미치는 영향을 파악하고자 하고 있다.

 AriadneGenomics사 에서는 이러한 화학물질의 특성 및 유전자에 영향을 미치는 지 여부 등을 기존의 논문 정보와 실험 정보등을 통해서 “ChemEffect” 라는 데이터베이스를 구축하여 서비스를 제공하고 있다.

 ChemEffect 데이터베이스는 화학물질인 small molecular가 gene과의 연관관계 및 cellular processes에서의 역할들에 대한 다양한 정보를 담고 있다. 이 정보는 약물의 화학물질에 대해서 독성과 compound 타입에 의한 부작용을 프로파일링 하거나 효소정보를 찾을 때, 독성과 약물 메커니즘 사이의 관계를 결정 지을 때 그리고 대체 물질을 찾을 때 많은 도움이 된다.

사용자 삽입 이미지
그림 1. ChemEffect 데이터베이스의 Small molecule과 protein의 다양한 관계 정보.

ChemEffect 데이터베이스를 이용하면 아래와 같은 문제들을 빠르게 해결할 수 있다.

  • 후보 약물과 관련된 pathway와 연결되어있는 질병을 확인할 때,
  • Target pathway 또는 Target protein에 영향을 미치는 compound를 발견하고자 할 때,
  • Compound에 의해 영향을 받는 Target protein을 찾을 때,
  • Compound와 관련 있는 부작용에 대한 연구를 할 때,
  • 약효, 독성, drug-drug 작용과 같은 잠재적인 결과와 compound 사이의 관계를 설계 할 때,

ChemEffect 데이터베이스의 구성


 ChemEffect는 NLP(Natural Language Processing) 기술을 응용하여 과학문헌 정보에서생물학적인 정보를 추출하는 MedScan과 추출된 정보를 이용하여 다양한 정보들 간의 네트워크를 그래픽적으로 표현할 수 있는 PathwayStudio로 구성되어 있다.

사용자 삽입 이미지
그림 2. ChemEffect 데이터베이스 Component 구성. MedScan을 이용하여 Text 정보를 추출하고 추출된 데이터는 ChemEffect 데이터베이스에 저장된다. 이후 데이터베이스의 데이터들을 활용하여 PathwayStudio에서 는 데이터들 사이의 관계를 그래픽으로 표현하여 하나의 메커니즘으로 생성된다.


ChemEffect 데이터의 구성


 ChemEffect의 데이터는 앞서 말한 것과 같이 MedScan의 텍스트-마이닝 기법을 이용하여 추출된다. Pathway Studio의 기본 데이터베이스인 ResNet Mammalian 데이터베이스와 결합된 ChemEffect에는 NCBI PubMed에 투고된 논문 정보로부터 추출된 Entity, Relations 정보 이외에도 기존에 알려져 있는 Pathway, Ontologies, Annotation 정보들도 함께 포함하고 있어 보다 다양한 정보를 얻을 수 있다.

사용자 삽입 이미지
Table 1. ChemEffect 데이터 구성 표(2.0 version).



ChemEffect 데이터베이스를 활용한 Workflow


 ChemEffect 데이터베이스를 활용해서 1차적으로 보고자 하는 drug 또는 small molecule에 대해 지식 기반의 프로파일링을 수행 할 수 있다. 예를 들어 Sorafenib라는 Small molecule의 1차 검색을 통해서 이 small molecule과 관련 있는(Metabolized by, Directly Inhibits, DownRegulates, UpRegulates) 단백질 정보와 Sorafenib에 의해 Inhibit되고 Activate하는 cell processes에는 어떤 것들이 있는지 프로파일링 정보를 얻을 수 있다. 모든 정보에 대해서는 이를 뒷받침하는 문헌 정보와 링크가 되어 있어 바로 확인이 가능하므로 분석된 데이터에 대한 신뢰성이 상당히 높다고 할 수 있다.

사용자 삽입 이미지
그림 3. Small molecule(Sorafenib)에 대한 knowledge profile 정보.


 더 나아가서는 Drug Discovery를 할 때 다양한 Application에서 ChemEffect 데이터베이스를 사용할 수 있다. In silico 단계에서 Target을 validation 할 때, In vitro 단계의 Lead Optimization, In vivo 단계에서의 Candidate Nomination/Preclinical 이 세 가지 모든 과정을 통합하고 해석하고 마지막으로 최종 결정에 이르기까지 유용하게 응용 될 수 있다.

사용자 삽입 이미지
그림 4. Drug discovery의 세 단계 Application. 각 단계를 통합, 해석, 결정하는 데 있어서 다양한 Application에 ChemEffect 데이터베이스를 사용하여 Drug discovery를 할 수 있다.

Posted by Quipu

2010/06/28 17:39 2010/06/28 17:39


연재 순서

 1. PathwayStudio 소개
 2. 문헌정보를 활용한 유전자 네트워크 분석
 3. Chip 실험 데이터에서의 유전자 네트워크 분석
 4. Drug 발굴을 위한 지식 데이터베이스 ChemEffect


Chip 실험 데이터에서의 유전자 네트워크 분석


 DNA Chip 분석 실험을 통해 유전자의 발현 양상을 분석하는 연구가 이전부터 많이 진행되어 왔다. 특정한 조건하에서 발현을 보이는 유전자가 무엇인지 검토하고 이들 유전자에 대한 다양한 정보를 검토하는 것이 이전의 연구방향이었다. 그러나 Eukaryote유전체에서는 하나의 유전자가 다양한 역할을 수행하기도 하며, 반대로 여러 개의 유전자들이 서로 상호 연관관계를 맺어서 하나의 기능을 수행하기도 한다. 따라서, 이러한 유전자들의 상호 연관관계를 도출하고자 하는 연구가 최근들어서는 중요시되고 있다. 즉 차등발현을 보이는 여러 개의 유전자들을 upstream 단계에서 조절하고 있는 요소가 무엇인지, 또한 여러 개의 유전자들이 공통적으로 타겟을 정하고 있는 질병이나, 유전자들이 무엇인지를 밝히고자 한다. 이번 블로그에서는 PathwayStudio를 이용하여 Chip 실험 데이터에 대한 유전자 네트워크 분석 방법에 대해서 알아보고자 한다.

Data importer

 
 실험 데이터를 분석하기 위해 먼저 실험데이터를 Import 해야 한다. Pathway Studio는 실험 데이터를 매우 쉽게 입력 할 수 있도록 인터페이스가 구성되어 있다. 입력 할 수 있는 형식으로는 Gene expression, Metabolomics, Proteomics가 있다. 입력 할 수 있는 데이터의 포맷도 아래와 같이 다양하게 제공된다.

  • Tab-delemited text(Generic)
  • Microsoft Excel
  • GEO Datasets (GDS in SOFT format)
  • Affymetrix Raw (CEL)
  • Affymetrix CHP
  • Agilent
  • Illumina

 입력할 데이터의 포맷은 DNA Chip 실험 분석을 통해서 얻어진 정보들을 탭 분리형식으로 구성되어진 파일과 엑셀 형식으로 되어 있는 파일을 불러들일 수 있다. 또한 Affymetrix, Agilent, Illumina 사와 같은 기존에 가장 많이 분석에 이용되고 있는 상용화 DNA Chip 정보 포맷도 쉽게 불러들여 분석을 진행 할 수 있다. 탭 분리형식으로 데이터가 저장된 파일을 불러들여 분석을 할 경우 아래와 같이 모두 10가지 단계를 거치게 된다.

 실험 데이터의 형식, 파일 포맷, 그리고 입력할 파일과 최종 저장할 디렉토리를 선택하면 모두 10가지 단계의 입력과정을 거치게 된다. 첫 번째 단계에서 부터 순서대로 실험 데이터의 헤더 설정, 데이터가 시작되는 행의 지정, Probe identity를 표현하는 컬럼 지정, 샘플의 layout 설정, 데이터의 마지막 컬럼 지정, 부가적으로 사용될 annotation으로 컬럼 설정, 샘플 타입, 부가적으로 Probe를 식별하는데 사용하는 Identifier, expression 분석에 사용되는 annotation 컬럼을 선택한다. 마지막 열 번째 단계에서는 반복실험을 수행한 샘플들간의 상호 연관성을 볼 수 있는 sample correlation 단계로 샘플 간에 가까운 상관관계가 있는 것끼리 그룹으로 설정하여 Tree 형태로 보여준다. 여기에서 correlation이 잘못된 경우 분석에서 제외할 샘플을 선별 할 수 있다.

사용자 삽입 이미지
그림 1. Chip 실험 데이터 import step


Result and displays


 모든 입력 단계가 완료되면 아래와 같이 Pathway Studio에 실험데이터가 입력 된 것을 확인할 수 있다. 실험 데이터 뷰어는 크게 5가지 부분으로 나뉜다.

  1. 데이터를 분석하거나 편집할 때 많이 사용하는 기능을 모아 놓은 Toolbar
  2. Probe를 빠르게 검색하여 찾을 수 있는 검색창
  3. Probe ID 컬럼
  4. 발현 차이를 보기 위해 t-test 통계 수치가 계산된 컬럼
  5. 샘플 데이터
사용자 삽입 이미지
그림 2. 실험 데이터 Viewer 인터페이스


Data analysis algorithms


Pathway Studio에서 실험데이터를 분석하는 알고리즘은 크게 세 가지가 있다.

  • Fisher's Exact Test
  • Gene Set Enrichment Analysis
  • Sub-Network Enrichment

 Fisher's Exact Test와 Gene Set Enrichment Analysis는 Enrichment를 분석하는 서로 다른 알고리즘이고 Sub-Network Enrichment는 ResNet에서 사용자가 직접 Gene Set을 설정해 주는 것으로 알려진 Gene Set을 사용하는 앞의 두 알고리즘과는 다르다.

 먼저 Fisher's Exact Test를 수행하기 전에 통계적으로 유의한 유전자 리스트를 확인하기 위해 필터링 과정을 거친다. Toolbar에서 Filter Probes by value를 클릭하면 대화창이 나타난다. 필터링을 적용하고자 하는 샘플을 선택하고 Probe 범위와 P-value cutoff 값을 입력하여 필터링을 수행 한다. 이제 Filter를 통해 나온 데이터들을 이용해서 Fisher's Exact Test를 수행한다. 분석하고자 하는 데이터 컬럼에서 마우스 오른쪽을 눌러 Find Pathway/Groups Enriched with Selected Entities를 선택한다. 대화창이 나타나는데 여기에서 실험 데이터를 대상으로 Fisher's Exact Test를 수행 할 Ontology나 Pathway를 선택한다.

사용자 삽입 이미지

그림 3. Fisher's Exact Test 분석 1) Filter Probes by value 2) Find Pathway/Groups Enriched with Selected Entities

 분석이 완료되면 하단에 P-value를 기준으로 정렬된 분석 결과가 테이블 형태로 나타난다. 결과 테이블에서는 분석할 때 선택한 샘플 유전자들이 어떤 Pathway나 Group에 가장 가깝게 해당되는지 알 수 있다. 아래의 결과 테이블을 예로 들어보면 Fisher's Exact Test를 할 때 선택해준 샘플 데이터가 결과 테이블 첫 번째 행에 있는 ECM degradation 즉, ECM 단백질의 분해에 관여하는 Group에 속한다는 것을 알 수 있다. ECM degradation group에는 14개의 Entity가 있는데 그 중에서 선택한 샘플 데이터와 중복이 되는 것은 3개이고 구체적으로 어떤 유전자가 중복이 되는지 리스트도 함께 보여준다.

사용자 삽입 이미지
그림 4. Fisher's Exact Test 분석 결과 테이블

결과 테이블에서 보고자 하는 Pathway를 오픈하면 Graph view에서 볼 수 있다. 이 Pathway에 있는 Entity들이 입력한 실험 데이터에 있는 유전자들 중에서도 발현이 되고 있는지 보고자 한다면 실험 데이터 viewer의 Toolbar에서 Link 버튼을 이용한다. 발현이 되고 있다면 Entity의 색이 변하는 것을 볼 수 있다.

사용자 삽입 이미지
그림 5. Fisher's Exact Test 분석 결과 Pathway 보기 Link 메뉴를 통해 분석결과 나온 Pathway와 실험 데이터의 유전자들이 서로 link 되어 있는지 확인할 수 있다.

 두 번째 알고리즘인 Gene Set enrichment 분석은 Fisher's Exact Test와 비슷한 분석이지만 실험 데이터에 서열화 방법을 적용하였다는 차이점이 있다. Gene Set enrichment 분석을 할 때에는 Filter를 적용하지 않고 분석을 시작한다. Enrichment 분석 할 알고리즘으로 2가지가 제공되는데 Mann-Whitley Utest와 Kolmogorov-Smirnov가 그것이다. 두 가지 모두 순위척도 자료를 위한 비모수 통계방법으로 두 모집단 사이에 유의한 차이가 있는지를 검정할 때 사용한다.

 Gene Set enrichment 분석도 마찬가지로 분석이 완료되면 그림 3과 같은 결과 테이블을 제공한다. 결과 테이블에서 Fisher's Exact Test와 다른점이 있다면 Median fold change 값을 제공한다는 것이다. 이 값을 통해 측정된 Entity 그룹에 대한 fold change 값의 분포를 알 수 있고, 결과 set에서 더 up regulated 되거나 더 down regulated 되는 그룹을 빠르게 확인 할 수 있도록 정보를 제공해 주고 있다.

 이렇게 분석 결과 나온 pathway는 여러 가지 pathway를 합쳐서 보거나, 공통된 것 또는 공통된 것을 제외한 나머지 부분만을 볼 수도 있다. 또한 실험데이터가 Time-course로 진행된 실험이라면 특정 Entity가 시간에 따라 어떻게 발현이 달라지는지 볼 수 있다. 보고자 하는 Entity를 하나 선택하고 마우스 오른쪽을 클릭하면 Show diagram이 있다. 이것을 클릭하면 그림에서 보는 것과 같이 Line plot 형태로 그려진 diagram이 생성된다. 다시 이 다이어그램을 클릭하고 마우스 오른쪽을 노르면 Show as Heat Map 메뉴가 있는데 이것은 Line plot 형태의 다이어그램을 Heat Map 형태로 바꾸어 볼 수 있는 역할을 한다.

사용자 삽입 이미지
그림 6. Visualizing time-course data on pathway

 Pathway Studio를 통해서 실험데이터 차등발현유전자를 선별하고 여러가지 통계분석을 통해 이 유전자들을 조절하는 상위조절인자를 분석하거나 차등발현유전자들이 공통적으로 작용하고 있는 질병, 세포내 프로세스 등을 알아볼 수 있었다. 앞선 연재에서 설명한 Pathway Studio의 ResNet DB 또는 문헌정보를 활용한 유전자 네트워크 정보와도 비교 분석하면서 데이터를 해석하면 좀 더 의미있는 결과가 도출될 것이다.

Posted by Quipu

2010/06/16 09:23 2010/06/16 09:23


블로그 이미지

Archives

Authors

  1. Quipu

Calendar

«   2012/02   »
      1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29      

Site Stats

Total hits:
84932
Today:
27
Yesterday:
34