SYSTOMONAS

Um eine integrierte bioinformatikplattform für einen systembiologischen Ansatz zur Biologie von Pseudomonaden in Infektion und Biotechnologie zu schaffen, wurde die Datenbank SYSTOMONAS (Systembiologie von pseudOMONAS) eingerichtet.

Neben unseren eigenen systomonas experimentellen

metabolom -, Proteom-und transkriptomdaten wurden verschiedene zusätzliche Vorhersagen zellulärer Prozesse wie genregulatorische Netzwerke gespeichert. Die Rekonstruktion von metabolischen Netzwerken in wurde durch vergleichende Genomik erreicht. Eine Breite Datenintegration wird über SOAP-Schnittstellen für die etablierten Datenbanken BRENDA, KEGG und PRODORIC realisiert. Es werden verschiedene
tools zur Analyse der gespeicherten Daten und zur Visualisierung der entsprechenden Ergebnisse bereitgestellt, die ein schnelles Verständnis von stoffwechselwegen, genomischen Anordnungen oder promotorstrukturen ermöglichen. Der Fokus von SYSTOMONAS liegt auf Pseudomonaden und insbesondere Pseudomonas aeruginosa, einem opportunistischen menschlichen Erreger. Mit dieser Datenbank möchten wir die Pseudomonas-Gemeinschaft ermutigen, zelluläre Prozesse von Interesse anhand einer integrierten systembiologiestrategie aufzuklären. Die Datenbank ist zugänglich unter

Gehe zu: MOTIVATION Traditionell wurden metabolische und genregulatorische Netzwerke getrennt analysiert. Es gibt verschiedene Werkzeuge für die metabolische netzwerkrekonstruktion [z.B. (1-3)] und für die Erzeugung von genregulatorischen Netzwerken (4), d.h. die Vorhersage der regulation bestimmter Gene durch spezifische Transkriptionsfaktoren. Es gibt jedoch immer noch nur wenige tools, die beide Netzwerke wie die Pathway Tools Omics Viewer (5) kombinieren. Diese schlechte Verbindung zwischen den beiden skizzierten Ansätzen könnte darauf zurückzuführen sein, dass die benötigten Informationen in verschiedenen

Datenbanken gespeichert sind. Informationen über transkriptionsfaktorbindungsstellen finden sich beispielsweise in RegulonDB (6) oder PRODORIC (7), während stoffwechselreaktionen oder-Wege aus anderen Datenbanken wie BRENDA (8), BioCyc (5), KEGG (9), PseudoCyc (10) und UM-BDD (11) abgerufen werden müssen. Die Kombination von wissen aus mehreren Disziplinen und datenressourcen wird unser Verständnis von zellulären Prozessen fördern und zur Vorhersage des zellulären Verhaltens in seiner Gesamtheit führen. Folglich konstruierten wir die Datenbank SYSTOMONAS, die die Grundlage für einen systembiologischen Ansatz bildet. Hier konzentrieren wir uns auf die Datenintegration für die biotechnologisch und medizinisch relevante bakteriengruppe Pseudomonaden. Gehe zu: INHALT VON Die Komplexität eines systembiologischen Ansatzes erfordert den Fokus auf einen bestimmten gut untersuchten

Organismus. Wir haben das

Gramnegative proteobacterium Pseudomonas aeruginosa gewählt. Dieser Organismus ist ein vielseitiges Bodenbakterium und ein wichtiger opportunistischer Erreger, der bei immungeschwächten Patienten eine persistente Infektion verursacht (12). Unser langfristiges Ziel ist die Entwicklung eines dynamischen Modells, das das Verhalten von P. aeruginosa während einer Infektion simuliert. Grundlage unseres Ansatzes ist SYSTOMONAS, eine umfassende Datenbank, die Daten aus allen analyseebenen wie mikroarray-und proteomikdaten, metabolitenmessungen, Sequenzdaten, genregulatorische Netzwerke und entsprechende enzymdaten enthält. Unsere Datenbank enthält Informationen zu acht verschiedenen Pseudomonas-Arten und-Stämmen, die vollständig sequenziert und funktionell kommentiert wurden. Neben der medizinisch relevanten P. aeruginosa enthält die Gattung Pseudomonas verschiedene wichtige

pflanzenpathogene und biotechnologisch sowie ökologisch interessante Arten. Unser Erster Fokus lag auf der Metabolomik. Alle aktuellen Informationen aus der Genomik, transkriptomik und Proteomik (13) werden jedoch auch in unserer Datenbank als data warehouse (14) oder dynamisch über Web services mittels SOAP interfaces (15), einem plattformunabhängigen Datenübertragungsprotokoll, gespeichert (siehe Abschnitt „Datenbanktechniken“). Neben anderen Forschungsgruppen und unseren eigenen experimentellen Ergebnissen werden weitere Daten aus wichtigen Allgemeinen Datenquellen abgerufen. Die wichtigsten externen Quellen von sind KEGG [Kyoto

Encyclopedia of Genes and Genoms (9)], Pseudomonas Genome Database v2 [PGDv2 (16)], PRODORIC [PROcaryotIC Database Of gene-Regulation (4)] und BRENDA (8). KEGG lieferte stoffwechselreaktionen, verbindungen, Glykane und pathways; PGDv2 und PRODORIC lieferten protein -, gen-Annotations -, genregulations-und genomstrukturdaten. BRENDA unterstützt kinetische und krankheitsinformationen. ENZYM (17) und BioCyc (5) sorgen für eine weitere funktionelle Charakterisierung von Proteinen. Derzeit enthält SYSTOMONAS 10 034 als Enzyme identifizierte Proteine, 195 Transkriptionsfaktor-gen-Beziehungen, 14 250 Messpunkte von drei unabhängigen metabolomexperimenten. Außerdem wurden 11 beispielhafte proteinflecken aus einem proteomexperiment eingegeben.

Transkriptome systomonas Daten werden

von PRODORIC über SOAP bereitgestellt (siehe Abschnitt „Datenbanktechniken“). Für P. aeruginosa PAO1 1509 wurden einzigartige Proteine in SYSTOMONAS als Enzyme annotiert. Die 1509 kommentierten Enzyme wurden aus KEGG (1003), PGDv2 (1017), BioCyc (493), Enzym (393) und aus unserer eigenen Anmerkung (241) gewonnen. Der entsprechende annotationsprozess wird in den folgenden Abschnitten beschrieben. Zum Vergleich: PseudoCyc enthält 738 Enzyme (version 9.6, http://v2.pseudomonas.com:1555/). Gehe zu: VERGLEICHENDE GENOMIK UND REGULATORISCHE NETZWERKVORHERSAGE Ein Vergleich eines Pseudomonas-proteins von Interesse mit anderen gut charakterisierten
Proteinen kann nützliche Einblicke in die evolution, Verteilung und Spezies spezifische Funktion liefern. Daher suchten wir nach allen abgeleiteten Proteinen der SYSTOMONAS-Datenbank für orthologische Proteine anderer Pseudomonas-Arten, um orthologische proteincluster zu erhalten. Zunächst wurde eine eingeschränkte BLAST-Analyse (18) an den Proteinsequenzen durchgeführt, gefolgt von einer paarweise globalen Ausrichtung mit Hilfe der tool-trage des

EMBOSS-Pakets (19). Die homologen proteinpaare können aus der SYSTOMONAS-proteintabelle gewonnen und als mehrfachausrichtungen visualisiert werden, die durch MUSKEL erzeugt werden [MUltiple Sequence Comparison by Log-Expectation (20)]. Ein dynamischeres und flexibleres Werkzeug zur Visualisierung mehrerer Ausrichtungen bietet Jalview (21), das auch von aus zugänglich ist. Dieses tool zeigt nicht nur mehrere Ausrichtungen an, sondern kann auch einen phylogenetischen Baum für die proteingruppe durch verschiedene algorithmen erzeugen. Der E-Wert von BLAST und die von stretcher berechnete Identität können durch Aktivierung der beiden mehrfachausrichtwerkzeuge abgerufen werden. Grafische Karten der entsprechenden genregionen können über einen hyperlink zum Brenda Genome Explorer, einem Werkzeug im BRENDA-Paket (8), abgerufen werden. BRENDA Genome Explorer visualisiert orthologische genregionen, die eine sequenzidentität von mindestens 50% in verschiedenen Organismen aufweisen. Wenn der Benutzer an der Vorhersage

von transkriptionsfaktorbindungsstellen und dem Abzug entsprechender regulonen interessiert ist, kann das tool Virtual Footprint (4) eingesetzt werden. Wir haben dieses tool an SYSTOMONAS angepasst, indem wir die Analyse von Pseudomonas-Arten einschränkten. Gehe zu: METABOLISCHE NETZWERKREKONSTRUKTION Gene und Proteine von acht Pseudomonas-Arten und-Stämmen werden von der Pseudomonas-Gemeinschaft sorgfältig kommentiert und an genomprojekten beteiligt (16). PGDv2 ist die Ressource für Die ständig aktualisierte P. aeruginosa PAO1 Genom annotation. Es bezieht sich auch auf genome annotation Websites anderer Pseudomonas Genom Projekte für die aktuellsten Informationen. Um metabolische Netzwerke zu rekonstruieren, haben wir bekannte EC-Nummern jedes Pseudomonas-proteins an seine homologen Partner übertragen. Die enzymbezeichnung von Proteinen wurde in drei Schritten bestimmt. Zunächst liefern die externen Datenbanken KEGG (9), PGDv2 (16), ENZYME (17), BioCyc (5) EC-Nummern für die Proteine.

SYSTOMONAS

Neben unseren eigenen systomonas experimentellen

Organismus. Wir haben das

Transkriptome systomonas Daten werden

omponent der Pflegekosten

website für weitere Informationen

Obwohl die Anzahl

Cox proportional-hazards modelling stratifiziert

trimethoprim Sulfamethoxazol und Antiinfektiva

Ziel war es, körperformwahrnehmungen

Bioxyn – zum Abnehmen – Bewertung – Nebenwirkungen – inhaltsstoffe – Amazon – Deutschland – comments

Gesicht trauma früh im Leben

Bioveliss Tabs – zum Abnehmen – Deutschland – Nebenwirkungen – Aktion – bestellen – comments – anwendung

ASDs sind heterogen