Riesige Datenbanken zur Genexpression und raffinierte Visualisierungstools ermöglichen es uns zu untersuchen, wo und wann ein Gen exprimiert wird. Oft können diese Informationen bei der Suche nach einem Phänotyp hilfreich sein, wenn wir bei einer Genmutante unter "normalen" Wachstumsbedingungen keinen Phänotyp sehen. Wir untersuchen verschiedene Tools für Arabidopsis-Daten (eFP Browser, ARDB, TraVA DB, Araport) sowie den Genome Data Viewer des NCBI für RNA-seq-Daten anderer Pflanzenarten. Wir untersuchen auch die MPSS-Datenbank für kleine RNAs und Abbauprodukte, um zu sehen, ob unser Beispielgen potenzielle microRNA-Ziele hat.

Die Möglichkeit, Gene nach ähnlichen Expressionsmustern in Expressionsdatensätzen mit Algorithmen wie WGCNA zu gruppieren, ist eine sehr nützliche Methode, um die Daten zu organisieren. Cluster von Genen mit ähnlichen Expressionsmustern können dann einer Gene Ontology-Term-Anreicherungsanalyse unterzogen werden (siehe Modul 5) oder daraufhin untersucht werden, ob sie Teil desselben Signalwegs sind. Noch leistungsfähiger ist die Möglichkeit, Gene mit ähnlichen Expressionsmustern zu identifizieren, ohne ein einziges Expressionsprofil-Experiment durchzuführen, indem Sie Genexpressionsdatenbanken durchsuchen! Es gibt mehrere Tools, mit denen Sie dies für viele Pflanzenarten tun können, indem Sie einfach einen Gen-Identifikator für die Abfrage eingeben. Die zurückgegebenen Gene sind häufig an demselben biologischen Prozess beteiligt wie das abgefragte Gen, so dass dieses Paradigma der "Schuldzuweisung" ein hervorragendes Instrument für die Hypothesenbildung ist.

Die Regulierung der Genexpression ist eine der wichtigsten Methoden, mit denen eine Pflanze die Häufigkeit eines Genprodukts steuern kann (posttranslationale Modifikationen und Proteinabbau sind einige andere). Wann und wo ein Gen exprimiert wird, wird weitgehend durch das Vorhandensein von kurzen Sequenzmotiven, den so genannten Cis-Elementen, im Promotor des Gens gesteuert. Diese wiederum werden von Transkriptionsfaktoren reguliert, die vielleicht als Reaktion auf Umweltstress oder während bestimmter Entwicklungsprogramme induziert werden. Wenn wir also verstehen, welche Transkriptionsfaktoren an welche Promotoren binden können, können wir die Rolle verstehen, die die nachgeschalteten Gene in einem biologischen System spielen könnten.

Die Ergebnisse von 'omics-Experimenten sind oft große Listen von Genen, z.B. von solchen, die unterschiedlich exprimiert werden. Wir können einzelne Gene in diesen Listen mit einem "Rosinenpick"-Ansatz untersuchen, aber es ist gut, wenn wir sie automatisch analysieren können. Hier sind Tools zur Durchführung von Gene Ontology-Anreicherungsanalysen von unschätzbarem Wert und können Ihnen sagen, ob bestimmte biologische Prozesse oder molekulare Funktionen in Ihrer Genliste überrepräsentiert sind. Wir werden uns AgriGO, AmiGO, die Tools von TAIR und BAR sowie g:Profiler ansehen, mit denen Sie solche Analysen durchführen können. Eine weitere nützliche Analyse besteht darin, Ihre Genlisten (zusammen mit den zugehörigen Expressionswerten) auf Pfaddarstellungen abzubilden. Wir werden AraCyc und MapMan verwenden, um dies zu tun. Auf diese Weise können Sie leicht feststellen, ob bestimmte biosynthetische Reaktionen hochreguliert sind, was Ihnen bei der Interpretation Ihrer 'omics-Daten helfen kann!

Moleküle in der Zelle arbeiten selten isoliert. Proteine wirken zusammen, um Komplexe zu bilden, oder sind Teil von Signaltransduktionskaskaden. Transkriptionsfaktoren binden an Cis-Elemente in Promotoren oder an anderen Stellen und können die Transkription aktivieren oder unterdrücken. MicroRNAs können die Transkription auf andere Weise beeinflussen. Eines der wichtigsten Themen, das sich in den letzten zwei Jahrzehnten in der Biologie herausgebildet hat, ist das der Netzwerke. In Bezug auf Protein-Protein-Interaktionsnetzwerke sind oft Proteine, die eng mit anderen verbunden sind, entscheidend für die biologische Funktion - wenn diese "Knotenpunkte" gestört werden, sehen wir große phänotypische Auswirkungen. Die Art und Weise, wie Transkriptionsfaktoren mit nachgeschalteten Promotoren interagieren, wobei einige die Expression anderer Transkriptionsfaktoren anregen, die wiederum Gene in Kombination mit vorgeschalteten Transkriptionsfaktoren regulieren, kann einen wichtigen biologischen Effekt haben, indem sie die Art des erzielten Ergebnisses modulieren. Die in diesem Labor beschriebenen Werkzeuge können uns dabei helfen, molekulare Interaktionen in einem Netzwerkkontext zu erforschen, vielleicht mit dem Ziel, das Verhalten eines bestimmten Systems zu modellieren.