Întrebări
SNPper oferă mai multe moduri diferite de recuperare a SNP-urilor, reflectând diferitele scopuri în care pot fi utilizate SNP-urile. În cel mai simplu caz, SNP-urile pot fi recuperate prin specificarea unuia sau mai multor identificatori rs sau ss, dacă sunt cunoscuți. O altă interogare obișnuită permite recuperarea unui set de SNP-uri contigue aparținând unei regiuni specifice a unui cromozom, specificate fie printr-un interval de poziții absolute, fie prin denumirea unei benzi citogenetice. Pentru a sprijini studiile orientate spre gene, SNPper poate genera setul de SNP pe sau în jurul unei gene (până la o distanță maximă specificată de utilizator) sau un set de gene. Genele pot fi specificate folosind numele lor HUGO sau prin intermediul identificatorilor Genbank, Locuslink, OMIM sau Unigene. La rândul său, un set de gene de interes poate fi specificat în funcție de poziție (de exemplu, toate genele dintr-o regiune cromozomială) sau prin intermediul unei clase GeneOntology. Această ultimă caracteristică face posibilă studierea seturilor de SNP-uri care sunt potențial asociate cu un proces biologic de interes, mai degrabă decât să fie legate prin poziție.
În toate cazurile, rezultatul unei interogări este un SNPset, o structură de date care conține o colecție de SNP-uri. Există diferite tipuri de SNPset, în funcție de tipul de interogare care le-a produs, și sunt definite diferite operații asupra acestora. De exemplu, pentru un SNPset care conține SNP-uri contigue, este logic să se măsoare densitatea SNP-urilor, iar SNPper oferă o funcție de reducere a numărului de SNP-uri pe care le conține, menținând în același timp o spațiere uniformă. Pentru un SNPset generat dintr-un set de gene, această operațiune nu ar avea sens (deoarece SNP-urile pot fi răspândite pe diferiți cromozomi) și, prin urmare, nu este disponibilă. În general, un SNPset reprezintă un set de SNP-uri care a fost produs de o singură interogare și care poate fi manipulat și analizat ca un întreg. SNPset-urile sunt vizibile doar pentru utilizatorul care le-a generat și sunt structuri de date persistente: sunt stocate în server atâta timp cât sunt utilizate și sunt eliminate automat după ce a trecut o perioadă suficientă de timp de când au fost accesate ultima dată. Utilizatorul poate alege, de asemenea, să salveze un SNPset, caz în care acesta va fi disponibil în sesiunile viitoare.
Vizualizare SNP
SNPper oferă mai multe modalități de afișare a SNP-urilor prin interfața sa web. Pentru început, fiecare SNP este descris individual într-o pagină care afișează date generale (identificatori SNP, poziție, alele, stare de validare), lista celor care l-au prezentat, lista genelor din care face parte, frecvența sa în diferite populații (constând în mărimea eșantionului și frecvența alelelor majore și minore), dacă este disponibilă, și lista domeniilor proteice în care se încadrează SNP-ul, dacă este cazul. SNP-urile care aparțin unei gene pot fi afișate în contextul secvenței ADN corespunzătoare sau (pentru SNP-urile codificatoare) al secvenței de aminoacizi. În ambele cazuri, poziția SNP este evidențiată și o fereastră pop-up este utilizată pentru a afișa informații despre aceasta (nume, poziție, alele). Figura 1 prezintă o secvență genetică adnotată care conține SNP-uri, iar figura 2 prezintă pagina cu informații detaliate despre unul dintre SNP-urile din această secvență.
O secvență genetică adnotată care conține SNP-uri. Este prezentată o porțiune din secvența pentru gena F13B (pe cromozomul 1). Zonele negre reprezintă exoni, în timp ce intronii sunt în gri. Pozițiile nucleotidelor din stânga sunt în raport cu ansamblul genomului uman furnizat de Goldenpath. SNP-urile sunt indicate prin nucleotide subliniate cu bold, iar identificatorul dbSNP al acestora apare în dreapta secvenței. O fereastră pop-up afișează informații suplimentare despre SNP-uri individuale: în acest exemplu, SNP rs6003 este prezentat ca fiind un SNP de codificare validat, nesinonimic.
Pagina cu informații detaliate pentru un SNP individual. Pagina este împărțită în cinci secțiuni. Prima conține informații generale despre SNP, inclusiv identificatorul său, alelele sale și poziția sa în gena (sau genele) de care aparține. A doua parte descrie domeniile proteice din care face parte acest SNP, conform SWISS-PROT. Următoarea secțiune enumeră toate transmiterile pentru acest SNP și furnizează identificatorul de transmitere dbSNP, numele celui care a transmis datele și identificatorul privat al SNP. Secțiunea „Tools” (Instrumente) conține linkuri către diverse programe de proiectare a amorselor PCR și către o facilitate de export al datelor prezentate în această pagină în format XML. În cele din urmă, este afișată secvența de flancare pentru acest SNP, până la un maxim de 10.000 de nucleotide.
SNPsets sunt afișate cu ajutorul unor tabele care enumeră numele fiecărui SNP, poziția sa, alelele sale și alte informații care depind de tipul specific de SNPset. Seturile SNPset care conțin un număr mare de SNP-uri sunt afișate opțional într-o formă prescurtată din motive de performanță. Tabelul conține, de asemenea, linkuri pentru a executa diferitele comenzi disponibile pentru un SNPset, cum ar fi salvarea, exportul (a se vedea secțiunea următoare) și rafinarea acestuia. Operațiunea de rafinare a setului de SNP, în special, permite utilizatorului să „filtreze” SNP-urile pe care le conține în funcție de mai multe criterii diferite: proprietăți generale (de exemplu, validarea), poziția față de o genă (de exemplu, pentru a selecta numai SNP-uri exonice sau SNP-uri promotoare), frecvența sau heterozigozitatea, solicitanții (pentru a selecta numai SNP-uri de la solicitanții specificați sau cu un număr minim de solicitanți distincți) sau distanța medie (pentru a reduce numărul de SNP-uri, menținând în același timp o spațiere uniformă). În toate cazurile, rezultatul este ascunderea acelor SNP-uri care nu îndeplinesc criteriile utilizatorului: deși fac încă parte din SNPset, aceste SNP-uri nu mai sunt vizibile și nu vor fi luate în considerare în nicio operațiune de analiză, de afișare sau de export.
În cele din urmă, figura 3 prezintă ieșirea unui applet Java care poate fi utilizat pentru a afișa SNPset-urile în formă grafică. Structura genei este prezentată cu ajutorul unor bare de diferite culori și grosimi; SNP-urile sunt identificate prin pătrate (dacă sunt disponibile informații privind frecvența) sau cercuri (în caz contrar), și sunt colorate în verde dacă sunt validate, în negru în caz contrar. Applet-ul oferă comenzi pentru a derula afișajul la stânga sau la dreapta și pentru a mări sau micșora afișajul.
Reprezentare grafică a unei gene cu SNP-urile pe care le conține. Imaginea prezintă rezultatul unui applet Java care afișează structura genei (exonii sunt în albastru, intronii în gri) și toate SNP-urile din aceeași regiune (reprezentate prin puncte sau pătrate). Utilizatorul poate să deruleze sau să mărească imaginea cu ajutorul butoanelor furnizate sau să o recentreze făcând clic pe partea de sus a imaginii. Dacă se face clic pe un SNP, se deschide o fereastră pop-up care conține informații despre acesta.
Exportul de date
Unul dintre cele mai importante obiective de proiectare ale SNPper este acela de a oferi modalități ușoare de a exporta datele SNP într-o varietate de formate comune. Pagina de export SNPset, prezentată în figura 4, permite utilizatorului să aleagă orice număr de câmpuri din adnotările disponibile (inclusiv secvențe flancate, informații privind frecvența, starea de validare, modificarea aminoacizilor) și să specifice formatul de ieșire dorit (XML, text delimitat prin tabulare, HTML sau BED) și destinația (datele pot fi afișate în fereastra browserului sau trimise prin e-mail la o adresă furnizată de utilizator). XML devine treptat un format standard pentru schimbul de date în aplicațiile biomedicale și este furnizat în SNPper pentru a sprijini interoperabilitatea cu alte programe. Textul delimitat prin tabulare reprezintă cel mai simplu format structurat de date și, prin urmare, este acceptat de majoritatea aplicațiilor, cum ar fi foile de calcul sau programele de proiectare a amorselor PCR. Ieșirea HTML permite utilizatorilor să afișeze datele pe un alt site web, de exemplu pentru a furniza informații suplimentare pentru o publicație. În cele din urmă, formatul BED este utilizat pentru a exploata caracteristica „track-uri personalizate” a Goldenpath: fișierul rezultat poate fi încărcat pe site-ul Goldenpath, iar datele SNPset vor fi afișate de către browserul genomului în fereastra de afișare a track-urilor acestuia.
Pagina de export SNPset. Prima parte a formularului permite utilizatorului să selecteze setul de adnotări care urmează să fie exportat, dintre cele oferite de SNPper. Se pot selecta toate combinațiile de adnotări, deși unele câmpuri sunt aplicabile doar unui subset din toate SNP-urile (de exemplu, Amino acid change), iar unele câmpuri pot conține mai multe valori (de exemplu, Gene). A doua secțiune este utilizată pentru a determina formatul datelor exportate și destinația acestora. Utilizatorul poate alege între a exporta datele sub forma unui tabel HTML, a unui fișier text delimitat prin tabulare, a unui document XML sau a unui fișier BED. Această ultimă opțiune este utilizată pentru a încărca datele exportate în browserul de genom Goldenpath, sub forma unei piste personalizate. În cele din urmă, utilizatorul poate alege să afișeze fișierul rezultat în fereastra browserului sau să îl trimită prin e-mail la o adresă specificată.
SNPper oferă, de asemenea, o metodă alternativă pentru recuperarea informațiilor SNP în format XML. Sistemul nostru implementează o interfață Remote Procedure Call (RPC), care permite altor programe să trimită cereri HTTP ad-hoc și să primească ca răspuns un document XML mai degrabă decât o pagină HTML . Această caracteristică este menită să sporească valoarea și utilitatea bazei de date SNPper, permițând construirea unor sisteme alternative care utilizează interfețe de utilizator diferite pe baza acelorași date de bază
Comparare cu alte resurse SNP
Există mai multe alte baze de date SNP publice, fiecare cu propriile sale puncte forte și limitări. În această secțiune le trecem pe scurt în revistă pe cele mai importante, subliniind trăsăturile lor caracteristice și comparându-le cu ceea ce oferă SNPper.
Baza de date HGVBASE este axată pe o curatorie și o adnotare manuală foarte precisă a datelor SNP disponibile . Prin urmare, este mai mică decât dbSNP ca mărime, dar datele sale sunt extrem de utile pentru cercetătorii interesați să exploreze componenta genetică a variației fenotipice umane. Oferă adnotări extinse pentru SNP-urile sale și mai multe opțiuni de căutare, inclusiv posibilitatea de a căuta SNP-uri într-o secvență genomică furnizată de utilizator, care este aliniată automat la genomul uman.
ALFRED și JSNPs sunt două baze de date SNP mai mici care au ca scop furnizarea de informații precise privind frecvența. JSNPs se concentrează pe populația japoneză, în timp ce ALFRED furnizează date despre un număr mare de populații foarte diverse din întreaga lume pentru a spori diferențele de frecvență și pentru a facilita studiul haplotipurilor . Ambele site-uri oferă un număr relativ mic de SNP-uri, dar datele de frecvență pe care le oferă pentru acestea sunt extrem de importante. JSNPs oferă un browser grafic util pentru cromozomi și posibilitatea de a afișa urmele secvențiatorului pentru SNPS-urile sale. Pe de altă parte, funcțiile de export de date sunt oarecum limitate în ambele sisteme.
Site-ul GeneSNPs integrează date despre gene, secvențe și SNP în modele de gene foarte bine comentate. Acesta oferă funcții extinse de vizualizare și export de date, inclusiv o modalitate de afișare a SNP-urilor în cadrul secvenței genomice a genei căreia îi aparțin, similară celei disponibile în SNPper. În comparație cu SNPper, principala sa limitare este că nu conține SNP decât pe un număr mic de gene legate de susceptibilitatea la expunerea la mediul înconjurător.
EnsMart este un instrument foarte cuprinzător de minerit de date pentru a extrage date din baza de date Ensembl. Ensembl este de departe cea mai exhaustivă și mai sofisticată bază de date dintre toate cele descrise aici. Oferă aproximativ același set de elemente de date privind SNP-urile ca și SNPper, principala diferență fiind aceea că utilizează propria bază de date de gene, în loc să fie legată de Goldenpath. Deși interfața sa este foarte puternică și eficientă, nu este adaptată în mod specific pentru nevoile cercetării bazate pe SNP; de exemplu, nu oferă modalități de a genera seturi de SNP-uri având o spațiere medie dorită, așa cum este în schimb posibil cu SNPper.
Caracteristicile care sunt unice pentru SNPper sunt legate în principal de gestionarea seturilor de SNP-uri și de caracteristicile sale de interoperabilitate. SNPper este singura resursă care oferă utilizatorilor posibilitatea de a manipula, rafina, salva și exporta SNPsets ca un întreg și de a permite crearea de seturi de SNPs prin interogări complexe (cum ar fi cea care utilizează clasele GeneOntology descrise în secțiunea 4.a). De asemenea, după cunoștințele noastre, SNPper este singura resursă SNP care oferă acces complet la baza sa de date sub formă de fișiere XML care pot fi citite de mașini prin intermediul unei interfețe Remote Procedure Call și care permite utilizatorului să încarce un set de SNP-uri private în baza sa de date și să le analizeze sau să le afișeze prin intermediul interfeței sale standard.
.