GermOnline 4.0是生殖系发育、减数分裂和有丝分裂细胞周期的基因组网关

摘要

GermOnline 4.0是一个跨物种数据库门户，专注于与生殖系发育、减数分裂细胞周期和健康细胞与恶性细胞有丝分裂相关的高通量表达数据。因此，它是生命科学家以及对基因表达和调控网络感兴趣的临床医生的信息来源。GermOnline网关提供了对高密度寡核苷酸微阵列（3′-UTR GeneChips）、全基因组蛋白质-DNA结合分析和集成基因组注释背景下蛋白质-蛋白质相互作用研究所产生信息的无限访问。用于产生高通量表达数据和进行全基因组研究的样本体内DNA结合分析通过符合MIAME的多组学信息管理和注释系统（MIMAS 3.0）进行注释。此外酵母菌属基因组查看器（SGV）已开发并集成到网关中。SGV是一种可视化工具，可输出基因组注释和DNA链特异性表达数据，这些数据由高密度寡核苷酸拼接微阵列（Sc_tlg GeneChips）生成，涵盖两条DNA链上的完整芽殖酵母基因组。它有助于解释在不同生长和分化条件下培养的各种细胞类型的表达水平和转录结构。

数据库URL:www.germonline.org/

背景

大约15年来，人们一直使用微阵列来测量RNA浓度和蛋白质与DNA的相互作用(1–3)和公共认证存储库ArrayExpress（EBI）(4)、基因表达综合（NCBI）(5)、和CIBEX(6)注释、存档和传播这些高吞吐量数据集。此类存储库对于数据存储和元分析至关重要，其中高通量实验的输出用于不同的目的，而不是激发其初始生产。最近，基因表达图谱等解决方案(7)或基因研究者(8)已经开发出来，可以通过涵盖许多物种的大量实验在线访问特定基因的表达数据。这些来源虽然极其有用且技术复杂，但无法提供易于访问的示例注释数据，这对于深入了解某个领域中重要的实验细节很重要。此外，使用它们比较物种间同源基因的结果是一项繁琐的工作，而且它们无法显示高密度寡核苷酸拼接微阵列产生的转录水平和结构信息，该微阵列包含覆盖给定物种整个基因组的重叠探针(9,10).

为了帮助在不同物种的有性生殖和有丝分裂细胞周期相关的高密度寡核苷酸微阵列（GeneChip）表达数据的背景下对基因进行权威描述，我们最初开发了一个用于社区注释的精细提交和管理系统(11–13). 该系统随后被基于MediaWiki的更简单方法所取代，MediaWikia是维基百科的数据库系统，是最流行的全球知识库(14,15).

这里我们描述了GermOnline 4.0，它是一个用于手动管理与生殖系发育以及减数分裂和有丝分裂细胞周期相关的高通量数据的网关。这里报告的信息来源对发育生物学和生殖领域的基础和应用研究人员以及从事不孕症和恶性肿瘤研究的生物医学研究人员和临床医生都很感兴趣。我们还解决了与生物信息学领域相关的问题，该领域侧重于高通量数据处理和传播以及知识库开发。根据我们过去几年的经验，我们决定不再向GermOnlineWiki征集任何进一步的贡献，因为它的概念没有被社区所接受。因此，当前版本完全致力于显示高质量的表达数据、蛋白质-DNA结合数据和蛋白质-蛋白质相互作用数据，这些数据是根据其与GermOnline门户网站涵盖的生物医学主题的相关性而选择的。使用我们最新发布的Multiomics Information Management and Annotation System（MIMAS 3.0）对示例进行了详细描述(16). 重要的是，GermanOnline 4.0还包括这部小说酵母菌属Genomics Viewer（SGV）是一种在线工具，用于解释复杂的拼接阵列数据集，该数据集可在多种不同实验条件下产生有关芽殖酵母转录水平和RNA结构的全基因组信息。

结构和内容

表1总结了数据库中当前物种可用的不同类型的信息和数据。我们计划在发布时纳入更多相关数据。GermOnline 3.0及更高版本是使用Ensembl基因组注释项目的应用程序编程接口（API）和基础web代码版本50构建的(17). MySQL数据库模型基于Ensembl和MIMAS(16). 基因组序列和注释数据从Ensembl版本50导入(网址：www.ensembl.org;智人,黑猩猩,猕猴,肌肉,褐家鼠,黑腹果蝇,秀丽隐杆线虫)，TAIR版本8(网址：www.arabidopsis.org;拟南芥)和GenBank S.pombe Sanger建造1(www.ncbi.nlm.nih.gov/genbank;葡萄裂殖酵母). 对于GermOnline 4.0，从BioGRID检索蛋白质-蛋白质相互作用和遗传相互作用的数据(18)和IntAct(19). 根据Ensembl和Orthologous Matrix项目（OMA，网址：www.cbrg.ethz.ch/oma)(20–22)；来自这些来源的信息每周自动更新一次。Ensembl提供了高密度寡核苷酸微阵列探针映射信息，但以下情况除外酿酒酵母和拟南芥其中高基因密度导致Ensembl中的错误映射输出。在这些情况下，阵列探针使用Exonerate程序根据其序列进行映射(23).

数据库导航和数据检索所需的图形用户界面和基本程序已在早期出版物中描述(14). 较小的更改包括一个简化的欢迎页面，该页面由一个菜单组成，用于选择一个物种（有微阵列数据的物种以粗体显示）和一个用于位点查询的搜索字段。通过实施EBI的BioMart，可以对各种表达谱或功能基因组学研究中定义的基因组进行高级搜索(24). 还提供了可下载的用户指南和详细的帮助文件（包括教程视频）。此外，我们定期更新“关于”和“新闻”页面，以帮助用户使用数据库，并提醒他们新条目或更新条目。

GermOnline报告页面由两部分组成。“基因”部分涵盖了基因（注释和染色体定位）及其启动子（全基因组）的基本信息和有用链接体内DNA结合分析）、系统发育信息（包括与数据库所涵盖物种的直系亲属的直接联系）和蛋白质相互作用数据。“转录”部分包括高密度寡核苷酸微阵列（GeneChip）表达数据、基因本体注释和蛋白质域信息。

基因组注释和正交预测

GermOnline 4.0包括可通过Ensembl项目获得测序和注释基因组的物种，该项目提供了有关蛋白质编码基因定位和结构的信息，但不提供蛋白质编码基因表达的信息(17). 模型生物是根据其在有性繁殖领域对研究人员的重要性特别挑选的，重点是人类病理学，包括男性和女性不育和体细胞癌。4.0版包括智人，两只非人类灵长类动物(P.三角石,恒河猴)，两只啮齿动物(小M,褐鼠)，一条鱼(斑马鱼)，两种无脊椎动物(秀丽线虫,D.黑腹果蝇)，一株植物(拟南芥)和两种真菌(S.pombe公司,酿酒酵母). 报告页面中的一个有用功能（“正交预测”）允许用户通过正交链接访问数据库中表示的不同物种的相应表达数据。我们使用序列保守性数据将报告页面相互链接，这样用户就可以在一次鼠标点击中从一个基因座（及其表达数据）移动到其（最可能的）正交基因座。对于希望研究保守蛋白编码基因在种系和不同物种的各种体细胞组织中表现出相似表达模式的程度的科学家来说，这种功能至关重要(25).

3′-UTR基因芯片表达数据

请注意，GermOnline不是阵列数据存储库。数据是在逐个基因的基础上进行跨实验查看的。然而，我们确实尽可能通过EBI的ArrayExpress和NCBI的GEO直接链接到可用的原始数据。我们定期包含由社区成员提供或从国际存储库下载的新数据集。最近的补充包括使用包含所有已知人类蛋白编码基因探针的U133 a基因芯片对正常和恶性细胞中的人类有丝分裂细胞周期进行的研究(26).

这个酵母菌属基因组查看器

芽殖酵母是第一个具有涵盖不同细胞类型和生长分化条件的复杂数据集的有机体。Sc_tlg拼接阵列不仅提供RNA表达水平的信息，还提供转录起始和终止位点、外显子组成和反义转录物的信息(9,10,27). 我们发现用于处理3′-UTR基因芯片数据的方法不适合显示平铺微阵列的输出。因此，我们开发了一种新的解决方案酵母菌属基因组查看器（SGV），使用户能够解释用高密度寡核苷酸（Sc_tlg）拼接微阵列生成的全基因组和DNA链特异性表达数据。来自三个不同项目的信息(10,27,28)可以在线查看，个人查询的数据可以下载为pdf格式的预计算图像。

用户可以选择不同的查询术语，包括标准和系统基因名称、酿酒酵母基因组数据库（SGD）标识符、非编码转录物名称[隐秘不稳定转录物（CUTs）、稳定未命名转录物（SUTs）和减数分裂未命名转录体（MUTs）]染色体或转录物（片段）坐标，或自主复制序列（ARS）元件的标识号。报告页面显示了覆盖10个基因组区域的图像 000个碱基对。表达数据由二倍体样本的单核苷酸探针水平的假彩色热图表示材料一/进行发酵（YPD培养基）、呼吸（YPA）、产孢（SPII 1-12）的α细胞 h） ，二倍体材料处于饥饿状态的α/α细胞（SPII 6，10 h） 以及同步单倍体材料一细胞通过有丝分裂进行(27)和发酵材料一RRP6型野生型与rrp6型突变细胞(10). 中所示的示例图1a说明了有丝分裂生长和减数分裂发育期间芽殖酵母转录组的复杂性，以及高分辨率分析如何将先前的结果置于不同的角度：镀锌10用经典分子生物学方法检测时，似乎是在减数分裂发育过程中诱导的(29)含有针对该位点3′-区探针的Ye6100基因芯片似乎证实了减数分裂诱导(图1b和c）(30). 然而，事实证明，细胞内存在一个内部双向减数分裂启动子镀锌10该位点介导不同ncRNAs（SUT013和一个转录本的表达，因为它与镀锌10在孢子形成期间高度诱导。结论是减数分裂细胞中不存在功能性mRNA，因此也不存在Gal10蛋白，这与发现加仑10突变体无产孢表型(29).

表达式数据显示在酿酒酵母的基因组注释（来自SGD的saccharomyces_cerevisiae.gff文件）。用户可以通过单击分别指向相邻上游或下游区域的箭头来连续检查全基因组数据。每个数据集的高分辨率图像都可以下载。

全基因组蛋白-DNA结合数据

数据库的4.0版提供了芯片染色质免疫沉淀（ChIP-ChIP）与配子发生相关的数据。这一点很重要，因为ChIP-ChIP技术揭示了全基因组蛋白质-DNA相互作用模式，因此理想地补充了表达数据，特别是在比较野生型和转录因子突变细胞的分析研究中。mRNA图谱和体内因此，DNA结合揭示了已知潜在转录调控因子的直接靶基因。版本4.0包括一项研究，该研究确定了Abf1的酵母目标启动子，Abf1是有丝分裂和减数分裂功能所需的一种通用DNA结合调节器(31)以及在酵母营养生长和减数分裂发育期间控制中间减数分裂基因表达的Sum1阻遏物和Ndt80激活物的研究(32). 此外，我们还包括一个与大规模研究分析中的减数分裂和配子发生相关的选定转录因子的图形显示体内转录因子的结合谱(33). 请注意，数据是通过包含斑点PCR片段的微阵列获得的，这些片段覆盖了所有已知的酵母基因间区域和开放阅读框。数据以log2比例显示，并带有完整参考、数据存储库链接和相应的PubMed条目。为了便于解释体内结合数据显示为结合DNA片段的折叠富集，也显示了上游和下游片段获得的相应数据；互补表达数据可通过报告页面中的微阵列数据部分获得。中所示的示例图2对于CDC3（编码芽颈丝，a部分）说明了DNA结合数据（b和c部分）和表达数据（d部分）的组合显示值：CDC3，它绑定到CDC3上游地区体内这解释了为什么一株缺乏全功能Abf1的菌株在胞质分裂和出芽方面表现出与cdc3突变细胞[有关更多详细信息，请参阅参考文献(31)].

最后，我们整合了Harbison发布的调控基序预测数据等. (33). 图案可通过位于“文字”部分的图形显示中的“功能”弹出菜单获得。

蛋白质相互作用与网络信息

只要可用，蛋白质网络信息被组织为三类，包括九类：遗传（剂量致死性、表型增强、合成致死性）、，体内（亲和捕获-MS、亲和捕获-西部、共纯化、双杂交）和体外（生物化学活性，重组复合物）。用户可以单独选择每个类别，也可以选择一次显示所有交互的选项。这种方法使显示屏简单易读(图3). 对于每个相互作用的因子，将显示基因名称和注释信息以及参考，包括指向相应PubMed条目的超链接。基因名称与GermOnline中相应的报告页面进行超链接。交互数据由BioGRID提供(18)和IntAct(19)资源。

用户访问和社区注释

该数据库的第一个版本从2001年起已在线发布，作为有丝分裂和减数分裂酵母表达数据的网络补充(30,34). 第二次发布包括酵母以外的其他物种以及提交和管理系统于2003年可用(11–13). 自2007年1月第三版发布以来(14)，我们一直在使用AWStats(http://sourceforge.net/projects/awstats/)这是一个免费的工具，可生成高级web服务器统计信息以监控GermOnline访问。针对计算机程序或特殊超文本传输协议状态代码生成的点击，对数据进行纠正。2007年至2009年34 447名独特访客进行了56次 006次访问咨询686 413页。与此同时，我们在GermanOnlineWiki上监测了两年的网络流量，检测到9607名独立访问者 701次访问。在此期间，没有修改任何可用的wiki页面，也没有建立其他页面。我们的结论是，虽然现有的维基条目受到关注，但社区成员不愿意编辑和更新它们，更不用说创建新条目了。

实用程序和讨论

GermOnline 4.0是关于与有丝分裂和减数分裂细胞周期以及选定物种的生殖系发育相关的蛋白编码基因表达的综合在线信息源。该数据库门户现在还提供酵母蛋白编码和非编码转录物的DNA链特异拼接阵列表达数据，以及来自酵母蛋白-DNA结合和蛋白-蛋白质相互作用研究的信息。这为将来整合哺乳动物样本实验中的类似数据集奠定了基础。

生物化过程

社区注释被吹捧为使科学知识库条目更加完整和准确的有效方法(15). 为了为有性生殖领域的研究人员提供适当的基础设施，我们最初设想了一个基于受控注释词汇和类似同行评审的方法的系统(13). 这是可行的，但最终是不可持续的，因为注释程序过于复杂，大多数贡献涉及一个以上的提交和管理周期，这进一步增加了制作质量可接受的条目所需的工作量（和成本）。因此，我们转向了一种基于Wiki概念的更简单方法，外部用户使用自由文本和单步注册程序建立和编辑条目，而无需编辑委员会进行任何审查(14). 然而，该社区未能接受WikiGenes原则上也使用的概念(35)，维基蛋白质类(36)和GeneWiki，维基百科内的一个门户网站，旨在描述所有人类基因(37). 这些项目和我们自己的项目一样，都有一个共同的问题：编写数据库条目通常不被视为生命科学家生产力的标志，通常也无助于获得晋升或获得资金。因此，任何建立有意义和可持续的社区注释的努力都可能需要新的公约来制作和传播科学数据(38–40). 我们注意到，最近对50位发表基因或蛋白质数据的生物学家的调查表明，生物验证器和直观注释工具的主动请求以及简明的指南将激励他们参与基因组注释(41). 调查还表明，通常激励生命科学家进行研究的社会经济因素在这一决定中并不起主要作用。虽然我们尚未对用户和贡献者的动机（或缺乏动机）进行正式调查，但我们多年的经验似乎并不同意这一观点。然而，可以想象的是，项目的感知影响、重要性和可持续性可能在激励潜在社区生物净化者的各种考虑因素中发挥重要作用。无论如何，我们的经验表明，一个旨在为特定生物过程构建wiki的项目可能会遇到困难，无论提供给哪种类型的界面研究人员。

GermOnline门户的未来工作

在基因组生物数据生产层面以及生物信息学领域内，跟上快速技术发展的步伐是一个令人头疼的问题。为了最大限度地降低为用户提供经典和新兴技术输出所需的成本和工作量，我们决定采取两方面的策略。我们将维护基于Ensembl 50版和MIMAS 3.0的GermOnline的当前版本，这样即使这种微阵列技术（但不是用它们生成的数据）过时，经典的3′-UTR基因芯片数据仍然可用。与此同时，我们正在开发定制的解决方案，例如基于新颖和新兴研究工具的工作用SGV。

我们自己的实验室和其他实验室目前正在使用三种主要方法来研究转录组。其中两个基于全外显子和拼接阵列，其中包含所有已知外显子的探针(42)或整个基因组(9)一个给定的有机体。第三种方法使用超高通量cDNA测序（UHTS）来确定RNA的结构和浓度（RNA-Seq）(43). 我们打算进一步开发适应每种技术的全基因组转录查看器。这可能包括从预先计算的图像移动到按需生成的显示器，这需要大量的计算资源，但具有使我们能够将单个基因与外部信息源超链接的关键优势。此外，由于蛋白质组学的最新进展可能会导致在许多条件和菌株下产生大多数蛋白质的定量表达数据（最后是在生物体如芽殖酵母的情况下），我们打算将这些数据包含到查看器中，以补充RNA信息(44).

结论

GermOnline 4.0是一个跨物种网关，专注于生殖系发育、繁殖和癌症的基因组数据。自2001年以来，我们的数据库项目一直可供社区使用。从2007年起，GermOnline以Ensembl、MIMAS和MediaWiki为基础。我们现在将该项目的任务重点放在传播复杂的高通量表达数据集上。因此，一种新的集成原型解决方案，即SGV，使生命科学家、生物医学研究人员和生物验证者能够在线处理复杂的数据集，在许多实验条件下提供有关表达水平和转录结构的信息。

基金

瑞士生物信息学研究所（至M.P.）；Biogenouest生物信息学平台；国家圣母院医学研究所，青年研究员奖学金（给A.L.）；雷恩大学1（N^o个913R310至O.C.）。开放存取费用资金：Inserm Avenir赠款（N^o个R07216NS至M.P.）。

利益冲突。未声明。

致谢

我们感谢社区成员提供他们的数据。A.L.处理了平铺阵列表达式数据并开发了SGV，A.G.开发了基于Ensembl和MIMAS的数据库和服务器，O.C.进行了数据库和基础设施维护，F.C.为平铺阵列表达式数据处理和SGV开发做出了贡献，M.P.为数据库设计做出了贡献并撰写了论文。所有作者阅读并批准了最后一篇文章。

参考文献

作者注释