Вычислительная эпигенетика - Computational epigenetics

Метилирование ДНК - это эпигенетический механизм, который можно изучить с помощью биоинформатики.

Вычислительная эпигенетика[1][2][ненадежный источник? ]использует биоинформатический методы[требуется разъяснение ] дополнить экспериментальные исследования в эпигенетика. В связи с недавним взрывным ростом наборов данных эпигеномов, вычислительные методы играют все более важную роль во всех областях эпигенетических исследований.

Определение

Исследования в области вычислительной эпигенетики включают разработку и применение методов биоинформатики для решения эпигенетических вопросов, а также вычислительный анализ данных и теоретическое моделирование в контексте эпигенетики. Это включает моделирование эффектов метилирования гистонов и ДНК CpG-островков.

Текущие направления исследований

Обработка и анализ эпигенетических данных

Технология ChIP-on-Chip

Для картирования эпигенетической информации по всему геному были разработаны различные экспериментальные методы.[3] наиболее широко используемое существо Чип-на-чипе, ChIP-seq и бисульфитное секвенирование. Все эти методы генерируют большие объемы данных и требуют эффективных способов обработки данных и контроля качества с помощью биоинформатических методов.

Предсказание эпигенома

Значительный объем биоинформатических исследований был посвящен прогноз эпигенетической информации от характеристик последовательность генома. Такие прогнозы служат двойной цели. Во-первых, точные предсказания эпигенома могут до некоторой степени заменить экспериментальные данные, что особенно актуально для недавно открытых эпигенетических механизмов и для других видов, кроме человека и мыши. Во-вторых, алгоритмы прогнозирования строят статистические модели эпигенетической информации на основе обучающих данных и, следовательно, могут действовать как первый шаг к количественному моделированию эпигенетического механизма. Успешное компьютерное предсказание метилирования и ацетилирования ДНК и лизина было достигнуто за счет комбинации различных характеристик.[4][5]

Приложения в эпигенетике рака

Важная роль эпигенетических дефектов для рак открывает новые возможности для улучшения диагностики и терапии. Эти активные области исследований вызывают два вопроса, которые особенно поддаются биоинформатическому анализу. Во-первых, учитывая список участков генома, демонстрирующих эпигенетические различия между опухолевыми клетками и контрольными клетками (или между разными подтипами заболеваний), можем ли мы выявить общие закономерности или найти доказательства функциональной связи этих регионов с раком? Во-вторых, можем ли мы использовать биоинформатические методы для улучшения диагностики и лечения путем выявления и классификации важных подтипов заболеваний?

Новые темы

Первая волна исследований в области вычислительной эпигенетики была вызвана быстрым прогрессом экспериментальных методов генерации данных, которые требовали адекватных вычислительных методов для обработки данных и контроля качества, побудили исследования по предсказанию эпигенома как средство понимания геномного распределения эпигенетической информации. , и послужил основой для первоначальных проектов на эпигенетика рака. Хотя эти темы по-прежнему будут основными областями исследований, а простое количество эпигенетических данных, полученных в результате эпигеномных проектов, представляет собой значительную биоинформатическую проблему, в настоящее время возникает несколько дополнительных тем.

  • Эпигенетическая регуляторная схема: обратная инженерия регуляторных сетей, которые читают, записывают и исполняют эпигенетические коды.
  • Эпигенетика популяций: Извлечение регуляторных механизмов из интеграции данных эпигенома с экспрессия гена профили и гаплотип карты для большой выборки из разнородной популяции.
  • Эволюционная эпигенетика: Изучение регуляции эпигенома у человека (и ее медицинских последствий) путем межвидовых сравнений.
  • Теоретическое моделирование: проверка нашего механистического и количественного понимания эпигенетических механизмов с помощью in silico моделирование.[6]
  • Браузеры генома: Разработка новой смеси веб-сервисов, которые позволяют биологам выполнять сложный анализ генома и эпигенома в простой в использовании среде браузера генома.
  • Медицинская эпигенетика: Поиск эпигенетических механизмов, которые играют роль в заболеваниях, отличных от рака, поскольку существуют убедительные косвенные доказательства того, что эпигенетическая регуляция участвует в психические расстройства, аутоиммунные заболевания и другие сложные заболевания.[нужна цитата ]

Базы данных эпигенетики

  1. MethDB[7] Содержит информацию о 19 905 данных о содержании метилирования ДНК и 5382 паттернах метилирования для 48 видов, 1511 человек, 198 тканей и клеточных линий и 79 фенотипов.
  2. Pubmeth[8] Содержит более 5000 записей о метилированных генах при различных типах рака.
  3. REBASE[9] Содержит более 22 000 генов ДНК-метилтрансфераз, полученных из GenBank.
  4. Эпигеномная база данных DeepBlue[10] содержит эпигеномные данные из более чем 60 000 экспериментов из файлов различных членов IHEC, разделенных на множество различных эпигенетических меток. DeepBlue также предоставляет API для доступа и обработки данных на сервере.
  5. MeInfoText[11] Содержит информацию о метилировании генов по 205 типам рака человека.
  6. MethPrimerDB[12] Содержит 259 наборов праймеров от человека, мыши и крысы для анализа метилирования ДНК.
  7. База данных гистонов[13] Содержит 254 последовательности из гистона H1, 383 из гистона H2, 311 из гистона H2B, 1043 из гистона H3 и 198 из гистона H4, в общей сложности представляющих по меньшей мере 857 видов.
  8. ChromDB[14] Содержит 9 341 белок, связанный с хроматином, включая белки, связанные с РНКи, для широкого круга организмов.
  9. CREMOFAC[15] Содержит 1725 повторяющихся и 720 неизбыточных последовательностей факторов ремоделирования хроматина у эукариот.
  10. Лаборатория эпигенетики семьи Крембилов[16] Содержит данные о метилировании ДНК хромосом 21, 22 человека, мужских половых клеток и профили метилирования ДНК у монозиготных и дизиготных близнецов.
  11. База данных метилирования ДНК MethyLogiX[17] Содержит данные о метилировании ДНК хромосом 21 и 22 человека, мужских половых клеток и болезни Альцгеймера с поздним началом.

Источники и дальнейшее чтение

  • Первоначальная версия этой статьи была основана на обзорной статье по вычислительной эпигенетике, опубликованной в январском номере журнала Bioinformatics за 2008 год: Bock, C .; Ленгауэр, Т. (январь 2008 г.). «Вычислительная эпигенетика». Биоинформатика. 24: 1–10. Дои:10.1093 / биоинформатика / btm546. PMID  18024971.. Этот обзорный документ содержит более 100 ссылок на научные статьи и обширную справочную информацию. открытый доступ
  • Дополнительные данные были обновлены и добавлены на основе обзорной статьи по вычислительной эпигенетике, опубликованной в январском выпуске журнала за 2010 г. Биоинформация журнал: Лим С.Дж., Тан Т.В. и Тонг, Дж. К. (2010) Вычислительная эпигенетика: новая научная парадигма. Биоинформация, 4 (7): 331-337. В обзорной статье содержится> 129 ссылок на научные статьи. Он опубликован как открытый доступ и может быть бесплатно загружен с веб-страницы издателя: http://bioinformation.net/004/007000042010.pdf.

Рекомендации

  1. ^ Бок, С; Ленгауэр Т (2008). «Вычислительная эпигенетика». Биоинформатика. 24 (1): 1–10. Дои:10.1093 / биоинформатика / btm546. PMID  18024971.
  2. ^ Lim, S J; Tan T W; Тонг Дж. С. (2010). «Вычислительная эпигенетика: новая научная парадигма» (PDF). Биоинформация. 4 (7): 331–337. Дои:10.6026/97320630004331. ЧВК  2957762. PMID  20978607.
  3. ^ Мадригал, П; Краевский, П. (июль 2015 г.). «Выявление коррелированной изменчивости в наборах эпигеномных данных с помощью преобразования Карунена-Лоэва». BioData Mining. 8: 20. Дои:10.1186 / s13040-015-0051-7. ЧВК  4488123. PMID  26140054.
  4. ^ Ши, Шао-Юнь; Цзянь-Дин Цю; Син-Ю Сунь; Шэн-Бао Суо; Шу-Юнь Хуан; Ру-Пинг Лян (2012). «PLMLA: прогнозирование метилирования лизина и ацетилирования лизина путем объединения нескольких функций». Мол. Биосист. 8 (1): 1520–1527. Дои:10.1039 / C2MB05502C. PMID  22402705. S2CID  6172534.
  5. ^ Чжэн, Хао; Ши-Вэнь Цзян; Хунвэй Ву (2011). «Повышение предсказательной силы модели прогнозирования метилирования геномной ДНК человека». Биокомп'11: Международная конференция по биоинформатике и компьютерной биологии 2011 г. S2CID  14599625.
  6. ^ Розноват, И.А .; Раскин Х. Дж. (2013). «Вычислительная модель для генетических и эпигенетических сигналов при раке толстой кишки». Междисциплинарные науки: вычислительные науки о жизни. 5 (3): 175–186. Дои:10.1007 / s12539-013-0172-y. PMID  24307409. S2CID  11867110.
  7. ^ База данных метилирования ДНК
  8. ^ Pubmeth.Org
  9. ^ "Официальная домашняя страница REBASE | База данных рестрикционных ферментов | NEB".
  10. ^ «Сервер эпигеномных данных DeepBlue».
  11. ^ «MeInfoText: ассоциированное метилирование генов и информация о раке из анализа текста». Архивировано из оригинал на 2016-03-03. Получено 2010-01-29.
  12. ^ "methPrimerDB: база данных ПЦР-праймеров для анализа метилирования ДНК". Архивировано из оригинал в 2014-07-15. Получено 2010-01-29.
  13. ^ «База данных гистонов - База данных гистонов». Архивировано из оригинал на 2015-09-05. Получено 2010-01-29.
  14. ^ "ChromDB :: База данных хроматина". Архивировано из оригинал на 2019-04-10. Получено 2010-01-29.
  15. ^ Кремофак
  16. ^ http://www.epigenomics.ca
  17. ^ База данных метилирования В архиве 2008-12-03 на Wayback Machine