Este trabalho foi financiado pelo NIH concede incluindo DP1HD087990 de FORMULADORES, R01HG008135 de tempo. Agradecemos a membros do laboratório Zhong para feedback valioso.
Contribuições do autor: X.C. e A.T.Z. atualizado GeNemo codificando a nova interface e recursos; A.T.Z. produziu o vídeo de amostra in-house; A.T.Z., x. c e S.Z. escreveram o jornal.

Nota: O protocolo pode ser interrompido em qualquer lugar.
 1. configuração básica <ol><li>obter uma cama, picos formato ou BigWig 7 arquivo contendo os dados para ser inserido no genoma. O arquivo deve ter o nome da extensão &#34; cama &#34;, &#34; broadpeaks &#34; &#34; narrowpeaks &#34;, ou &#34; graúdos &#34; respectivamente. 
	&#8203; Nota: zipadas versões desses tipos de arquivos também funcionará.</li>
	<li>Use um navegador de internet para ir para genemo.org. Qualquer sistema operacional capaz de executar mais comuns navegadores de internet deve ser capaz de usar GeNemo.
	<ol><li>Escolher quais espécies para pesquisar contra usando o menu suspenso. Atualmente espécies disponíveis incluem humanos e do rato.</li>
		<li>Upload de arquivo de usuário usando uma url ou um upload direto. Figurão arquivos só trabalho com o método de carregamento de url. CAMA e picos formato arquivos de trabalho com os dois métodos (wiggle arquivos não podem ser enviados como os principais dados a partir de agora).</li>
	</ol></li></ol> 2. Instalação opcional <li>fornecer um endereço de e-mail na caixa correspondente, a fim de receber os resultados da pesquisa por e-mail, quando a pesquisa é feita de <ol>. 
	&#8203; Nota: ao procurar uma grande parte do genoma e/ou contra um grande número de faixas (veja abaixo), é recomendável que o usuário forneça seu e-mail, desde que a pesquisa pode levar um longo tempo. Por exemplo, uma pesquisa de 100 megabase leva cerca de 15 s. Um link para os resultados da pesquisa será enviado para o endereço de e-mail fornecido quando a pesquisa estiver concluída. O link irá expirar em 7 dias após a conclusão de uma pesquisa.</li>
	<li>Fornecer um arquivo de manda-chuva ou o arquivo de exibição do wiggle pode ser de uma url. Este arquivo de exibição não afetará os resultados; Isso só vai ser mostrado ao lado dos resultados.</li>
	<li>Especificar um intervalo de pesquisa (incluindo as posições de cromossomo e pares de base) na caixa correspondente.
	<ol><li>Listam o cromossomo, começar a par de base e finalizar base par.</li>
		<li>Uso &#39; chrN &#39; para o formato do cromossomo, onde &#39; N &#39; é o cromossomo número/letra (1, 2, &#8230; X ou Y). Para os pares de base, basta digitar os números.</li>
		<li>Incluir espaços entre todas as três entradas, ou incluir um dois-pontos (:) entre o número de cromossomos e o par de primeira base, e/ou um hífen entre os dois pares de base. Por exemplo: chr1:1000000-2000000, chr1 1000000 2000000, chr1 1000000-2000000, chr1:1000000 2000000. 
		Nota: Os passos 2.1-2.3 são opcionais.</li>
	</ol></li></ol> <img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/56136/56136fig1.jpg" /> Figura 1 : GeNemo &#39; capa de s com as áreas necessárias preenchidos. Um usuário precisa para entrada da espécie, arquivo de pesquisa e intervalo de pesquisa e selecione faixas que deseje Pesquisar contra. Endereço de e-mail e exibir o arquivo são opcionais. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56136/56136fig1large.jpg" target="_blank"> clique aqui para ver uma versão maior desta figura.</a>
 3. seleção de dados <img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/56136/56136fig2.jpg" /> Figura 2 : janela de seleção de faixa. Esta é criada clicando o &#34; seleção de dados &#34; botão na primeira página. Aqui, os usuários selecionar faixas para pesquisar o arquivo de entrada contra. Algumas das faixas já estão selecionadas por padrão. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56136/56136fig2large.jpg" target="_blank"> clique aqui para ver uma versão maior desta figura.</a>
<ol><li>Após clicar no botão de seleção de dados, escolher quais os tipos de faixas para pesquisar contra (ou seja, adicionar à consulta). A coleção de faixa inclui muitos diferentes conjuntos de dados de laboratórios em todo o mundo.
	<ol><li>Como a lista de faixas é bastante longa, os usuários podem querer usar o botão de filtro (no topo) para facilitar a faixa seleções. Faixas podem ser filtradas pelo experimento, tecido, linha celular e/ou Lab.</li>
		<li>Há cinco botões na parte inferior para ajudar a executar a seleção de faixas: selecionar tudo, selecionar None, Add, filtro, Exclude.</li>
		<li>Selecionar tudo &#34; e &#34; Selecione None &#34; são auto-explicativos.</li>
		<li>o &#34; Add &#34; botão adiciona faixas atualmente selecionadas para a consulta. Serve como a porta lógica &#34; ou &#34;. Observe que selecionar o filtro (s) acima (por exemplo, certas experiências, tecidos, linhas celulares ou laboratórios) não adiciona automaticamente faixas correspondentes para a consulta de pesquisa. Os usuários devem primeiro selecionar faixas (por exemplo, cérebro, fígado sob tecido) e clique no &#34; Add &#34; botão para adicioná-los à consulta. Ao selecionar faixas, note que apenas os filtros especificados na guia aberto na janela do filtro serão aplicados para a consulta de pesquisa. Seleções em outros guias serão salvo na janela de filtro, mas não são aplicadas para a consulta de pesquisa.</li>
		<li>o &#34; filtro &#34; botão retém apenas os tipos de faixas atualmente selecionados na janela de filtro na consulta e remove todos os outros tipos de faixas. Serve como a porta lógica &#34; e &#34;. Essencialmente, &#34; filtro &#34; permite a seleção da interação entre duas categorias de faixas (por exemplo, certos tecidos com determinados laboratórios). Observe que &#34; filtro &#34; não adiciona os tipos selecionados de faixas para a consulta se eles já não estão na consulta.</li>
		<li>o &#34; excluir &#34; botão remove todos os tipos de faixas que são atualmente selecionados na janela do filtro da consulta. Serve como a porta lógica &#34; não &#34;, em oposição ao &#34; filtro &#34; função. Novamente, &#34; excluir &#34; não adiciona qualquer faixas não-seleccionadas no momento na janela do filtro para a consulta.</li>
	</ol></li></ol> <img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/56136/56136fig3.jpg" /> Figura 3 : janela de filtro . Esta é criada clicando o &#34; filtro &#34; botão na janela de seleção de faixa. Aqui, os usuários podem selecionar várias faixas ao mesmo tempo, com relativa facilidade... <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56136/56136fig3large.jpg" target="_blank"> por favor clique aqui para ver uma versão maior desta figura.</a>
 <img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/56136/56136fig4.jpg" /> Figura 4 : como usar a função de filtro. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56136/56136fig4large.jpg" target="_blank"> clique aqui para ver uma versão maior desta figura.</a>
<ol start="2"> <li>depois de adicionar as faixas desejadas para a consulta, clique no &#34; Update &#34; botão no canto inferior direito. Isto é necessário para acomodar duas maneiras de selecionar dados: selecionar faixas de dados individuais ou filtragem/excluindo. O &#34; Reset View &#34; botão redefine a consulta para as faixas padrão relacionadas à regulação da expressão gênica em células-tronco embrionárias humano/rato. 
	Nota: Selecionando faixas a serem pesquisados contra através de &#34; seleção de dados &#34; é opcional, mas recomendado serPorque as faixas de pesquisa padrão são mais prováveis não é adequado para o usuário &#39; necessidades de s.</li>
</ol> 4. Pesquisa e resultados <ol><li>clique o &#34; pesquisa &#34; botão após a seleção de dados. A busca pode levar algum tempo.</li>
	<li>, Uma vez que a pesquisa é concluída, os usuários visualizarão várias caixas na página de resultados. Cada caixa representa uma seção do genoma, onde um usuário &#39; s arquivo de dados tem um estreita correspondência padrão com um ou mais das faixas o usuário tenha consultado.
	<ol><li>Se não houver nenhuma tentativa de caixas visíveis, pesquisando mais tipos de faixas ou aumentar o intervalo de pesquisa com o mesmo arquivo de entrada. Uma maneira fácil de fazer isso sem refazer tudo é clicar o &#34; &#9776; &#34; botão ao lado do logotipo. Isto abrirá uma barra lateral que permite ao usuário modificar a busca.</li>
		<li>Os resultados podem ser exportados como um arquivo de cama clicando sobre o &#34; baixar o arquivo de cama &#34; botão na parte inferior da página de resultados.</li>
	</ol></li> <li>Clique no botão Visualizar no canto superior direito de cada caixa para visualizar os resultados.
	<ol><li>Painel em the visualização em relação ao múltiplo de certo, as coisas são exibidas, incluindo os dados, que incorpora o arquivo de entrada de usuário, o arquivo de exibição se um foi introduzido, correspondência de faixas, e faixas de algum padrão. Partir dos resultados, o usuário pode comparar conhecido ENCODE datasets contra o dataset fornecido para maiores investigações. O usuário também pode se referir a genes UCSC para ver o contexto dos resultados da consulta. Se faixas de múltiplas linhas de célula/tecidos são selecionadas, o usuário poderá usar esses resultados para obter insights sobre a especificidade do tecido das semelhanças entre o determinado conjunto de dados e datasets ENCODE.</li>
		<li>Página sobre os resultados, o usuário pode arrastar qualquer faixas para mover a montante ou a jusante do genoma; quando o cursor do mouse é nas coordenadas, o usuário pode usar a roda do mouse e/ou zoom in e out.</li>
	</ol></li></ol> <img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/56136/56136fig5.jpg" /> Figura 5 : página de resultados. Esta pesquisa particular retornou 363 regiões correspondentes. Exibindo a primeira região correspondente pode ser feito clicando a &#34; SHOW &#34; botão no canto inferior esquerdo de cada caixa de região resultante. Na parte esquerda da janela de exibição pode ser visto que os arquivos de dois dados (faixa de entrada e selecionado) são similares no padrão de força de sinal. <a href="//ecsource-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/56136/56136fig5large.jpg" target="_blank"> por favor clique aqui para ver uma versão maior desta figura.</a>

<ol>
	<li>The ENCODE Project Consortium. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+integrated+encyclopedia+of+DNA+elements+in+the+human+genome.">An integrated encyclopedia of DNA elements in the human genome.</a> Nature. 489, 57-74 (2012).</li><li>Barski, 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=High-Resolution+Profiling+of+Histone+Methylations+in+the+Human+Genome.">High-Resolution Profiling of Histone Methylations in the Human Genome.</a> Cell. 129 (4), 823-837 (2007).</li><li>Meaney, M. J., Ferguson-Smith, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Epigenetic+regulation+of+the+neural+transcriptome:+the+meaning+of+the+marks.">Epigenetic regulation of the neural transcriptome: the meaning of the marks.</a> Nature Neuroscience. 13, 1313-1318 (2010).</li><li>Roh, T. -. Y., Cuddapah, S., Cui, K., Zhao, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+genomic+landscape+of+histone+modifications+in+human+T+cells.">The genomic landscape of histone modifications in human T cells.</a> PNAS. 103 (43), 15782-15787 (2006).</li><li>Zhang, Y., Cao, X., Zhong, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GeNemo:+a+search+engine+for+web-based+functional+genomic+data.">GeNemo: a search engine for web-based functional genomic data.</a> Nucleic Acids Res. 44, W122-W127 (2016).</li><li>Fujita, P. A., Rhead, B., Zweig, A. S., Hinrichs, A. S., Karolchik, D., Cline, M. S., Goldman, M., Barber, G. P., Clawson, H., Coelho, 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=The+UCSC+Genome+Browser+database:+update+2011.">The UCSC Genome Browser database: update 2011.</a> Nucleic Acids Res. 39, 876-882 (2011).</li><li>Neph, S., Vierstra, J., Stergachis, A. B., Reynolds, A. P., Haugen, E., Vernot, B., Thurman, R. E., John, S., Sandstrom, R., Johnson, A. K., 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=An+expansive+human+regulatory+lexicon+encoded+in+transcription+factor+footprints.">An expansive human regulatory lexicon encoded in transcription factor footprints.</a> Nature. 489, 83-90 (2012).</li><li>Sarda, S., Hannenhalli, S. <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+and+epigenomics+research:+a+hammer+in+search+of+nails.">Next-generation sequencing and epigenomics research: a hammer in search of nails.</a> Genomics Inform. 12 (1), 2-11 (2014).</li><li>Storre, 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=Silencing+of+the+Meiotic+Genes+SMC1&#946;+and+STAG3+in+Somatic+Cells+by+E2F6.">Silencing of the Meiotic Genes SMC1&#946; and STAG3 in Somatic Cells by E2F6.</a> J Biol Chem. 280, 41380-41386 (2005).</li><li>Liu, B., Shats, I., Angus, S. P., Gatza, M. L., Nevins, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Interaction+of+E2F7+Transcription+Factor+with+E2F1+and+C-terminal-binding+Protein+(CtBP)+Provides+a+Mechanism+for+E2F7-dependent+Transcription+Repression.">Interaction of E2F7 Transcription Factor with E2F1 and C-terminal-binding Protein (CtBP) Provides a Mechanism for E2F7-dependent Transcription Repression.</a> J Biol Chem. 288, 24581-24589 (2013).</li></ol>

Os autores têm sem interesses financeiros concorrentes para divulgar.

Uma compreensão completa da Epigenoma é necessário para alcançar o pleno potencial de sequenciamento do genoma humano em fornecer novos conhecimentos biológicos8. Atualmente, há apenas maneiras de Pesquisar por sua descrição de dados e o título (ou seja, metadados)1, conjuntos de dados on-line epigenomic. Isto limita severamente os tipos de pesquisa que se pode fazer com epigenomic dados. Ferramentas de busca baseada em padrões para epigenomic dados são essenciais para explorar a relação entre epigenomic de diferentes marcas, que podem levar a novos insights biológicos. GeNemo, que busca pelo conteúdo dos dados e metadados não, é o primeiro serviço deste tipo de comparação de padrões de dados epigenomic de depositários publicados, tais como o banco de dados do ENCODE com um gerado pelo usuário ou baixado dataset5. Isto marca o início da disponibilidade de uma ferramenta de pesquisa de epigenomic que é amplamente acessível aos pesquisadores ao redor do mundo apenas como ferramenta de pesquisa de sequência baseada em texto tornou-se amplamente disponível na década de 1990. Atualmente, não existem alternativas para ferramentas de busca on-line baseada em padrões para epigenomic dados que não sejam GeNemo.
Um exemplo de potencial de uso GeNemo é para pesquisar as modificações do histone co aparecendo e outras marcas epigenéticas com o fator transcricional E2F6 em células-tronco embrionárias humanas (ficheiro de exemplo E2F6 do sinal de ligação está disponível no portal de dados ENCODE ou no https://sysbio.UCSD.edu/Public/xcao3/ENCODESample/ENCFF001UBC.Bed). Usando este arquivo como consulta para pesquisar em todos os datasets ENCODE em H1-hESC, GeNemo irá mostrar que o sinal de ligação E2F6 fortemente é enriquecido com H3K4me1, H3K4me2, H3K4me3 e H3K27me3, que concorda com estudos existentes, mostrando que a E2F6 regula alguns genes através metilação de H3K279. Por outro lado, parece ser o colocalization de sítios de ligação E2F6 e CtBP2, que é conhecido por interagir com um fator da mesma família, E2F710. Estes resultados para o genoma inteiro contra um grande número de marcas epigenéticas, sinais de ligação do fator transcricional e outros sinais incluídos no ENCODE podem ser facilmente obtidos com GeNemo, que pode fornecer todos os potenciais alvos para posterior análise.
Desde a primeira publicação5 de GeNemo como uma ferramenta de busca de dados baseado na web epigenomic, a seção de resultados de GeNemo foi atualizada para ter uma aparência correspondente com a primeira página do GeNemo. A antiga seção de resultados estreitamente espelhado seção resultados UCSC navegador do genoma e foi largamente dependente do servidor remoto UCSC para exibição. Com a nova interface, GeNemo é o mais user-friendly e já não depende do servidor de genoma UCSC (apesar de dados ainda são buscados remotamente). Isso faz GeNemo mais robusto e menos suscetível a problemas devido a alterações de código no servidor UCSC. Além disso, a interface de novo, mais rápido polímero de GeNemo dá ao usuário mais ferramentas para visualizar e analisar padrões nos dados.
Passos críticos incluem fornecendo o arquivo de entrada apropriado e selecionando trilhas de dados para pesquisar contra. Os usuários são fortemente encorajados a experimentar com várias funções de seleção de faixa para se familiarizar com o processo de seleção e como diferentes comandos podem ser combinadas para alcançar o resultado pretendido. Em particular, observe que a função "Adicionar" é necessário para adicionar faixas desejadas selecionadas para a consulta, enquanto o "Filtro" ou "Excluir" pode ser usado como comandos de portão de lógica "E" e "Ou", respectivamente. A função de "Atualização" é necessário para afetar todas as seleções antes de implementar a pesquisa. Quando há resultados são retornados, um usuário pode verificar o arquivo de dados de entrada, mais faixas de busca ou aumentar o intervalo de pesquisa. Sempre que há um erro, haverá uma janela aparecendo definindo o que é exatamente o erro. Há alguns erros ambíguos, embora. Por exemplo, quando a janela diz que 'nenhum arquivo foi carregado', ou nenhum arquivo foi carregado, ou o arquivo carregado não era de um formato aceitável e, por conseguinte, o programa não foi capaz de lê-lo corretamente. Formatos de arquivo aceitável para upload de arquivo incluem cama e picos de arquivo de formato para ambos os métodos de carregamento e graúdos para upload link online apenas. As versões zipadas desses formatos de arquivo também são aceitáveis.
Limitações atuais desta abordagem incluem o ainda-para-ser-otimizada algoritmos e funções empregadas em GeNemo. GeNemo ainda não pode fornecer qualquer orientação sobre a interpretação de quaisquer conjuntos de dados retornados. Esta tarefa cabe aos usuários, que requer considerável conhecimento e experiência na biologia do genoma e Epigenoma. Além disso, outra limitação atual é que os usuários não podem alterar o nível de ruído e sensibilidade das buscas. Esperamos continuar a melhorar e expandir a GeNemo em seu padrão de busca recursos e coleção de dataset no futuro.

Avanços tecnológicos recentes permitiram uma expansão rápida de epigenomic ou depositários de dados genômica funcional, que já ultrapassou o desenvolvimento de ferramentas analíticas relevantes para extrair ideias biológicas. Um aspecto importante para analisar os dados de epigenomic é a busca de dados gerados por usuários contra depositários de dados e especialmente os da livre de elementos de DNA (ENCODE)1 projetos para correspondência de padrões que podem levar a novos conhecimentos. Por exemplo, identificar semelhanças nos padrões de duas marcas diferentes epigenomic em loci definidos através do genoma pode indicar uma acção coordenada pelos diferentes jogadores moleculares na conformação da cromatina e Regulamento transcriptional2 ,3,4.
Os motores de busca convencionais baseados em texto são ineficazes neste sentido porque, ao contrário da sequência de DNA, existem predominantemente epigenomic dados no formato de intensidades ou regiões de genômicas funcionais. GeNemo, em pé por Gene Nemo (como em Procurando Nemo), foi desenvolvido para atender a essa necessidade não atendida usando pesquisas baseadas no padrão5. Seu algoritmo utiliza um Markov Chain Monte Carlo maximização processo5. Usuários levar seus próprios dados ou um conjunto de dados baixados depositários e busca uma matriz de dados on-line epigenomic para identificar semelhanças em padrões.
A versão atual do GeNemo tem um display atualizado, interfaces de forma mais enérgica com a Universidade da Califórnia, Santa Cruz (UCSC) genoma navegador6e é menos suscetível a problemas causados por alterações no último. Em particular, enquanto a página de resultados do GeNemo usado para basear-se na interface de navegador UCSC genome, a versão atual do GeNemo suporta sua própria página de resultados e, consequentemente, é já não afectada por mudanças estruturais para o navegador do genoma UCSC. GeNemo pode usar qualquer sinal de genômica, incluindo proteína ligadora, modificação de histona, acessibilidade de cromatina, domínios topológicos e assim por diante, como uma consulta para encontrar segmentos colocalized/semelhante entre conjuntos de dados conhecidos de grandes consórcios. Portanto, é uma ferramenta importante para estudar a relação entre dados de diferentes epigenomic de interesse e dados conhecidos gerados em projetos de grande escala genômica.

<table border="0" cellpadding="0" cellspacing="0" style="border-collapse:
 collapse;width:515pt" width="687">
	<tbody>
		<tr height="21" style="height:15.75pt">
			<td class="xl66" height="21" style="height:15.75pt;width:162pt" width="216">GENEMO</td>
			<td class="xl67" style="width:139pt" width="185">https://www.genemo.org</td>
			<td class="xl66" style="width:89pt" width="119"></td>
			<td class="xl65" style="width:125pt" width="167">Comparative Epigenome Browser</td>
		</tr>
	</tbody>
</table>

pattern-based search of epigenomic data using genemo

Comparado com as ferramentas de busca robusto baseado em texto para genômica ou RNA dados de sequenciamento, metodologias atuais para pesquisas baseada em padrões de epigenomic e outros dados de genômicos funcionais são muito limitadas. GeNemo é a primeira ferramenta de busca on-line que realiza esse objetivo. Usuários seus dados de genômicos funcionais no navegador de dados extensível (cama), picos e graúdos formatos de entrada e podem pesquisar dados em qualquer um dos três formatos. Os usuários podem especificar quais tipos de conjuntos de dados para pesquisar contra, escolhendo entre uma variedade de conjuntos de dados on-line, com o livre de DNA elementos (ENCODE) representando epigenomic diferentes marcas, locais obrigatórios do fator transcricional e cromatina hypersensitivities ou acessibilidades em tipos de células específicas e estádios de desenvolvimento ou espécie (mouse ou humanos). GeNemo retorna uma lista de regiões genômicas com correspondência de padrões para os dados de entrada, que podem ser visualizados no navegador, bem como baixados no formato de arquivo de cama. O GeNemo atualizado melhorou a exibição gráfica, tem interface mais robusto e não é mais propenso a erros devido a mudanças na Universidade da Califórnia, navegador do genoma de Santa Cruz (UCSC). Etapas de solução de problemas para problemas comuns são discutidas. Como a quantidade de dados de genômicas funcionais está expandindo exponencialmente, há uma necessidade crítica para desenvolver e aperfeiçoar as novas ferramentas de bioinformatic como GeNemo para análises de dados e interpretação.

Aqui mostrado na Figura 5 é uma busca de simulado. A espécie humana foi selecionada, e o correspondente arquivo de amostra foi usado como o arquivo de dados de entrada. Além disso, as faixas padrão, como pode ser visto na Figura 3, foram selecionadas. Havia um total de 363 correspondência de regiões, e a primeira região é mostrada na página de exibição. Pode ser visto que o padrão de intensidade de base 17036000 para 17038000 no cromossoma 1 para o arquivo de entrada e uma das faixas selecionadas é muito semelhante.

Watch this Scientific Journal Video about Pattern-based Search of Epigenomic Data Using GeNemo at JoVE.com

Pattern-based Search of Epigenomic Data Using GeNemo

Ao contrário dos dados de sequência de DNA, epigenomic dados não são prontamente submetidos a pesquisas baseadas em texto. Aqui apresentados são os procedimentos para usar uma versão atualizada do GeNemo, uma ferramenta de Bioinformática baseado na web, para realizar pesquisas baseada em padrões para semelhanças em epigenomic dados comparando bancos de dados disponíveis on-line incluindo livre de elementos de DNA com dados do usuário.

Pesquisa baseada em padrões de dados Epigenomic usando GeNemo

Compared with the robust text-based search tools for genomic or RNA sequencing data, current methodologies for pattern-based searches of epigenomic and ...

pattern-based-search-of-epigenomic-data-using-genemo

Nanyang Technological University

Research

JoVE Journal

Bioengineering

5.0K visualizações.  University of California San Diego. Ao contrário dos dados de sequência de DNA, epigenomic dados não são prontamente submetidos a pesquisas baseadas em texto. Aqui apresentados são os procedimentos para usar uma versão atualizada do GeNemo, uma ferramenta de Bioinformática baseado na web, para realizar pesquisas baseada em padrões para semelhanças em epigenomic dados comparando bancos de dados disponíveis on-line incluindo livre de elementos de DNA com dados do usuário.

Vídeo: Pattern-based Search of Epigenomic Data Using GeNemo

Fabrication of Micro-tissues using Modules of Collagen Gel Containing Cells

This protocol describes the fabrication of a type of micro-tissues called modules.  The module approach generates uniform, scalable and vascularized tissues.  The modules can be made of collagen as well as other gelable or crosslinkable materials.  They are approximately 2 mm in length and 0.7 mm in diameter upon fabrication but shrink in size with embedded cells or when the modules are coated with endothelial cells.  The modules individually are small enough that the embedded cells are within the diffusion limit of oxygen and other nutrients but modules can be packed together to form larger tissues that are perfusable.  These tissues are modular in construction because different cell types can be embedded in or coated on the modules before they are packed together to form complex tissues.  There are three main steps to making the modules: (1) neutralizing the collagen and embedding cells in it, (2) gelling the collagen in the tube and cutting the modules and (3) coating the modules with endothelial cells.

Creation of micro-tissues using cylindrical collagen gels, called modules, that contain embedded cells and which surface is coated with endothelial cells.

Fabricação de Micro-tecidos utilizando Módulos de Colágeno Gel células contendo

This protocol describes the fabrication of a type of micro-tissues called modules.  The module approach generates uniform, scalable and vascularized ...

Bioengenharia

Induction of Adhesion-dependent Signals Using Low-intensity Ultrasound

In multicellular organisms, cell behavior is dictated by interactions with the extracellular matrix. Consequences of matrix-engagement range from regulation of cell migration and proliferation, to secretion and even differentiation. The signals underlying each of these complex processes arise from the molecular interactions of extracellular matrix receptors on the surface of the cell. Integrins are the prototypic receptors and provide a mechanical link between extracellular matrix and the cytoskeleton, as well as initiating some of the adhesion-dependent signaling cascades. However, it is becoming increasingly apparent that additional transmembrane receptors function alongside the integrins to regulate both the integrin itself and signals downstream. The most elegant of these examples is the transmembrane proteoglycan, syndecan-4, which cooperates with &alpha;5&beta;1-integrin during adhesion to fibronectin. In vivo models demonstrate the importance of syndecan-4 signaling, as syndecan-4-knockout mice exhibit healing retardation due to inefficient fibroblast migration1,2. In wild-type animals, migration of fibroblasts toward a wound is triggered by the appearance of fibronectin that leaks from damaged capillaries and is deposited by macrophages in injured tissue. Therefore there is great interest in discovering strategies that enhance fibronectin-dependent signaling and could accelerate repair processes.
The integrin-mediated and syndecan-4-mediated components of fibronectin-dependent signaling can be separated by stimulating cells with recombinant fibronectin fragments. Although integrin engagement is essential for cell adhesion, certain fibronectin-dependent signals are regulated by syndecan-4. Syndecan-4 activates the Rac1 protrusive signal3, causes integrin redistribution1, triggers recruitment of cytoskeletal molecules, such as vinculin, to focal adhesions4, and thereby induces directional migration3. We have looked for alternative strategies for activating such signals and found that low-intensity pulsed ultrasound (LIPUS) can mimic the effects of syndecan-4 engagement5. In this protocol we describe the method by which 30 mW/cm2, 1.5 MHz ultrasound, pulsed at 1 kHz (Fig. 1) can be applied to fibroblasts in culture (Fig. 2) to induce Rac1 activation and focal adhesion formation. Ultrasound stimulation is applied for a maximum of 20 minutes, as this combination of parameters has been found to be most efficacious for acceleration of clinical fracture repair6. The method uses recombinant fibronectin fragments to engage &alpha;5&beta;1-integrin, without engagement of syndecan-4, and requires inhibition of protein synthesis by cycloheximide to block deposition of additional matrix by the fibroblasts., The positive effect of ultrasound on repair mechanisms is well documented7,8, and by understanding the molecular effect of ultrasound in culture we should be able to refine the therapeutic technique to improve clinical outcomes.

This protocol describes the stimulation of cultured fibroblasts with low-intensity pulsed ultrasound, which drives focal adhesion formation and Rac1 activation by mimicking engagement of the transmembrane matrix receptor, syndecan-4. This approach allows investigation of a successful clinical technique at the cellular level, thereby providing opportunities for refinement of the therapy.

Indução de Sinais de adesão dependentes Usando ultra-som de baixa intensidade

In multicellular organisms, cell behavior is dictated by interactions with the extracellular matrix. Consequences of matrix-engagement range from ...

Flexural Rigidity Measurements of Biopolymers Using Gliding Assays

Microtubules are cytoskeletal polymers which play a role in cell division, cell mechanics, and intracellular transport. Each of these functions requires microtubules that are stiff and straight enough to span a significant fraction of the cell diameter. As a result, the microtubule persistence length, a measure of stiffness, has been actively studied for the past two decades1. Nonetheless, open questions remain: short microtubules are 10-50 times less stiff than long microtubules2-4, and even long microtubules have measured persistence lengths which vary by an order of magnitude5-9.
	Here, we present a method to measure microtubule persistence length. The method is based on a kinesin-driven microtubule gliding assay10. By combining sparse fluorescent labeling of individual microtubules with single particle tracking of individual fluorophores attached to the microtubule, the gliding trajectories of single microtubules are tracked with nanometer-level precision. The persistence length of the trajectories is the same as the persistence length of the microtubule under the conditions used11. An automated tracking routine is used to create microtubule trajectories from fluorophores attached to individual microtubules, and the persistence length of this trajectory is calculated using routines written in IDL.
	This technique is rapidly implementable, and capable of measuring the persistence length of 100 microtubules in one day of experimentation. The method can be extended to measure persistence length under a variety of conditions, including persistence length as a function of length along microtubules. Moreover, the analysis routines used can be extended to myosin-based acting gliding assays, to measure the persistence length of actin filaments as well.

A method to measure the persistence length or flexural rigidity of biopolymers is described. The method uses a kinesin-driven microtubule gliding assay to experimentally determine the persistence length of individual microtubules and is adaptable to actin-based gliding assays.

Flexão Medidas rigidez de Biopolímeros usando ensaios de deslizamento

Microtubules are cytoskeletal polymers which  play a role in cell division, cell mechanics, and intracellular transport. Each of these functions requires ...

Production of Large Numbers of Size-controlled Tumor Spheroids Using Microwell Plates

Tumor spheroids are increasingly recognized as an important in vitro model for the behavior of tumor cells in three dimensions. More physiologically relevant than conventional adherent-sheet cultures, they more accurately recapitulate the complexity and interactions present in real tumors. In order to harness this model to better assess tumor biology, or the efficacy of novel therapeutic agents, it is necessary to be able to generate spheroids reproducibly, in a controlled manner and in significant numbers.
The AggreWell system consists of a high-density array of pyramid-shaped microwells, into which a suspension of single cells is centrifuged. The numbers of cells clustering at the bottom of each microwell, and the number and ratio of distinct cell types involved depend only on the properties of the suspension introduced by the experimenter. Thus, we are able to generate tumor spheroids of arbitrary size and composition without needing to modify the underlying platform technology. The hundreds of microwells per square centimeter of culture surface area in turn ensure that extremely high production levels may be attained via a straightforward, nonlabor-intensive process. We therefore expect that this protocol will be broadly useful to researchers in the tumor spheroid field.

We introduce a protocol for the generation of large numbers (thousands to hundreds of thousands) of uniform size- and composition-controlled tumor spheroids, using commercially available microwell plates.

Produção de grande número de controladas pelo tamanho Spheroids tumorais usando placas de micropoços

Tumor spheroids are increasingly recognized as an important in vitro model for the behavior of tumor cells in three dimensions. More physiologically ...

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

Modern 3D electron microscopy approaches have recently allowed unprecedented insight into the 3D ultrastructural organization of cells and tissues, enabling the visualization of large macromolecular machines, such as adhesion complexes, as well as higher-order structures, such as the cytoskeleton and cellular organelles in their respective cell and tissue context. Given the inherent complexity of cellular volumes, it is essential to first extract the features of interest in order to allow visualization, quantification, and therefore comprehension of their 3D organization. Each data set is defined by distinct characteristics, e.g., signal-to-noise ratio, crispness (sharpness) of the data, heterogeneity of its features, crowdedness of features, presence or absence of characteristic shapes that allow for easy identification, and the percentage of the entire volume that a specific region of interest occupies. All these characteristics need to be considered when deciding on which approach to take for segmentation.
The six different 3D ultrastructural data sets presented were obtained by three different imaging approaches: resin embedded stained electron tomography, focused ion beam- and serial block face- scanning electron microscopy (FIB-SEM, SBF-SEM) of mildly stained and heavily stained samples, respectively. For these data sets, four different segmentation approaches have been applied: (1) fully manual model building followed solely by visualization of the model, (2) manual tracing segmentation of the data followed by surface rendering, (3) semi-automated approaches followed by surface rendering, or (4) automated custom-designed segmentation algorithms followed by surface rendering and quantitative analysis. Depending on the combination of data set characteristics, it was found that typically one of these four categorical approaches outperforms the others, but depending on the exact sequence of criteria, more than one approach may be successful. Based on these data, we propose a triage scheme that categorizes both objective data set characteristics and subjective personal criteria for the analysis of the different data sets.

The bottleneck for cellular 3D electron microscopy is feature extraction (segmentation) in highly complex 3D density maps. We have developed a set of criteria, which provides guidance regarding which segmentation approach (manual, semi-automated, or automated) is best suited for different data types, thus providing a starting point for effective segmentation.

De Voxels ao Conhecimento: Um Guia Prático para a segmentação do Complexo Microscopia Eletrônica 3D-Data

Modern 3D electron microscopy approaches have recently allowed unprecedented insight into the 3D ultrastructural organization of cells and tissues, ...

Scaled Anatomical Model Creation of Biomedical Tomographic Imaging Data and Associated Labels for Subsequent Sub-surface Laser Engraving (SSLE) of Glass Crystals

Biomedical imaging modalities like computed tomography (CT) and magnetic resonance (MR) provide excellent platforms for collecting three-dimensional data sets of patient or specimen anatomy in clinical or preclinical settings. However, the use of a virtual, on-screen display limits the ability of these tomographic images to fully convey the anatomical information embedded within. One solution is to interface a biomedical imaging data set with 3D printing technology to generate a physical replica. Here we detail a complementary method to visualize tomographic imaging data with a hand-held model: Sub Surface Laser Engraving (SSLE) of crystal glass. SSLE offers several unique benefits including: the facile ability to include anatomical labels, as well as a scale bar; streamlined multipart assembly of complex structures in one medium; high resolution in the X, Y, and Z planes; and semi-transparent shells for visualization of internal anatomical substructures. Here we demonstrate the process of SSLE with CT data sets derived from pre-clinical and clinical sources. This protocol will serve as a powerful and inexpensive new tool with which to visualize complex anatomical structures for scientists and students in a number of educational and research settings.

Scaled Anatomical Model Creation of Biomedical Tomographic Imaging Data and Associated Labels for Subsequent Sub-surface Laser Engraving SSLE of Glass Crystals

A methodology is described herein for representing anatomical imaging data within crystals. We create scaled three-dimensional models of biomedical imaging data for use in Sub-Surface Laser Engraving (SSLE) of crystal glass. This tool offers a useful complement to computational display or three-dimensionally printed models used within clinical or educational settings.

Escamas Modelo Anatómico Creation of Biomedical Tomografia de imagem e de dados associadas As etiquetas para posterior sub-superfície de gravação a laser (SSLE) de cristais de vidro

Biomedical imaging modalities like computed tomography (CT) and magnetic resonance (MR) provide excellent platforms for collecting three-dimensional data ...

Fragility Assessment of Bovine Cortical Bone Using Scratch Tests

Bone is a complex hierarchical material with five distinct levels of organization. Factors like aging and diseases like osteoporosis increase the fragility of bone, making it fracture-prone. Owing to the large socio-economic impact of bone fracture in our society, there is a need for novel ways to assess the mechanical performance of each hierarchical level of bone. Although stiffness and strength can be probed at all scales &#8211; nano-, micro-, meso-, and macroscopic &#8211; fracture assessment has so far been confined to macroscopic testing. This limitation restricts our understanding of bone fracture and constrains the scope of laboratory and clinical studies. In this research, we investigate the fracture resistance of bone from the microscopic to the mesoscopic length scales using micro scratch tests combined with nonlinear fracture mechanics. The tests are performed in the short longitudinal orientation on bovine cortical bone specimens. A meticulous experimental protocol is developed and a large number (102) of tests are conducted to assess the fracture toughness of cortical bone specimens while accounting for the heterogeneity associated with bone microstructure.

This study assesses the fracture toughness of bovine cortical bone at the sub-meso levels using microscopic scratch tests. This is an original, objective, rigorous, and reproducible method proposed to probe fracture toughness below the macroscopic scale. Potential applications are studying changes in bone fragility due to diseases like osteoporosis.

Avaliação da fragilidade do osso Cortical bovino, usando testes de zero

Bone is a complex hierarchical material with five distinct levels of organization. Factors like aging and diseases like osteoporosis increase the ...

Databases to Efficiently Manage Medium Sized, Low Velocity, Multidimensional Data in Tissue Engineering

Science relies on increasingly complex data sets for progress, but common data management methods such as spreadsheet programs are inadequate for the growing scale and complexity of this information. While database management systems have the potential to rectify these issues, they are not commonly utilized outside of business and informatics fields. Yet, many research labs already generate "medium sized", low velocity, multi-dimensional data that could greatly benefit from implementing similar systems. In this article, we provide a conceptual overview explaining how databases function and the advantages they provide in tissue engineering applications. Structural fibroblast data from individuals with a lamin A/C mutation was used to illustrate examples within a specific experimental context. Examples include visualizing multidimensional data, linking tables in a relational database structure, mapping a semi-automated data pipeline to convert raw data into structured formats, and explaining the underlying syntax of a query. Outcomes from analyzing the data were used to create plots of various arrangements and significance was demonstrated in cell organization in aligned environments between the positive control of Hutchinson-Gilford progeria, a well-known laminopathy, and all other experimental groups. In comparison to spreadsheets, database methods were enormously time efficient, simple to use once set up, allowed for immediate access of original file locations, and increased data rigor. In response to the National Institutes of Health (NIH) emphasis on experimental rigor, it is likely that many scientific fields will eventually adopt databases as common practice due to their strong capability to effectively organize complex data.

Many researchers generate "medium-sized", low-velocity, and multi-dimensional data, which can be managed more efficiently with databases rather than spreadsheets. Here we provide a conceptual overview of databases including visualizing multi-dimensional data, linking tables in relational database structures, mapping semi-automated data pipelines, and using the database to elucidate data meaning.

Bancos de dados para gerenciar eficientemente dados multidimensionais de médio porte, baixa velocidade e multidimensional em engenharia de tecidos

Science relies on increasingly complex data sets for progress, but common data management methods such as spreadsheet programs are inadequate for the ...

Simple, Affordable, and Modular Patterning of Cells using DNA

The relative positioning of cells is a key feature of the microenvironment that organizes cell-cell interactions. To study the interactions between cells of the same or different type, micropatterning techniques have proved useful. DNA Programmed Assembly of Cells (DPAC) is a micropatterning technique that targets the adhesion of cells to a substrate or other cells using DNA hybridization. The most basic operations in DPAC begin with decorating cell membranes with lipid-modified oligonucleotides, then flowing them over a substrate that has been patterned with complementary DNA sequences. Cells adhere selectively to the substrate only where they find a complementary DNA sequence. Non-adherent cells are washed away, revealing a pattern of adherent cells. Additional operations include further rounds of cell-substrate or cell-cell adhesion, as well as transferring the patterns formed by DPAC to an embedding hydrogel for long-term culture. Previously, methods for patterning oligonucleotides on surfaces and decorating cells with DNA sequences required specialized equipment and custom DNA synthesis, respectively. We report an updated version of the protocol, utilizing an inexpensive benchtop photolithography setup and commercially available cholesterol modified oligonucleotides (CMOs) deployed using a modular format. CMO-labeled cells adhere with high efficiency to DNA-patterned substrates. This approach can be used to pattern multiple cell types at once with high precision and to create arrays of microtissues embedded within an extracellular matrix. Advantages of this method include its high resolution, ability to embed cells into a three-dimensional microenvironment without disrupting the micropattern, and flexibility in patterning any cell type.

Here we present a protocol to micropattern cells at single-cell resolution using DNA-programmed adhesion. This protocol uses a benchtop photolithography platform to create patterns of DNA oligonucleotides on a glass slide and then labels cell membranes with commercially available complementary oligonucleotides. Hybridization of the oligos results in programmed cell adhesion.

Padronização simples, acessível e modular de células usando DNA

The relative positioning of cells is a key feature of the microenvironment that organizes cell-cell interactions. To study the interactions between cells ...

Modulating Shape of Polyester Based Polymersomes using Osmotic Pressure

Polymersomes are membrane-bound, bilayer vesicles created from amphiphilic block copolymers that can encapsulate both hydrophobic and hydrophilic payloads for drug delivery applications. Despite their promise, polymersomes are limited in application due to their spherical shape, which is not readily taken up by cells, as demonstrated by solid nanoparticle scientists. This article describes a salt-based method for increasing the aspect ratios of spherical poly(ethylene glycol) (PEG)- based polymersomes. This method can elongate polymersomes and ultimately control their final shape by adding sodium chloride in post-formation dialysis. Salt concentration can be varied, as described in this method, based on the hydrophobicity of the block copolymer being used as the base for the polymersome and the target shape. Elongated nanoparticles have the potential to better target the endothelium in larger diameter blood vessels, like veins, where margination is observed. This protocol can expand therapeutic nanoparticle applications by utilizing elongation techniques in tandem with the dual-loading, long-circulating benefits of polymersomes.

Polymersomes are self-assembled polymeric vesicles that are formed in spherical shapes to minimize Gibb's Free Energy. In the case of drug delivery, more elongated structures are beneficial. This protocol establishes methods to create more rod-like polymersomes, with elongated aspect ratios, using salt to induce osmotic pressure and reduce internal vesicle volumes.

Forma modulada de poliéster baseado em polimeroses usando pressão osmótica

Polymersomes are membrane-bound, bilayer vesicles created from amphiphilic block copolymers that can encapsulate both hydrophobic and hydrophilic payloads ...