Los autores desean expresar su agradecimiento a los laboratorios, grupos e individuos que han desarrollado Galaxy y David, y por lo tanto hechas NGS ampliamente accesible para la comunidad científica. La ayuda y el asesoramiento brindado por sus colegas de la Universidad de Pittsburgh durante nuestra formación bioinformática es reconocido. Este trabajo fue apoyado por una Fundación Médica Ellison Nueva Académico en el envejecimiento premio (AG-NS-0879-12) y una subvención de los Institutos Nacionales de Salud (R01AG051659) a AG.

<ol>
	<li>Venter, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+sequence+of+the+human+genome.">The sequence of the human genome.</a> Science. 291 (5507), 1304-1351 (2001).</li><li>Lander, E. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Initial+sequencing+and+analysis+of+the+human+genome.">Initial sequencing and analysis of the human genome.</a> Nature. 409 (6822), 860-921 (2001).</li><li>Afgan, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Galaxy+platform+for+accessible,+reproducible+and+collaborative+biomedical+analyses:+2016+update.">The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2016 update.</a> Nucleic Acids Res. 44 (W1), W3-W10 (2016).</li><li>Trapnell, C., Pachter, L., Salzberg, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=TopHat:+discovering+splice+junctions+with+RNA-Seq.">TopHat: discovering splice junctions with RNA-Seq.</a> Bioinformatics. 25 (9), 1105-1111 (2009).</li><li>Trapnell, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transcript+assembly+and+quantification+by+RNA-Seq+reveals+unannotated+transcripts+and+isoform+switching+during+cell+differentiation.">Transcript assembly and quantification by RNA-Seq reveals unannotated transcripts and isoform switching during cell differentiation.</a> Nat Biotechnol. 28 (5), 511-515 (2010).</li><li>Roberts, A., Trapnell, C., Donaghey, J., Rinn, J. L., Pachter, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improving+RNA-Seq+expression+estimates+by+correcting+for+fragment+bias.">Improving RNA-Seq expression estimates by correcting for fragment bias.</a> Genome Biol. 12 (3), R22 (2011).</li><li>Roberts, A., Pimentel, H., Trapnell, C., Pachter, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identification+of+novel+transcripts+in+annotated+genomes+using+RNA-Seq.">Identification of novel transcripts in annotated genomes using RNA-Seq.</a> Bioinformatics. 27 (17), 2325-2329 (2011).</li><li>Trapnell, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Differential+gene+and+transcript+expression+analysis+of+RNA-seq+experiments+with+TopHat+and+Cufflinks.">Differential gene and transcript expression analysis of RNA-seq experiments with TopHat and Cufflinks.</a> Nat Protoc. 7 (3), 562-578 (2012).</li><li>Trapnell, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Differential+analysis+of+gene+regulation+at+transcript+resolution+with+RNA-seq.">Differential analysis of gene regulation at transcript resolution with RNA-seq.</a> Nat Biotechnol. 31 (1), 46-53 (2013).</li><li>Huang da, W., Sherman, B. T., Lempicki, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Systematic+and+integrative+analysis+of+large+gene+lists+using+DAVID+bioinformatics+resources.">Systematic and integrative analysis of large gene lists using DAVID bioinformatics resources.</a> Nat Protoc. 4 (1), 44-57 (2009).</li><li>Giardine, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Galaxy:+a+platform+for+interactive+large-scale+genome+analysis.">Galaxy: a platform for interactive large-scale genome analysis.</a> Genome Res. 15 (10), 1451-1455 (2005).</li><li>Han, Y., Gao, S., Muegge, K., Zhang, W., Zhou, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Advanced+Applications+of+RNA+Sequencing+and+Challenges.">Advanced Applications of RNA Sequencing and Challenges.</a> Bioinform Biol Insights. 9 (1), 29-46 (2015).</li><li>Mardis, E. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Next-generation+sequencing+platforms.">Next-generation sequencing platforms.</a> Annu Rev Anal Chem (Palo Alto Calif). 6, 287-303 (2013).</li><li>Yang, I. S., Kim, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Analysis+of+Whole+Transcriptome+Sequencing+Data:+Workflow+and+Software.">Analysis of Whole Transcriptome Sequencing Data: Workflow and Software.</a> Genomics Inform. 13 (4), 119-125 (2015).</li><li>Khatri, P., Draghici, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ontological+analysis+of+gene+expression+data:+current+tools,+limitations,+and+open+problems.">Ontological analysis of gene expression data: current tools, limitations, and open problems.</a> Bioinformatics. 21 (18), 3587-3595 (2005).</li><li>Huang da, W., Sherman, B. T., Lempicki, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bioinformatics+enrichment+tools:+paths+toward+the+comprehensive+functional+analysis+of+large+gene+lists.">Bioinformatics enrichment tools: paths toward the comprehensive functional analysis of large gene lists.</a> Nucleic Acids Res. 37 (1), 1-13 (2009).</li><li>Shaye, D. D., Greenwald, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=OrthoList:+a+compendium+of+C.+elegans+genes+with+human+orthologs.">OrthoList: a compendium of C. elegans genes with human orthologs.</a> PLoS One. 6 (5), e20085 (2011).</li><li>Consortium, C. e. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Genome+sequence+of+the+nematode+C.+elegans:+a+platform+for+investigating+biology.">Genome sequence of the nematode C. elegans: a platform for investigating biology.</a> Science. 282 (5396), 2012-2018 (1998).</li><li>Agarwal, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+and+calibration+of+transcriptome+data+from+RNA-Seq+and+tiling+arrays.">Comparison and calibration of transcriptome data from RNA-Seq and tiling arrays.</a> BMC Genomics. 11, 383 (2010).</li><li>Mortazavi, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scaffolding+a+Caenorhabditis+nematode+genome+with+RNA-seq.">Scaffolding a Caenorhabditis nematode genome with RNA-seq.</a> Genome Res. 20 (12), 1740-1747 (2010).</li><li>Bohnert, R., Ratsch, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=rQuant.web:+a+tool+for+RNA-Seq-based+transcript+quantitation.">rQuant.web: a tool for RNA-Seq-based transcript quantitation.</a> Nucleic Acids Res. 38, W348-W351 (2010).</li><li>Lamm, A. T., Stadler, M. R., Zhang, H., Gent, J. I., Fire, A. Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multimodal+RNA-seq+using+single-strand,+double-strand,+and+CircLigase-based+capture+yields+a+refined+and+extended+description+of+the+C.+elegans+transcriptome.">Multimodal RNA-seq using single-strand, double-strand, and CircLigase-based capture yields a refined and extended description of the C. elegans transcriptome.</a> Genome Res. 21 (2), 265-275 (2011).</li><li>Amrit, F. R., Ratnappan, R., Keith, S. A., Ghazi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+C.+elegans+lifespan+assay+toolkit.">The C. elegans lifespan assay toolkit.</a> Methods. 68 (3), 465-475 (2014).</li><li>Hsin, H., Kenyon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Signals+from+the+reproductive+system+regulate+the+lifespan+of+C.+elegans.">Signals from the reproductive system regulate the lifespan of C. elegans.</a> Nature. 399 (6734), 362-366 (1999).</li><li>Alper, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Caenorhabditis+elegans+germ+line+regulates+distinct+signaling+pathways+to+control+lifespan+and+innate+immunity.">The Caenorhabditis elegans germ line regulates distinct signaling pathways to control lifespan and innate immunity.</a> J Biol Chem. 285 (3), 1822-1828 (2010).</li><li>Steinbaugh, M. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Lipid-mediated+regulation+of+SKN-1/Nrf+in+response+to+germ+cell+absence.">Lipid-mediated regulation of SKN-1/Nrf in response to germ cell absence.</a> Elife. 4, (2015).</li><li>Lapierre, L. R., Gelino, S., Melendez, A., Hansen, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Autophagy+and+lipid+metabolism+coordinately+modulate+life+span+in+germline-less.">Autophagy and lipid metabolism coordinately modulate life span in germline-less.</a> C. elegans. Curr Biol. 21 (18), 1507-1514 (2011).</li><li>Rourke, E. J., Soukas, A. A., Carr, C. E., Ruvkun, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=C.+elegans+major+fats+are+stored+in+vesicles+distinct+from+lysosome-related+organelles.">C. elegans major fats are stored in vesicles distinct from lysosome-related organelles.</a> Cell Metab. 10 (5), 430-435 (2009).</li><li>Ghazi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Transcriptional+networks+that+mediate+signals+from+reproductive+tissues+to+influence+lifespan.">Transcriptional networks that mediate signals from reproductive tissues to influence lifespan.</a> Genesis. 51 (1), 1-15 (2013).</li><li>Ghazi, A., Henis-Korenblit, S., Kenyon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+transcription+elongation+factor+that+links+signals+from+the+reproductive+system+to+lifespan+extension+in+Caenorhabditis+elegans.">A transcription elongation factor that links signals from the reproductive system to lifespan extension in Caenorhabditis elegans.</a> PLoS Genet. 5 (9), e1000639 (2009).</li><li>Amrit, F. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=DAF-16+and+TCER-1+Facilitate+Adaptation+to+Germline+Loss+by+Restoring+Lipid+Homeostasis+and+Repressing+Reproductive+Physiology+in+C.+elegans.">DAF-16 and TCER-1 Facilitate Adaptation to Germline Loss by Restoring Lipid Homeostasis and Repressing Reproductive Physiology in C. elegans.</a> PLoS Genet. 12 (2), e1005788 (2016).</li><li>Wang, M. C., O'Rourke, E. J., Ruvkun, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fat+metabolism+links+germline+stem+cells+and+longevity+in+C.+elegans.">Fat metabolism links germline stem cells and longevity in C. elegans.</a> Science. 322 (5903), 957-960 (2008).</li><li>McCormick, M., Chen, K., Ramaswamy, P., Kenyon, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=New+genes+that+extend+Caenorhabditis+elegans'+lifespan+in+response+to+reproductive+signals.">New genes that extend Caenorhabditis elegans' lifespan in response to reproductive signals.</a> Aging Cell. 11 (2), 192-202 (2012).</li><li>Kartashov, A. V., Barski, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=BioWardrobe:+an+integrated+platform+for+analysis+of+epigenomics+and+transcriptomics+data.">BioWardrobe: an integrated platform for analysis of epigenomics and transcriptomics data.</a> Genome Biol. 16, 158 (2015).</li><li>Goncalves, A., Tikhonov, A., Brazma, A., Kapushesky, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+pipeline+for+RNA-seq+data+processing+and+quality+assessment.">A pipeline for RNA-seq data processing and quality assessment.</a> Bioinformatics. 27 (6), 867-869 (2011).</li></ol>

Los autores no tienen nada que revelar.

Importancia de la plataforma de secuenciación Galaxy biología de hoy El Proyecto Galaxy se ha convertido en fundamental para ayudar a los biólogos y sin la formación de bioinformática para procesar y analizar los datos de secuenciación de alto rendimiento de una manera rápida y eficiente. Una vez considerada una tarea hercúlea, esta plataforma accesible al público que ha hecho correr algoritmos bioinformáticos complejos para analizar los datos NGS un proceso sencillo, fiable y fácil....

La primera secuenciación del genoma humano, lleva a cabo mediante el método de secuenciación de didesoxinucleótidos-Fred Sanger, tomó 10 años, y un costo estimado de US $ 3 billón 1, 2. Sin embargo, en poco más de una década desde su creación, Next-Generation Sequencing Technology (NGS) ha hecho posible secuenciar el genoma humano completo en dos semanas y por US $ 1,000. NGS nuevos instrumentos que permiten velocidades cada vez mayores de la colección de secuenciación de datos con una eficiencia increíble, junto con fuertes reducciones en el costo, están revolucionando la biología moderna en formas inimaginables como proyectos de secuenciación del genoma están convirtiendo rápidamente en un lugar común. Además, estos desarrollos han galvanizado avances en muchas otras áreas tales como el análisis de expresión génica a través de RNA-Sequencing (RNA-Seq), el estudio de las modificaciones epigenéticas en todo el genoma, las interacciones ADN-proteína, y la detección de la diversidad microbiana en huéspedes humanos. NGS-basado RNA-Seq en particular, ha hecho que sea posible identificar y transcriptomes mapa integral con precisión y sensibilidad, y ha sustituido a la tecnología de microarrays como el método de elección para los perfiles de expresión. Mientras que la tecnología de microarrays se ha utilizado ampliamente, que está limitado por su dependencia de las matrices de pre-existentes con la información genómica conocida, y otros inconvenientes tales como hibridación cruzada y la gama restringida de los cambios de expresión que se puede medir de forma fiable. RNA-seq, por otra parte, puede ser utilizado para detectar tanto las transcripciones conocidos y desconocidos, mientras que la producción de bajo nivel de ruido de fondo debido a su naturaleza inequívoca asignación de ADN. RNA-Seq, junto con las numerosas herramientas genéticas ofrecidas por organismos modelo tales como levaduras, moscas, gusanos, peces y ratones, ha servido de base para muchos descubrimientos biomédicos recientes importantes. Sin embargo, sigue habiendo retos importantes que hacen NGS inaccesibles para la comunidad científica en general, incluidas las limitaciones de almacenamiento, procesamiento y, sobre todo, m<html> análisis bioinformática eaningful de grandes volúmenes de datos de secuenciación. Los rápidos avances en las tecnologías de secuenciación y la acumulación exponencial de los datos han creado una gran necesidad de plataformas computacionales que permitan a los investigadores acceder, analizar y comprender esta información. Los primeros sistemas dependían en gran medida de los conocimientos de programación informática, mientras que, genoma navegadores tales como NCBI que permitieron a los no programadores para acceder y visualizar datos no permitió análisis sofisticados. La plataforma, de acceso libre basada en la web, Galaxy ( <a href="https://galaxyproject.org/" target="_blank">https://galaxyproject.org/</a> ), ha llenado este vacío y ha demostrado ser una tubería valiosa que permite a los investigadores para procesar datos de NGS y llevar a cabo una variedad de fácil de complejo análisis de la bioinformática. Galaxy se estableció inicialmente, y se mantiene, por los laboratorios de Anton Nekrutenko (Penn State University) y James Taylor (Universidad Johns Hopkins)f &quot;&gt; 3. El Galaxy ofrece una amplia gama de tareas de cómputo por lo que es una &#39;ventanilla única&#39; para las necesidades de la bioinformática innumerables, incluyendo todos los pasos involucrados en un estudio de RNA-Seq. Itallows usuarios para realizar el procesamiento de datos, ya sea en sus servidores o localmente en sus propias máquinas. los datos y flujos de trabajo pueden ser reproducidos y compartidos. los tutoriales en línea, sección de ayuda, y una página-wiki ( <a href="https://wiki.galaxyproject.org/Support" target="_blank">https://wiki.galaxyproject.org/Support</a> ) dedicada al Proyecto Galaxy proporcionan un apoyo constante. Sin embargo, para los usuarios de primera vez, especialmente aquellos que no tienen la formación bioinformática, la tubería puede parecer desalentador y el proceso de auto-aprendizaje y familiarización puede llevar mucho tiempo. Además, el sistema biológico estudiado, y los detalles del experimento y los métodos utilizados, el impacto las decisiones analíticas en varios pasos, y estos pueden ser difíciles de navegar sin instrucción. El RN general<html> A-Seq Galaxy de flujo de trabajo consiste en la carga de datos y verificación de la calidad seguido por análisis utilizando el Tuxedo Suite 4, 5, 6, 7, 8, 9, que es un colectivo de varias herramientas requeridas para las diferentes etapas de análisis de datos RNA-Seq 10, 11, 12, 13, 14. Un experimento típico RNA-Seq consiste en la parte experimental (preparación de la muestra, el aislamiento de ARNm y ADNc de preparación de la biblioteca), la NGS y el análisis de la bioinformática datos. Una visión general de estas secciones, y los pasos involucrados en la tubería Galaxy, se muestran en la Figura 1. 3fig1.jpg&quot;/&gt; Figura 1: Visión general de un RNA-Seq Workflow. Ilustración de los pasos experimentales y computacionales que participan en un experimento RNA-Seq para comparar los perfiles de expresión génica de dos cepas de gusanos (A y B, líneas de color naranja y verde y flechas, respectivamente). Los diferentes módulos de Galaxy utilizado se muestran en recuadros con el paso correspondiente en el protocolo indicado en rojo. Las salidas de diversas operaciones están escritos en gris con los formatos de archivo que se muestran en azul. <a href="https://ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/55473/55473fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a> La primera herramienta en el Tuxedo Suite es un programa de alineación llamada &#39;Tophat&#39;. Se descompone la entrada NGS lee en fragmentos más pequeños y luego los asigna a un genoma de referencia. Este proceso de dos pasos asegura que lee abarca regiones intrónicas cuya alineación puede ser de otro modo disrupted o perdidas se contabilizan y se asigna. Esto aumenta la cobertura y facilita la identificación de nuevas uniones de empalme. Salida Tophat se informa como dos archivos, un archivo de BED (con información sobre las uniones de corte y empalme que incluyen localización genómica) y un archivo de BAM (con detalles de mapeo de cada lectura). A continuación, el archivo de BAM se alinea contra un genoma de referencia para estimar la abundancia de las transcripciones individuales dentro de cada muestra con la función posterior en la Suite Tuxedo llamada &#39;Gemelos&#39;. Gemelos funciones mediante el escaneo de la alineación reportar fragmentos de transcripción de longitud completa o &#39;transfrags&#39; que abarcan todas las posibles variantes de empalme en los datos de entrada para cada gen. Basado en esto, se genera un &#39;transcriptoma&#39; (montaje de todas las transcripciones generadas por gen para cada gen) para cada muestra que se secuenciaron. Estos conjuntos de mancuernas se colapsaron luego o se fusionaron junto con la referencia genoma para producir un único archivo de anotación para el análisis diferencial de aguas abajo usando la siguiente herramienta, &#39;Cuffmerge&#39;. Por último, la expresión génica herramienta medidas diferencial la &#39;Cuffdiff&#39; entre las muestras mediante la comparación de las salidas el sombrero de copa de cada una de las muestras para el archivo de salida Cuffmerge final (Figura 1). Gemelos utiliza FPKM / RPKM (Fragmentos / Lee por kilobase de transcripción por millón asignada lecturas) los valores reportar transcripción abundancias. Estos valores reflejan la normalización de los datos NGS primas para la profundidad (número promedio de lecturas de una muestra que se alinean con el genoma de referencia) y la longitud de genes (genes tener longitudes diferentes, por lo recuentos tienen que ser normalizado para la longitud de un gen para comparar los niveles entre los genes). FPKM y RPKM son esencialmente los mismos con RPKM ser utilizados para un solo extremo RNA-Seq donde cada lectura corresponde a un solo fragmento, mientras que, FPKM se utiliza para-Extremo emparejado RNA-Seq, ya que representa el hecho de que dos lecturas pueden corresponder al mismo fragmento. En última instancia, el resultado de estos análisis es una lista de genes expresados ​​diferencialmente entre las condiciones y / o las cepas ensayadas. Una vez que una carrera exitosa Galaxy se ha completado y se genera una &#39;lista de genes&#39;, el siguiente paso lógico requiere más análisis de la bioinformática para deducir conocimiento significativo de los conjuntos de datos. Muchos paquetes de software han surgido para atender a esta necesidad, incluyendo paquetes computacionales basados en web disponibles públicamente como David (la base de datos para la anotación, y Visualización Integrada Discovery) 15. DAVID facilita la asignación de significado biológico a grandes listas de genes de alto rendimiento estudios comparando la lista de genes subido a su base de conocimiento biológico integrado y revelar las anotaciones biológicas asociadas con la lista de genes. Esto es seguido por análisis de enriquecimiento, es decir, las pruebas a identify si cualquier clase de proceso o gen biológico se excesivamente en la lista (s) de genes de una manera estadísticamente significativa. Se ha convertido en una opción popular debido a una combinación de una amplia, base de conocimiento integrado y algoritmos de análisis de gran alcance que permiten a los investigadores a detectar temas biológicos enriquecidos dentro de la genómica-deriva &#39;&#39; listas de genes 10, 16. Las ventajas adicionales incluyen su capacidad para procesar las listas de genes creado en cualquier plataforma de secuenciación y una interfaz muy fácil de usar. El nematodo Caenorhabditis elegans es un sistema modelo genético, bien conocida por sus muchas ventajas, tales como tamaño pequeño, cuerpo transparente, plan de cuerpo simple, facilidad de la cultura y gran susceptibilidad a la disección genética y molecular. Worms tienen un pequeño, simple y bien anotado genoma que incluye hasta un 40% de genes conservados con homólogos humanos conocidos 17. De hecho, C. elegansfue la primera metazoan cuyo genoma fue secuenciado por completo 18, y una de las primeras especies que se utilizó RNA-Seq para mapear transcriptoma de un organismo 19, 20. Estudios gusano temprano involucrados experimentación con diferentes métodos para alto rendimiento de captura de RNA, la preparación de la biblioteca y la secuenciación, así como tuberías de bioinformática que contribuyeron al avance de la tecnología de 21, 22. En los últimos años, la experimentación basada en ARN-Seq en los gusanos se ha convertido en un lugar común. Pero, para los biólogos del gusano tradicionales los retos que plantea el análisis computacional de los datos de RNA-Seq siguen siendo un obstáculo para una mayor y mejor utilización de la técnica. En este artículo, se describe un protocolo para el uso de la plataforma Galaxy para analizar los datos de RNA-Seq alto rendimiento generados a partir de C. elegans. Para muchos por primera vez y de pequeña scaLe usuarios, la forma más rentable y sencillo para llevar a cabo un experimento de RNA-Seq es aislar ARN en el laboratorio y utilizar una instalación comercial NGS (o en casa) para la preparación de bibliotecas de ADNc de secuenciación y el propio NGS. Por lo tanto, hemos detallado primero las etapas implicadas en el aislamiento, la cuantificación y evaluación de la calidad de C. elegans muestras de ARN para la ARN-Seq. A continuación, se proporcionan instrucciones paso a paso para el uso de la interfaz de Galaxy para el análisis de los datos de NGS, comenzando con las pruebas de los controles de calidad post-secuenciación seguido de alineación, el montaje, y la cuantificación diferencial de la expresión génica. Además, hemos incluido direcciones para escudriñar los listas de genes resultantes de Galaxy para estudios de enriquecimiento biológicos utilizando DAVID. Como paso final en el flujo de trabajo, se proporcionan instrucciones para cargar los datos de RNA-Seq a los servidores públicos, tales como la secuencia de lectura del archivo (SRA) en el NCBI ( <a href="http://www.ncbi.nlm.nih.gov/sra" target="_blank">http: // w</a>ww.ncbi.nlm.nih.gov/sra) para que sea libremente accesible para la comunidad científica. En general, esperamos que este artículo se proporcionará información completa y suficiente para los biólogos del gusano que llevan a cabo experimentos de RNA-Seq, por primera vez, así como usuarios frecuentes que ejecutan un pequeño número de muestras.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>RNase spray&#160;</td>
			<td>Fisher Scientific</td>
			<td>21-402-178</td>
		</tr>
		<tr>
			<td>Trizol&#160;</td>
			<td>Ambion</td>
			<td>15596026</td>
		</tr>
		<tr>
			<td>Sonicator</td>
			<td>Sonics Vibra Cell&#160;</td>
			<td>VCX130</td>
		</tr>
		<tr>
			<td>Centrifuge&#160;</td>
			<td>Eppendorf</td>
			<td>5415C</td>
		</tr>
		<tr>
			<td>chloroform&#160;</td>
			<td>Sigma Aldrich</td>
			<td>288306</td>
		</tr>
		<tr>
			<td>2-propanol&#160;</td>
			<td>Fisher Scientific</td>
			<td>A416P-4</td>
		</tr>
		<tr>
			<td>Ethanol</td>
			<td>Decon Labs</td>
			<td>2705HC</td>
		</tr>
		<tr>
			<td>RNase-free water&#160;</td>
			<td>Fisher Scientific</td>
			<td>BP561-1</td>
		</tr>
		<tr>
			<td>Bioanalyzer&#160;</td>
			<td>Agilent</td>
			<td>G2940CA</td>
		</tr>
		<tr>
			<td>Mac/PC</td>
			<td></td>
			<td></td>
		</tr>
	</tbody>
</table>

transcriptomic analysis of c. elegans rna sequencing data through the tuxedo suite on the galaxy project

generación de secuenciación de próxima (NGS) tecnologías han revolucionado la naturaleza de la investigación biológica. De estos, RNA Sequencing (RNA-Seq) ha surgido como una poderosa herramienta para el análisis de expresión génica y mapeo transcriptoma. Sin embargo, el manejo de bases de datos de RNA-Seq requiere experiencia computacional sofisticado y plantea retos inherentes para investigadores de la biología. Este cuello de botella ha sido mitigada por el proyecto de acceso abierto Galaxy que permite a los usuarios sin conocimientos de bioinformática para analizar los datos de RNA-Seq, y la base de datos para la anotación, visualización, y Integrado de Discovery (DAVID), una ontología de genes (GO) Suite término análisis que ayuda entender el significado biológico de grandes conjuntos de datos. Sin embargo, para los usuarios de primera vez y los aficionados bioinformática, el autoaprendizaje y la familiarización con estas plataformas puede llevar mucho tiempo y difícil. Se describe un flujo de trabajo sencillo que ayudará a C. elegans investigadores aislar ARN de gusano, llevar a cabo un experimento de RNA-Seqy analizar los datos utilizando plataformas Galaxy y David. Este protocolo proporciona instrucciones paso a paso para el uso de los diversos módulos Galaxy para acceder a los datos en bruto NGS, controles de calidad, la alineación y análisis de la expresión génica diferencial, guiando al usuario con los parámetros en cada paso para generar una lista de genes que se pueden cribar para el enriquecimiento de clases de genes o procesos biológicos utilizando DAVID. En general, esperamos que este artículo se proporcionará información a los investigadores que realizan C. elegans experimentos de RNA-Seq, por primera vez, así como usuarios frecuentes que ejecutan un pequeño número de muestras.

En C. elegans, la eliminación de las células madre de línea germinal (GSCS) se extiende la vida útil, mejora la resistencia al estrés, y eleva la grasa corporal 24, 28. Pérdida de GSCs, ya sea provocado por ablación por láser o por mutaciones, tales como GLP-1, provoca prolongación de la vida a través de la activación de una red de factores de transcripción 29. Uno de tales fa...

Watch this Scientific Journal Video about Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project at JoVE.com

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

Galaxy y David se han convertido en herramientas populares que permiten a los investigadores sin formación bioinformática para analizar e interpretar los datos de RNA-Seq. Se describe un protocolo para C. elegans los investigadores realizar RNA-Seq experimentos, acceder y procesar el conjunto de datos usando Galaxy y obtener información biológica significativa de las listas de genes usando DAVID.

Análisis de transcriptómica<em&gt; C</em&gt;.<em&gt; elegans</em&gt; ARN secuencia de datos a través de la suite smoking en el Proyecto Galaxy

Next generation sequencing (NGS) technologies have revolutionized the nature of biological investigation. Of these, RNA Sequencing (RNA-Seq) has emerged ...

transcriptomic-analysis-c-elegans-rna-sequencing-data-through-tuxedo

Research

JoVE Journal

Genetics

Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

17.2K vistas.  University of Pittsburgh School of Medicine, Children's Hospital of Pittsburgh.  Galaxy y David se han convertido en herramientas populares que permiten a los investigadores sin formación bioinformática para analizar e interpretar los datos de RNA-Seq. Se describe un protocolo para C. elegans los investigadores realizar RNA-Seq experimentos, acceder y procesar el conjunto de datos usando Galaxy y obtener información biológica significativa de las listas de genes usando DAVID. 

Video: Transcriptomic Analysis of C. elegans RNA Sequencing Data Through the Tuxedo Suite on the Galaxy Project

Conjugative Mating Assays for Sequence-specific Analysis of Transfer Proteins Involved in Bacterial Conjugation

The transfer of genetic material by bacterial conjugation is a process that takes place via complexes formed by specific transfer proteins. In Escherichia coli, these transfer proteins make up a DNA transfer machinery known as the mating pair formation, or DNA transfer complex, which facilitates conjugative plasmid transfer. The objective of this paper is to provide a method that can be used to determine the role of a specific transfer protein that is involved in conjugation using a series of deletions and/or point mutations in combination with mating assays. The target gene is knocked out on the conjugative plasmid and is then provided in trans through the use of a small recovery plasmid harboring the target gene. Mutations affecting the target gene on the recovery plasmid can reveal information about functional aspects of the target protein that result in the alteration of mating efficiency of donor cells harboring the mutated gene. Alterations in mating efficiency provide insight into the role and importance of the particular transfer protein, or a region therein, in facilitating conjugative DNA transfer. Coupling this mating assay with detailed three-dimensional structural studies will provide a comprehensive understanding of the function of the conjugative transfer protein as well as provide a means for identifying and characterizing regions of protein-protein interaction.

Here, we present a protocol to knockout a gene of interest involved in plasmid conjugation and subsequently analyze the impact of its absence using mating assays. The function of the gene is further explored to a specific region of its sequence using deletion or point mutations.

Conjugación de apareamiento Los ensayos para el análisis específico de la secuencia de proteínas de transferencia que participan en la conjugación bacteriana

The transfer of genetic material by bacterial conjugation is a process that takes place via complexes formed by specific transfer proteins. In Escherichia ...

Investigación

Genética

Detection of Copy Number Alterations Using Single Cell Sequencing

Detection of genomic changes at single cell resolution is important for characterizing genetic heterogeneity and evolution in normal tissues, cancers, and microbial populations. Traditional methods for assessing genetic heterogeneity have been limited by low resolution, low sensitivity, and/or low specificity. Single cell sequencing has emerged as a powerful tool for detecting genetic heterogeneity with high resolution, high sensitivity and, when appropriately analyzed, high specificity. Here we provide a protocol for the isolation, whole genome amplification, sequencing, and analysis of single cells. Our approach allows for the reliable identification of megabase-scale copy number variants in single cells. However, aspects of this protocol can also be applied to investigate other types of genetic alterations in single cells.

Single cell sequencing is an increasingly popular and accessible tool for addressing genomic changes at high resolution. We provide a protocol that uses single cell sequencing to identify copy number alterations in single cells.

Detección del número de copias alteraciones Uso de Secuenciación de los organismos unicelulares

Detection of genomic changes at single cell resolution is important for characterizing genetic heterogeneity and evolution in normal tissues, cancers, and ...

Controllable Ion Channel Expression through Inducible Transient Transfection

Transfection, the delivery of foreign nucleic acids into a cell, is a powerful tool in protein research. Through this method, ion channels can be investigated through electrophysiological analysis, biochemical characterization, mutational studies, and their effects on cellular processes. Transient transfections offer a simple protocol in which the protein becomes available for analysis within a few hours to days. Although this method presents a relatively straightforward and time efficient protocol, one of the critical components is calibrating the expression of the gene of interest to physiological relevant levels or levels that are suitable for analysis. To this end, many different approaches that offer the ability to control the expression of the gene of interest have emerged. Several stable cell transfection protocols provide a way to permanently introduce a gene of interest into the cellular genome under the regulation of a tetracycline-controlled transcriptional activation. While this technique produces reliable expression levels, each gene of interest requires a few weeks of skilled work including calibration of a killing curve, selection of cell colonies, and overall more resources. Here we present a protocol that uses transient transfection of the Transient Receptor Potential cation channel subfamily V member 1 (TRPV1) gene in an inducible system as an efficient way to express a protein in a controlled manner which is essential in ion channel analysis. We demonstrate that using this technique, we are able to perform calcium imaging, whole cell, and single channel analysis with controlled channel levels required for each type of data collection with a single transfection. Overall, this provides a replicable technique that can be used to study ion channels structure and function.

Studying ion channels through a heterologously expressing system has become a core technique in biomedical research. In this manuscript, we present a time efficient method to achieve tightly controlled ion channel expression by performing transient transfection under the control of an inducible promoter.

Expresión Ion Channel controlable a través de la transfección transitoria inducible

Transfection, the delivery of foreign nucleic acids into a cell, is a powerful tool in protein research. Through this method, ion channels can be ...

Analysis of the c-KIT Ligand Promoter Using Chromatin Immunoprecipitation

Multiple cellular processes, including DNA replication and repair, DNA recombination, and gene expression, require interactions between proteins and DNA. Therefore, DNA-protein interactions regulate multiple physiological, pathophysiological, and biological functions, such as cell differentiation, cell proliferation, cell cycle control, chromosome stability, epigenetic gene regulation, and cell transformation. In eukaryotic cells, the DNA interacts with histone and nonhistone proteins and is condensed into chromatin. Several technical tools can be used to analyze DNA-protein interactions, such as the Electrophoresis (gel) Mobility Shift Assay (EMSA) and DNase I footprinting. However, these techniques analyze the protein-DNA interaction in vitro, not within the cellular context. Chromatin immunoprecipitation (ChIP) is a technique that captures proteins at their specific DNA binding sites, thereby allowing for the identification of DNA-protein interactions within their chromatin context. It is done by fixation&#160;of the DNA-protein interaction, followed by&#160;immunoprecipitation of the protein of interest. Subsequently, the genomic site that the protein was bound to is characterized. Here, we describe and discuss ChIP and demonstrate its analytical value for the identification of the Transforming Growth Factor-&#946; (TGF-&#946;)-induced binding of the transcription factor SMAD2 to SMAD Binding Elements (SBE) within the promoter region of the tyrosine-protein kinase Kit (c-KIT) receptor ligand Stem Cell Factor (SCF).

DNA-protein interactions are essential for multiple biological processes. During the evaluation of cellular functions, the analysis of DNA-protein interactions is indispensable for understanding gene regulation. Chromatin immunoprecipitation (ChIP) is a powerful tool to analyze such interactions in vivo.

Análisis del promotor de ligandos c-KIT usando inmunoprecipitación de cromatina

Multiple cellular processes, including DNA replication and repair, DNA recombination, and gene expression, require interactions between proteins and DNA. ...

Manipulation of Ploidy in Caenorhabditis elegans

Mechanisms that involve whole genome polyploidy play important roles in development and evolution; also, an abnormal generation of tetraploid cells has been associated with both the progression of cancer and the development of drug resistance. Until now, it has not been feasible to easily manipulate the ploidy of a multicellular animal without generating mostly sterile progeny. Presented here is a simple and rapid protocol for generating tetraploid Caenorhabditis elegans animals from any diploid strain. This method allows the user to create a bias in chromosome segregation during meiosis, ultimately increasing ploidy in C. elegans. This strategy relies on the transient reduction of expression of the rec-8 gene to generate diploid gametes. A rec-8 mutant produces diploid gametes that can potentially produce tetraploids upon fertilization. This tractable scheme has been used to generate tetraploid strains carrying mutations and chromosome rearrangements to gain insight into chromosomal dynamics and interactions during pairing and synapsis in meiosis. This method is efficient for generating stable tetraploid strains without genetic markers, can be applied to any diploid strain, and can be used to derive triploid C. elegans. This straightforward method is useful for investigating other fundamental biological questions relevant to genome instability, gene dosage, biological scaling, extracellular signaling, adaptation to stress, development of resistance to drugs, and mechanisms of speciation.

Manipulation of Ploidy in Caenorhabditis elegans

This method allows for the generation of tetraploid and triploid Caenorhabditis nematodes from any diploid strain. Polyploid strains generated by this method have been used to study chromosome interactions in meiotic prophase, and this method is useful for examining important basic questions in cell, developmental, evolutionary, and cancer biology.

Manipulación de ploidía en Caenorhabditis elegans

Mechanisms that involve whole genome polyploidy play important roles in development and evolution; also, an abnormal generation of tetraploid cells has ...

Informatic Analysis of Sequence Data from Batch Yeast 2-Hybrid Screens

We have adapted the yeast 2-hybrid assay to simultaneously uncover dozens of transient and static protein interactions within a single screen utilizing high-throughput short-read DNA sequencing. The resulting sequence datasets can not only track what genes in a population that are enriched during selection for positive yeast 2-hybrid interactions, but also give detailed information about the relevant subdomains of proteins sufficient for interaction. Here, we describe a full suite of stand-alone software programs that allow non-experts to perform all the bioinformatics and statistical steps to process and analyze DNA sequence fastq files from a batch yeast 2-hybrid assay. The processing steps covered by these software include: 1) mapping and counting sequence reads corresponding to each candidate protein encoded within a yeast 2-hybrid prey library; 2) a statistical analysis program that evaluates the enrichment profiles; and 3) tools to examine the translational frame and position within the coding region of each enriched plasmid that encodes the interacting proteins of interest.

Deep sequencing of yeast populations selected for positive yeast 2-hybrid interactions potentially yields a wealth of information about interacting partner proteins. Here, we describe the operation of specific bioinformatics tools and customized updated software to analyze sequence data from such screens.

Análisis informático de datos de la secuencia de lote levadura híbrida 2 pantallas

We have adapted the yeast 2-hybrid assay to simultaneously uncover dozens of transient and static protein interactions within a single screen utilizing ...

Single-cell RNA Sequencing and Analysis of Human Pancreatic Islets

Pancreatic islets comprise of endocrine cells with distinctive hormone expression patterns. The endocrine cells show functional differences in response to normal and pathological conditions. The goal of this protocol is to generate high-quality, large-scale transcriptome data of each endocrine cell type with the use of a droplet-based microfluidic single-cell RNA sequencing technology. Such data can be utilized to build the gene expression profile of each endocrine cell type in normal or specific conditions. The process requires careful handling, accurate measurement, and rigorous quality control. In this protocol, we describe detailed steps for human pancreatic islets dissociation, sequencing, and data analysis. The representative results of about 20,000 human single islet cells demonstrate the successful application of the protocol.

Here, we present a protocol to generate high-quality, large-scale transcriptome data of single cells from isolated human pancreatic islets using a droplet-based microfluidic single-cell RNA sequencing technology.

Secuenciación y análisis de islotes pancreáticos humanos de una sola célula

Pancreatic islets comprise of endocrine cells with distinctive hormone expression patterns. The endocrine cells show functional differences in response to ...

Identification of Footprints of RNA:Protein Complexes via RNA Immunoprecipitation in Tandem Followed by Sequencing (RIPiT-Seq)

RNA immunoprecipitation in tandem (RIPiT) is a method for enriching RNA footprints of a pair of proteins within an RNA:protein (RNP) complex. RIPiT employs two purification steps. First, immunoprecipitation of a tagged RNP subunit is followed by mild RNase digestion and subsequent non-denaturing affinity elution. A second immunoprecipitation of another RNP subunit allows for enrichment of a defined complex. Following a denaturing elution of RNAs and proteins, the RNA footprints are converted into high-throughput DNA sequencing libraries. Unlike the more popular ultraviolet (UV) crosslinking followed by immunoprecipitation (CLIP) approach to enrich RBP binding sites, RIPiT is UV-crosslinking independent. Hence RIPiT can be applied to numerous proteins present in the RNA interactome and beyond that are essential to RNA regulation but do not directly contact the RNA or UV-crosslink poorly to RNA. The two purification steps in RIPiT provide an additional advantage of identifying binding sites where a protein of interest acts in partnership with another cofactor. The double purification strategy also serves to enhance signal by limiting background. Here, we provide a step-wise procedure to perform RIPiT and to generate high-throughput sequencing libraries from isolated RNA footprints. We also outline RIPiT&#39;s advantages and applications and discuss some of its limitations.

Identification of Footprints of RNA:Protein Complexes via RNA Immunoprecipitation in Tandem Followed by Sequencing RIPiT-Seq

Here, we present a protocol to enrich endogenous RNA binding sites or &#34;footprints&#34;&#160;of RNA:protein (RNP) complexes from mammalian cells. This approach involves two immunoprecipitations of RNP subunits and is therefore dubbed RNA immunoprecipitation in tandem (RIPiT).

Identificación de Huellas de ARN:Complejos proteicos a través de la inmunoprecipitación de ARN en tándem seguido de secuenciación (RIPiT-Seq)

RNA immunoprecipitation in tandem (RIPiT) is a method for enriching RNA footprints of a pair of proteins within an RNA:protein (RNP) complex. RIPiT ...

Identification of Circular RNAs using RNA Sequencing

Circular RNAs (circRNAs) are a class of non-coding RNAs involved in functions including micro-RNA (miRNA) regulation, mediation of protein-protein interactions, and regulation of parental gene transcription. In classical next generation RNA sequencing (RNA-seq), circRNAs are typically overlooked as a result of poly-A selection during construction of mRNA libraries, or are found at very low abundance, and are therefore difficult to isolate and detect. Here, a circRNA library construction protocol was optimized by comparing library preparation kits, pre-treatment options and various total RNA input amounts. Two commercially available whole transcriptome library preparation kits, with and without RNase R pre-treatment, and using variable amounts of total RNA input (1 to 4 &#181;g), were tested. Lastly, multiple tissue types; including liver, lung, lymph node, and pancreas; as well as multiple brain regions; including the cerebellum, inferior parietal lobe, middle temporal gyrus, occipital cortex, and superior frontal gyrus; were compared to evaluate circRNA abundance across tissue types. Analysis of the generated RNA-seq data using six different circRNA detection tools (find_circ, CIRI, Mapsplice, KNIFE, DCC, and CIRCexplorer) revealed that a stranded total RNA library preparation kit with RNase R pre-treatment and 4 &#181;g RNA input is the optimal method for identifying the highest relative number of circRNAs. Consistent with previous findings, the highest enrichment of circRNAs was observed in brain tissues compared to other tissue types.

Circular RNAs (circRNAs) are non-coding RNAs that may have roles in transcriptional regulation and mediating interactions between proteins. Following assessment of different parameters for construction of circRNA sequencing libraries, a protocol was compiled utilizing stranded total RNA library preparation with RNase R pre-treatment and is presented here.

Identificación de ARN circulares mediante secuenciación de ARN

Circular RNAs (circRNAs) are a class of non-coding RNAs involved in functions including micro-RNA (miRNA) regulation, mediation of protein-protein ...

Characterization of In Vitro Differentiation of Human Primary Keratinocytes by RNA-Seq Analysis

Human primary keratinocytes are often used as in vitro models for studies on epidermal differentiation and related diseases. Methods have been reported for in vitro differentiation of keratinocytes cultured in two-dimensional (2D) submerged manners using various induction conditions. Described here is a procedure for 2D in vitro keratinocyte differentiation method by contact inhibition and subsequent molecular characterization by RNA-seq. In brief, keratinocytes are grown in defined keratinocyte medium supplemented with growth factors until they are fully confluent. Differentiation is induced by close contacts between the keratinocytes and further stimulated by excluding growth factors in the medium. Using RNA-seq analyses, it is shown that both 1) differentiated keratinocytes exhibit distinct molecular signatures during differentiation and 2) the dynamic gene expression pattern largely resembles cells during epidermal stratification. As for comparison to normal keratinocyte differentiation, keratinocytes carrying mutations of the transcription factor p63 exhibit altered morphology and molecular signatures, consistent with their differentiation defects. In conclusion, this protocol details the steps for 2D in vitro keratinocyte differentiation and its molecular characterization, with an emphasis on bioinformatic analysis of RNA-seq data. Because RNA extraction and RNA-seq procedures have been well-documented, it is not the focus of this protocol. The experimental procedure of in vitro keratinocyte differentiation and bioinformatic analysis pipeline can be used to study molecular events during epidermal differentiation in healthy and diseased keratinocytes.

Presented here is a stepwise procedure for in vitro differentiation of human primary keratinocytes by contact inhibition followed by characterization at the molecular level by RNA-seq analysis.

Caracterización de la diferenciación in vitro de los queratinocitos primarios humanos por análisis de ARN-Seq

Human primary keratinocytes are often used as in vitro models for studies on epidermal differentiation and related diseases. Methods have been reported ...