MARS: Microarray análisis, la recuperación, y el sistema de almacenamiento

Microarray análisis se ha convertido en una técnica ampliamente utilizada para el estudio de los patrones de expresión de genes-en una escala genómica [1, 2]. Oligonucleótido y cDNA arrays se han utilizado para el estudio [3] mRNA y los niveles de proteína [4], para descifrar la proteína-DNA [5], al analizar el número de copias de ADN [6], para detectar secuencias metiladas [7], y, a Analizar fenotipos de genes en células de mamíferos vivos [8]. Microarrays representan una muy complejo, de múltiples paso de la técnica de fabricación de serie, el etiquetado, la hibridación y el análisis de datos. Actualmente, la mayoría de los laboratorios están usando ya sea una muestra de la etiqueta (microarrays de Affymetrix) etiquetados o dos muestras (cDNA microarrays) de hibridaciones, pero varias solicitudes se han establecido tres colores se utilizan microarrays [9, 10]. State-of-the-art microarrays puede tener desde varios cientos hasta decenas de miles de elementos anotado por docenas de parámetros. La información sobre los detalles del banco de trabajo, por lo general, mantienen en cuadernos de laboratorio o archivos dispersos, así como información sobre el manchado, fiables de seguimiento de las manchas moléculas, la digitalización, la imagen y la configuración de la cuantificación, es importante para el análisis computacional y la reproducibilidad de los experimentos. Cada paso genera una gran cantidad de datos que abarcan decenas de megabytes, y en cada uno de ellos pueden producirse errores de los protocolos o puede ser que necesite de optimización para mejorar los resultados. Por otra parte, que este tipo de información debe ser archivado de acuerdo con normas científicas aceptadas, que permiten a los científicos compartir información común y hacer comparaciones válidas entre los experimentos. Por esta razón, la Microarray datos de expresión de genes Society (MGED) [11] se centra en el establecimiento de normas para los microarrays anotación y el intercambio de datos, facilitando la creación de bases de datos de microarrays y programas relacionados con la aplicación de estas normas. MGED está muy promoción de la distribución de alta calidad, así anotado datos dentro de la comunidad de las ciencias de la vida. Sus iniciativas - MIAME (Mínimo de Información Acerca de una Microarray Experiment) [12], MGED Ontología [13], y MAGE-ML (MicroArray Gene Expression Markup Language) [14] - maximizar el valor de los microarrays de datos al permitir mayores oportunidades para el intercambio de información Dentro de grupos científicos y, por tanto, para el descubrimiento. Estos a la larga afectará a la descripción, el análisis y la gestión de todos los datos biológicos de alto rendimiento.

La lista de genes' resultante de microarrays análisis no es el fin de un experimento de microarrays. El gran reto es el de asignar las funciones biológicas y generar nuevas hipótesis. La forma más sencilla de encontrar los genes de potencial interés biológico está a la búsqueda de datos normalizado para el altamente expresado. Además, la identificación de los patrones de expresión de genes y los genes de agrupamiento en clases de expresión puede proporcionar una mayor percepción de su relevancia biológica. A tal efecto bajo la supervisión de varios algoritmos de agrupación o sin supervisión, como las máquinas de vectores soporte (SVM), la agrupación jerárquica, k-medios, la libre organización de mapa (SOM), o el análisis de componentes principales (PCA) se encuentran en uso. La anotación de los genes o grupos de genes que se puede lograr por la cartografía a la Ontología de Genes (GO) [15] con el fin de proporcionar conocimientos sobre las funciones moleculares, procesos biológicos, y los componentes celulares [16]. Otra forma de identificar los genes de interés biológico es el mapa normalizado de datos de expresión de genes o grupos [17] para conocer las vías metabólicas de lo dispuesto por KEGG por ejemplo [18] o BioCarta [19].

Varios académicos, así como los sistemas comerciales que se dispone de la dirección por lo menos algunas de las necesidades, tales como sistemas de gestión de información de laboratorio (LIMS) [20], bases de datos de microarrays [21 - 24] y repositorios, la normalización, las agrupaciones, o vía IR o instrumentos de cartografía Plataformas de análisis de la expresión [25]. Sin embargo, la libre disposición de sistemas que integren todos los aspectos mencionados anteriormente son poco frecuentes y pueden carecer de cuestiones tan importantes como la usabilidad, escalabilidad o interfaces normalizados. Por otra parte, para tales sistemas integrados es conveniente utilizar un modelo uniforme y el estado del arte de la arquitectura de software con el fin de mejorar la configuración, mantenimiento y posterior desarrollo.

Por lo tanto, hemos desarrollado un Microarray Análisis and Retrieval System (MARS), utilizando las últimas Java 2 Platform, Enterprise Edtition (J2EE) tecnología de software. MARS ofrece módulos obligatorios para bases de datos de microarrays:

• un sistema de gestión de información de laboratorio (LIMS) para realizar un seguimiento de la información que se acumule durante el microarray producción y manipulación biomaterial

• MAGE-ML exportación de los datos para depositar a los repositorios públicos ArrayExpress por ejemplo [26], [27] GEO

Por estos componentes ya los proyectos existentes [21, 23, 26] han sido evaluados. Entre sus ventajas, así como los inconvenientes se han tenido en cuenta para el diseño de MARS. Muy utilizado conceptos se han tenido en cuenta y aceptada como estándar de las bibliotecas MAGE-STK [11] se han utilizado siempre que sea posible. Además, se ampliarse esta base sólida y añadido nuevas características que se destacan como ventajas del sistema MARS.

• una aplicación de gestión de la calidad necesaria almacenar parámetros de control de calidad indispensable para microarrays de alta calidad de datos

• servicios Web para conectar varios instrumentos bien establecidos, como la normalización, las agrupaciones y la vía de anotación aplicaciones

• las solicitudes de normalización microarrays, la expresión de genes de agrupaciones, y la vía de exploración que están estrechamente integrados en el análisis de microarray de gasoducto

• una novela, amplia, y de usuario basada en Web para la administración del sistema de gestión de los institutos, grupos, usuarios, y sus correspondientes derechos de acceso

MARS se basa en una arquitectura de tres niveles (Figura 1], utilizando la Java 2 Platform, Enterprise Edition (J2EE), que define un estándar para el desarrollo de aplicaciones empresariales de varios niveles. La plataforma J2EE simplifica el desarrollo de aplicaciones empresariales sobre la utilización normalizada, como componentes modulares Enterprise JavaBeans (EJB), Java Servlets, Java Server Pages (JSP), y de la tecnología XML.

Una base de datos relacional (Oracle o PostgreSQL) construye la Empresa de datos o sistema de información de nivel. En el medio el nivel del servidor de aplicaciones J2EE JBoss [28] se encuentra. Además, gestiona el acceso a la base de datos relacional, así como la interacción con los datos. El servidor Web, en relación con un contenedor de servlets es el responsable de la presentación de nivel. Todos los servlets y JSPs se ejecutan para permitir la entrada y salida de una aplicación para la gestión y la lógica de las aplicaciones de flujo de trabajo. Una de las ventajas de una arquitectura de múltiples niveles, es que los diferentes niveles se pueden desplegar a distintos servidores, permitiendo la distribución de carga, así como la escalabilidad.

El esquema de base de datos, la lógica de negocio, y la interfaz Web se puede subdividir en cinco grupos principales:

Una de las partes más importantes para la aceptación de una base de datos es la interfaz de datos de importación. Para permitir la importación de genéricos de formatos de archivo, hemos puesto en marcha un programa de análisis definidos por el usuario que permite leer cualquier archivo de texto delimitado por tabuladores. El usuario tiene que definir un formato de archivo de archivo de columnas donde están asignados a la base de datos los campos apropiados. MARS permite definir los formatos de archivos de importación de placas, bases de datos en bruto, transformado bases de datos, diseños y variedad.

Cualquier archivo que tiene que ser importado, vinculados entre sí, o su uso ha de ser subidos a MARS a primera. Posteriormente, estos datos pueden ser analizados por los usuarios en el escritorio de su oficina, sin tener que utilizar otro sistema de almacenamiento central. Subidos los archivos se almacenan en los servidores de archivo de sistema en el que se ha instalado MARS. Además, los enlaces a estos archivos se mantienen en la base de datos relacional para impedir la supresión de los ya importadas, vinculadas, o archivos utilizados.

La ejecución de otras aplicaciones basadas en Web y, más importante, el uso correcto y la vinculación de sus datos almacenados han sido abordados con la Aplicación de conectores de interfaz externa. Aplicaciones adicionales como controles de calidad suplementarios pueden añadirse sin ninguna codificación adicional en MARS. El MARS interfaz de usuario es dinámica, mostrando vínculos a todos los ex solicitudes registradas.

El Microarray Gene Expression Markup Language (MAGE-ML) se ha convertido en un lenguaje para describir e intercambiar información acerca de los experimentos basados en microarrays [29]. MAGE-ML se basa en XML (eXtensible Markup Language) y se puede describir microarrays diseños, la fabricación de microarrays de información, microarrays experimento de configuración y ejecución de información, la expresión de genes de datos, análisis de datos y resultados. Al utilizar el Java MAGE-STK (Mage Software Toolkit) [11] MARS es capaz de exportar muestras, extractos, extractos etiquetados, arraydesigns, archivos de datos en bruto, o de todo el hibridaciones entre ellos varios experimentos.

Con el fin de conceder acceso a los usuarios con MARS software que conocen (por ejemplo BioConductor [30] o [31] Matlab), MARS ofrece una bien definida Simple Object Access Protocol (SOAP) interfaz. XML SOAP es un protocolo de comunicación basado en la codificación y formato de la comunicación inter-aplicación. Después de las adaptaciones de menor software estas interfaces permiten la autenticación en MARS, para navegar por archivos de datos propios y compartidos, para descargar los datos brutos, para filtrar los datos, y para insertar transformado en conjuntos de datos MARS. Para aprovechar las ventajas de la Web SOAP servicio que ofrecemos una biblioteca Java MARSExplorer llamada, que permite a los desarrolladores de software para ampliar sus programas con los datos de acceso a la funcionalidad de MARS. Además, si no hay cortafuegos y está localizado entre el software de cliente y MARS, MARS la API (Application Programming Interface) se pueden utilizar para acceder a los métodos de acceso público a través de la RMI (Remote Método Invocación) interfaz.

Para evitar el acceso no autorizado de datos en un entorno multi-usuario el control de acceso de los usuarios es un criterio crucial para la aceptación de cualquier base de datos de gestión de datos de genómica funcional. Además, la definición de varios de grano fino acceso de los usuarios a los niveles que permiten visualizar, modificar o borrar los datos (por ejemplo, de expresión y de la muestra de datos, protocolos) que se basa en los derechos de usuario es obligatoria. Por lo tanto, hemos desarrollado una extensible y fácil de usar sistema de autenticación y autorización (AAS), que se basa en la misma tecnología que MARS. Además de su interfaz de gestión basada en Web, el AAS permite el uso de software que permita a las bibliotecas ya existentes y las nuevas aplicaciones de la integración de los altamente sofisticados mecanismos de autenticación y autorización. Por otra parte, el AAS proporciona un solo inicio de sesión en la que todas sus aplicaciones basadas en la web conectado. Desde este AAS también se puede usar en diversos proyectos o instituciones que se base en el software de libre acceso, MySQL, ha sido elegido como sistema de gestión de bases de datos. Si se desea, esta AAS también puede gestionar las cuentas Unix y Windows usando SAMBA [32] y LDAP (Protocolo ligero de acceso a directorios) [33]. Por ejemplo, en el Instituto de Genómica y Bioinformática todas las aplicaciones basadas en Web y cuentas de usuario son administrados por una sola instancia de la AAS.

Todas las interfaces de usuario son MARS proporcionar un aspecto coherente, y es muy intuitivo de usar. En general, la interfaz de usuario basada en Web se puede dividir en dos tipos de páginas de interacción con el usuario: El primero es un formulario de entrada, donde un usuario puede grabar los datos necesarios y opcionales de acuerdo a la norma MIAME. Los campos obligatorios están marcados en color magenta y son validados por entrada correcta. La segunda permite a una lista de todos los registros almacenados. Para mantener la información en una página simple, el usuario puede ocultar de datos innecesarios. Además, es posible que la consulta de los registros específicos (Figura 5], utilizando la herramienta de consulta MARS informe. Debido a que todas las páginas web están enlazados entre sí, permite seguir MARS realizado todos los pasos de la transformada de nuevo a los datos correspondientes bien en una placa microtiter y para visualizar los resultados de los controles de calidad. La descripción de un experimento, hibridaciones y sus archivos de datos en bruto es, por lo general el punto de partida para un análisis más detallado.

La usabilidad de MARS y de la funcionalidad de las interfaces y APIs siempre (Figura 6] se puso de manifiesto por la integración de MARS en un oleoducto de análisis de microarrays de análisis, a partir de análisis de imágenes, la normalización, la expresión de genes de agrupaciones, y, por último, la cartografía de la expresión génica de datos En las vías biológicas.

Después de introducir toda la información requerida en MARS, el primer paso es la normalización de los datos brutos obtenidos de los análisis de imágenes de software, a fin de eliminar sistemática y aleatoria de los errores inherentes en los datos. ArrayNorm [34], una aplicación para visualización, la normalización y el análisis de microarray de dos colores facilita estos datos pasos esenciales. Datos en bruto incluida la definición de las clases de experimento (biológicas) y parejas (reproducirse o tinte intercambian diapositivas) de toda experimentos puede descargar desde MARS en ArrayNorm. Después de la visualización y la aplicación de diferentes métodos de normalización como de regresión lineal, LOWESS, o auto-normalización, la transformó intensidades se pueden escribir de nuevo a MARS, en particular la historia de los métodos aplicados. El siguiente paso en el análisis de tuberías es normalmente la expresión de genes análisis de agrupamiento para extraer los patrones fundamentales inherentes a los datos y la organización de los genes con similares patrones de expresión en los grupos biológicos. Normalizados de datos de expresión génica puede ser cargada en el Génesis [35]. Génesis permite agrupar el conjunto de datos utilizando distintas mediciones de distancia y similitud diferentes algoritmos de clustering como agrupación jerárquica, k-medios, la libre organización de mapas, análisis de componentes principales, análisis de correspondencias, y las máquinas de vectores soporte. Además es posible realizar utilizó un modelo lineal para identificar los genes expresados diferencialmente y de incorporar la Ontología de Genes (GO) a la expresión de genes de ruta GO lo que se refiere a las agrupaciones. Los resultados se pueden escribir de nuevo en MARS.

Por último, el editor de La Rama [36], prevé la posibilidad de acceso a MARS y mapa de datos, ya sea en su conjunto o de los experimentos de expresión génica a determinados grupos de las vías con el fin de obtener una visión general de la expresión de genes que influyen en los cambios y de sus factores. Todas las peticiones mencionadas han integrado para conectarse a MARSExplorer MARS y de la consulta, hasta-y descargar archivos de datos.

El diseño de bases de datos, el estado del arte de la tecnología de software, interfaz de usuario bien diseñado, y su aplicación interfaces MARS hacer una potente herramienta para el almacenamiento, recuperación, y el análisis de datos de microarrays de múltiples colores. La fusión de paginas web y aplicaciones proporciona a los investigadores independientes con un conjunto único de herramientas computacionales para la genómica y transriptomic datos.

Los principales puntos fuertes de MARS son:

Fundamental para la aceptación de una base de datos son las interfaces de datos. En principio dos tipos de interfaces de datos para computadora interacciones humanas se pueden distinguir. Standalone aplicaciones permiten una mejor interacción programa-usuario al tiempo que se tiene el inconveniente de que varios o incluso versiones muy antiguas están en uso. Por otra parte, aplicaciones basadas en Web pueden ser utilizadas fácilmente en cualquier equipo, sin ningún esfuerzo de instalación y ofrecen la misma y más nueva versión a todos los usuarios con el costo de la limitación de la interacción del usuario. Para garantizar la integración de datos y la buena usabilidad hemos desarrollado el núcleo de manipulación de datos y el almacenamiento de funciones utilizando la tecnología basada en la web y para el análisis de datos que estamos utilizando aplicaciones robustas.

Excelente usabilidad no sólo cuenta para primely interfaces de datos. La capacidad para importar fácilmente los datos y la disponibilidad de interfaces de aplicación bien definidos son también cruciales. Diferentes instituciones de diverso uso, la mayoría de las aplicaciones adaptadas a la libre propiedad y diversos formatos de datos. MARS ofrece varios datos e interfaces de aplicación. Para importar datos que proporcionamos definidos por el usuario y manejable analizadores. Cuando un usuario es la carga de datos, MARS trata de buscar a un analizador basado en el formato de fichero de datos o de cabecera. Una vez que los datos se cargan y almacenan, los datos pueden ser analizados usando las aplicaciones previstas. Para los científicos que deseen analizar sus datos con otro software, MARS ofrece también un servicio de datos de la interfaz Web. Después de algunas ligeras adaptaciones, los usuarios pueden autenticarse y abajo-o cargar datos. Proporcionar una interfaz de servicios Web permite a través de su amplia difusión y la independencia de la plataforma que se ejecutará en todos los bien establecidos en los lenguajes de programación y herramientas como Matlab o BioConductor.

Existentes aplicaciones Web se puede conectar-en el uso de la EACI que permite el vínculo entre los datos proporcionados por el enchufado-en la aplicación, y los datos almacenados en MARS. Además, es posible prolongar MARS sin tener que modificar el código fuente MARS.

Con el fin de asegurar datos de alta calidad y optimizar comprender o menor valor de datos es importante ser capaz de rastrear todos los pasos de control de calidad realizado. MARS huellas varias mediciones de calidad realizadas durante los microarrays de producción, así como durante la preparación de muestras, extracción, y el proceso de hibridación. Estos controles de calidad se aplican como una nueva aplicación denominada MARS-QM, que está perfectamente integrado en MARS.

MARS permite a los usuarios compartir sus datos con otros usuarios. Suplementario para el usuario orientado a la gestión de los datos de una institución orientada hacia el nivel se ha introducido. Esta mejora permite a varios institutos para almacenar sus datos en un único repositorio de datos, sin tener que compartir los recursos comunes de configuración y como escáneres, pero que ofrecen la posibilidad de compartir los datos entre ellos.

Además de la distribución de los datos del experimento microarrays ofrecemos la posibilidad de exportar hibridaciones y experimentos usando el formato de intercambio común MAGE-ML. Esta característica facilita el fácil intercambio y publicación de alta calidad, así anotado datos dentro de la comunidad de las ciencias de la vida mediante la subida de los archivos generados a los repositorios como ArrayExpress público [26].

Desde microarray-, así como el correspondiente control de calidad de datos puede contener datos muy sensibles, hemos integrado en nuestra AAS MARS para proporcionar autenticación y autorización de los mecanismos de grano fino. La combinación de AAS y Exteriores Aplicación de conectores de interfaz proporciona a través de un solo inicio de sesión en los mecanismos y dinámica vinculación de los datos la posibilidad de montar heterogéneos aplicaciones Web a una potente suite.

Ya que la información adjunta a las moléculas está cambiando rápidamente, en la actualidad la aplicación de la posibilidad de actualizar y mejorar la información a la etiqueta una molécula. El cambio de esta información sobre el nivel de molécula ya existente puede afectar a los resultados. Con el fin de evitar tales alteraciones precaria, el usuario debería ser capaz de actualizar la información de cada molécula experimento por separado en lugar de la sustitución de la molécula inicial de la información. Además los proyectos en curso se concentran en la integración de vectores Affymetrix GeneChip MARS y en la mejora de MAGE-ML capacidad de exportación con el fin de obtener la aprobación de la anotación ArrayExpress equipo. Ambas características se pondrán a disposición del público en el siguiente lanzamiento.

En resumen, hemos desarrollado un sistema integrado que consiste en una base de datos de microarrays y un microarray de control de la calidad de bases de datos, que ha sido adaptada para servir a las necesidades específicas de los proyectos de investigación basados en microarrays. Debido a la excepcional fusión de la utilización de paginas web y aplicaciones independientes conectadas a la más reciente tecnología de servidores de aplicaciones J2EE, la bioinformática investigadores reciben los beneficios de las normas basadas en la ingeniería de software. El sistema puede proporcionar un modelo de cómo construir una plataforma similar para otras nuevas tecnologías de la genómica funcional.

• Nombre del proyecto: MARS

• Proyecto página: http://genome.tugraz.at/Software/MARS/MARS.html

• Sistema operativo: Solaris, Linux, Windows

• Lenguaje de programación: Java, HTML

• Otros requisitos: Java JDK 1.4.x, Oracle 9i, MySQL 4.0.xx, con el Servidor de al menos 1 GBytes de memoria principal

• Licencia: BIG-TUG de licencia de software

• Las restricciones a la utilización por los no académicos: no

Instalación de MARS no es complicada y debe ser manejable en pocas horas en caso necesario los derechos de acceso especialmente a Oracle y MySQL se conceden. Paso a paso, las instrucciones son proporcionados en el sitio Web de los proyectos junto con los archivos y scripts necesarios para su instalación. La instalación de referencia MARS se ejecuta en un servidor Sun Fire V880 bajo Solaris 9 usando Oracle 9i como Sistema de Gestión de Base de Datos. Se adjunta una red de área de almacenamiento (SAN) con 2 TBytes.

El ejemplo de la producción MARS contiene información de más de 1000 placas microtiter, 24 lotes gama, 232 hibridaciones, y 312 rawbioassays con alrededor de 9.170.000 datapoints.

MM, RM, y la AS diseñado e implementado en la versión actual de MARS. Ellos fueron los responsables de la base de datos de diseño, el desarrollo de la empresa, así como la presentación lógica. JH desarrollado el sistema de gestión de calidad y lo incorporó a MARS. MM y JH se que los programadores de la AAS. HH, AP, GS, y MS han participado en la elaboración de las necesidades de los usuarios el documento y ha contribuido a la concepción y diseño del sistema. ZT fue responsable de la concepción y coordinación de proyectos. Todos los autores dio la aprobación final de la versión que se publicará.