Генетическая база данных экспрессий в тканях

Совместно с Киевским Институтом Геронтологии, с кафедрой эпигенетики мы решили делать проект, направленный на научный способ сделать шаг в сторону радикального долголетия. Я приехал на экскурсию, мне показали лаборатории, после чего стартовали проект. Суть проекта - необходимо аггрегировать данные из различных генетических баз. Эти данные - -это экспрессия генов в различных тканях. Ткани брались посредством биопсии у различных пациентам (котоырх предстояло отсортировать по возрастным группам). Если по-простому, по-колхозному - суть проекта в том, чтобы найти отличия между данными пожилых и молодых людей, что позволит предположить, как мы можем замедлить старение.

https://sites.google.com/view/immortal-ingello/agi...

Проект Aging Delta нацелен на создание комплексной графовой модели изменений в биологических путях при старении, объединяя данные из ведущих баз знаний (KEGG, Reactome, WikiPathways) и реальных профилей экспрессии (GTEx). Архитектура проекта разделена на инфраструктурно-программную и биологическо-аналитическую части, предусматривающие сбор данных, их структурирование, построение графов, статистический/ML-анализ и, наконец, биологическую интерпретацию результатов. Использование методов доменно-ориентированного проектирования (DDD) помогает команде формировать единый язык (ubiquitous language) и эффективно взаимодействовать на стыке программирования, геронтологии и биоинформатики.

I.1. Общая концепция

1. Описание
   • Aging Delta — это междисциплинарный проект, ориентированный на исследование процессов старения на уровне генов, сигнальных путей и клеточных взаимодействий.
   • Проект объединяет данные из нескольких типов ресурсов:
     • Структурные базы знаний о путях (pathways) и сигнальных каскадах (KEGG, WikiPathways, Reactome), где хранится обобщённая информация о том, как взаимодействуют гены, белки и метаболиты.
     • База данных реальной экспрессии (GTEx), содержащая результаты биопсий от разных доноров, что позволяет понять, насколько активно «включён» или «выключен» каждый ген в различных тканях и при разных возрастах.
2. Цель
   • Создать интегрированную сетевую модель (граф/графы) процесса старения с учётом возрастных изменений.
   • Оценить вклад отдельных генов и путей (pathways) в развитие патологических процессов (онкология, нейродегенерация и др.) и сформулировать гипотезы о «таргетах» (конкретных генах/белках) для потенциальных вмешательств (модуляции).
3. Задачи
   • Агрегировать данные из структурных баз (KEGG, WikiPathways, Reactome) и сопоставить их с реальными данными экспрессии (GTEx).
   • Построить два или более графов (для разных возрастных групп) либо один общий граф с различными весами (силами связей) в зависимости от возраста.
   • Выполнить “фит рёбер” (определение силы взаимодействия/корреляции) на основе статистических или ML-методов (см. статью из PubMed, 37021935).
   • Анализировать полученные сети с целью выявить ключевые изменения в сигнальных путях, их потенциальный вклад в возраст-ассоциированные заболевания и определить мишени для дальнейших исследований (например, белки, которые можно модулировать химически или эпигенетически — метилированием, ацетилированием, ингибиторами и т. д.).

I.2. Терминология и язык предметной области (Domain-Driven Design)

1. Pathway (путь) — последовательность биохимических реакций или сигнальных событий (например, mTOR pathway, MAPK pathway и т. д.).
2. Ген — участок ДНК, кодирующий белок или функциональную РНК.
3. Белок (протеин) — продукт экспрессии гена, выполняющий структурные, ферментативные, регуляторные и другие функции.
4. Экспрессия гена — активность гена в клетке (определяется количеством РНК или белка).
5. Таргеты (targets) — потенциальные точки приложения, на которые могут воздействовать лекарства (например, гиперактивный белок, который нужно ингибировать).
6. Метилирование/Ацетилирование — основные эпигенетические механизмы модуляции активности генов или белков.
7. Граф — математическая модель сети взаимодействий, где узлы (nodes) — это гены/белки, а рёбра (edges) — их связи (корреляция экспрессии, прямые физические взаимодействия и т. п.).
8. Фит рёбер — процесс подбора или вычисления «веса» взаимодействия между двумя узлами, основываясь на экспериментальных данных (например, из RNA-seq).

II. Структурные базы данных и GTEx

II.1. Структурные базы (KEGG, WikiPathways, Reactome)

1. KEGG (Kyoto Encyclopedia of Genes and Genomes)
   • Ссылка
   • Содержит тщательно аннотированные карты путей, метаболизмов и информации о взаимодействиях между генами и белками.
2. WikiPathways
   • Ссылка
   • Краудсорсинговая платформа, где специалисты и энтузиасты совместно поддерживают и обновляют пути.
3. Reactome
   • Ссылка
   • База данных сигнальных путей с тщательной ручной аннотацией и ссылками на первичную литературу.

Из этих баз мы берём топологию (кто с кем связан) и общую информацию о функциональных взаимодействиях.

II.2. База GTEx (Genotype-Tissue Expression)

1. Описание
   • Ссылка
   • Содержит «сырые» данные экспрессии генов (RNA-seq) из биопсий разных доноров, а также метаданные (возраст, пол, ткань и т. д.).
2. Значимость
   • Позволяет увидеть, как реально экспрессируются гены в разных тканях и возрастах.
   • Данные нужны для «подгонки» веса связей (рёбер) в графе, а также для выявления паттернов, характерных для старения.

III. Архитектура и фазы

III.1. Разделение на две части

1. Часть A. (Домен программирования и архитектуры)
   • Сбор (возможно, с помощью скриптов и API) и очистка данных из баз.
   • Организация хранения данных (БД, файловые хранилища).
   • Реализация логики агрегации (усреднение, фильтрация, нормализация).
   • Построение графов (структура + веса рёбер) для разных возрастных групп или одного общего графа с несколькими наборами весов.
   • Визуализация сетей (JS/Canvas, D3.js или Cytoscape.js).
   • Поддержка веб-интерфейса (управляющие панели, выгрузка/загрузка результатов).
2. Часть B. (Био-химия, геронтология, статистический/ML-анализ)
   • Применение методов статистики и машинного обучения (WGCNA, дифференциальная экспрессия, ко-экспрессионный анализ).
   • Биологическая интерпретация полученных сетей: поиск ключевых модулей, генов, сигнальных путей.
   • Формирование гипотез о таргетах (какой белок при старении проявляет гиперактивность или наоборот).
   • Предложение стратегий модуляции таргета (ингибирование, активация, метилирование и т. д.).
   • Финальная проверка результатов в биологических экспериментах (in vitro, in vivo).

III.2. Фазы проекта

1. Фаза: Системный и доменный анализ
   • Сбор требований, изучение предметной области, практики доменно-ориентированного проектирования (DDD).
2. Фаза: Проектирование архитектуры
   • Разработка схемы баз данных, определение форматов для хранения графов, протокол взаимодействия между Частью A и Частью B.
3. Фаза: Создание прототипа
   • Поднятие минимального окружения (Docker, сервер БД, PHP/JS-фронтенд).
   • Импорт тестовых наборов данных (KEGG, GTEx).
4. Фаза: Агрегация данных с учётом возрастных групп
   • Разделение доноров в GTEx по возрастным когортам.
   • Если нужно — объединение (усреднение) экспрессии внутри каждой возрастной группы.
   • Создание (или обновление) графа (два графа «Молодой/Старый» или один с разными весами).
5. Фаза: Нормализация данных (при необходимости)
   • Устранение технических артефактов, приведение экспрессий к единому масштабу.
6. Фаза: Усреднение экспрессий, дифференциальная корреляция или WGCNA
   • Методика зависит от выбранной стратегии анализа (классическая дифференциальная экспрессия или построение ко-экспрессионных сетей).
7. Фаза: Сравнение (pinpoint) для разных тканей
   • Поиск изменений топологических свойств: потеря центральности, изменение кластеризации и др.
8. Фаза: Оптимизация (по необходимости)
   • Улучшение производительности (большие графы, обработка больших объёмов данных).
9. Фаза: Визуализация
   • Разработка интерактивных средств отображения (Canvas, D3.js, Cytoscape.js).
   • Подсветка изменений между возрастами.
10. Фаза: Статистический анализ и/или ML-методы
    • Поиск закономерностей, кластеров, ключевых узлов.
    • Использование алгоритмов обучения (классификация, регрессия, random forest, нейросети).
11. Фаза: Мануальный био-клинический анализ
    • Интерпретация результатов специалистами-геронтологами.
    • Уточнение, какие пути реально связаны с онкологией, нейродегенерацией и т. д.
12. Фаза: Построение гипотез о таргетах
    • Формирование списка потенциальных генов/белков (например, гиперактивный белок, который нужно ингибировать).
13. Фаза: Гипотезы модуляции таргетов
    • Предложение конкретных вмешательств (ингибиторы, метилирование, ацетилирование) на молекулярном уровне.
14. Фаза: Экспериментальная валидация
    • In vitro эксперименты (использование клеточных линий, приборы: проточный цитофлуориметр для анализа, qPCR для подтверждения экспрессии, Western blot).
    • In vivo эксперименты (модельные животные, наблюдение за изменениями фенотипа).

IV. Существующие проекты: сходства, отличия, синергия

1. Human Ageing Genomic Resources (HAGR)
   • Ссылка
   • Содержит GenAge (база генов, связанных со старением), AnAge (данные о продолжительности жизни видов).
   • Помогает выделить «кандидатные» гены для нашего анализа.
2. AgeFactDB
   • Ссылка (временно на реконструкции)
   • База данных факторов, влияющих на продолжительность жизни разных организмов.
3. Open Targets
   • Ссылка
   • Проект для поиска и приоритизации лекарственных мишеней, но не чисто про старение, а про болезни в целом.
4. Aging.ai
   • Ссылка
   • Модель для предсказания возраста по биомаркерам крови, меньше фокус на сетевых путях.
5. Geroprotectors.org
   • База потенциальных геропротекторов, но без глубокой сетевой аналитики.

Все эти ресурсы дают частичную информацию (гены, продолжительность жизни, факторы), но не предоставляют комплексной «графовой» модели, которую мы хотим создать в Aging Delta.

V. Типовые проблемы и сложности

1. Интеграция данных
   • Разнородные форматы и идентификаторы (гены по Ensembl, HGNC, NCBI и т. д.).
2. Возрастные срезы
   • Часто нет чётких лонгитюдных данных по одному человеку, приходится усреднять по группам.
3. Отсутствие реальной динамики
   • Старение — процесс, а в базах мы обычно имеем статичные «срезы».
4. Шумы и неполнота
   • RNA-seq и другие методы дают варьирующие данные, необходима статистическая фильтрация.
5. Интерпретация причин и следствий
   • Связь гена с возрастом не означает причинно-следственную зависимость.
6. Мультидисциплинарность
   • Требуются компетенции в программировании, математике, геронтологии, биоинформатике.

VI. Технологический стек

VI.1. Программная (инфраструктурная) часть

1. Операционные среды и инструменты
   • Linux (серверное окружение), Docker (контейнеризация), Bash (скрипты автоматизации).
2. Языки
   • PHP (фреймворк Yii/Laravel) — бэкенд для веб-приложения.
   • SQL (MySQL) — реляционная база данных для хранения агрегированной информации.
   • HTML/CSS/JavaScript — фронтенд, визуализация через Canvas, D3.js или Cytoscape.js.
3. Архитектурные решения
   • Микросервисный подход или монолит с чётким разделением модулей (DDD — “bounded contexts”).
   • REST API или GraphQL (опционально) для обмена с аналитическим модулем.

VI.2. Биоинформатическая и аналитическая часть

1. Языки и библиотеки
   • Python: pandas, NumPy, SciPy, scikit-learn, PyTorch/TensorFlow (для ML при необходимости).
   • R: Bioconductor (edgeR, DESeq2, limma), WGCNA, iGraph.
2. Подходы к анализу
   • Дифференциальная экспрессия (DESeq2), ко-экспрессия (WGCNA).
   • Построение корреляционных сетей, методов “фита рёбер” (статья PubMed 37021935).
   • Графовый анализ: центральность, кластеризация, поиск модулей.
3. Дополнительные инструменты
   • Jupyter Notebooks/R Markdown — воспроизводимые исследования.
   • Git — версионирование кода и данных.

VI.3. Дополнительные (маркетинговые) задачи

1. Инфографика и схемы
   • Создание промо-материалов (в Figma) для привлечения волонтёров, инвесторов.
   • Схематическое объяснение архитектуры, принципа работы.
2. Раздел сайта
   • Агрегация информации о проекте, документация, FAQ.
   • UX/UI-дизайн управляющих интерфейсов (просмотр графов, фильтрация, отчёты).
3. Презентация
   • Подготовка слайдов, постеров для научных конференций или питчей для инвесторов.

VII. Практики доменно-ориентированного проектирования (DDD)

1. Ubiquitous Language
   • Использование единых терминов (ген, путь, экспрессия, вес ребра, таргет) и понимание их одинаково командой разработчиков и биологов.
2. Bounded Context
   • Разделение проекта на модули:
     • «Data Aggregation Context» (загрузка и нормализация данных),
     • «Network Construction Context» (построение графов),
     • «Biological Analysis Context» (WGCNA, статистика, ML),
     • «Visualization & UX Context» (веб-интерфейс).
3. Context Mapping
   • Определение, как эти модули взаимодействуют (API, форматы данных, промежуточные CSV/TSV или SQL-таблицы).
4. Domain Events
   • События, такие как «данные по возрастной группе обновлены», «граф пересчитан», «новый модуль сети обнаружен» — могут быть оформлены как доменные события, влияющие на логику проекта.

VIII. Ссылки и дополнительные материалы

1. KEGG
   • https://www.kegg.jp/kegg/pathway.html#disease
2. WikiPathways
   • https://www.wikipathways.org/
3. Reactome
   • https://reactome.org/
4. GTEx Portal
   • https://gtexportal.org/home/
5. PubMed (метод фита весов рёбер)
   • https://pubmed.ncbi.nlm.nih.gov/37021935/
6. Human Ageing Genomic Resources (HAGR)
   • https://genomics.senescence.info/
7. AgeFactDB
   • https://agefactdb.unikoeln.de/
8. Open Targets
   • https://www.opentargets.org/
9. Aging.ai
   • https://www.aging.ai/
10. Geroprotectors.org

• https://geroprotectors.org/

1. Википедия (термины, определения)

• https://ru.wikipedia.org/wiki/Биология_старения
• https://ru.wikipedia.org/wiki/Эпигенетика

https://docs.google.com/document/d/1eEL9kFAerWu-DW...

Это поможет разобраться с GTEx в исходном виде, делал для того чтоыб можно было ввести в курс дела, но это именно для того проекта которым занимаюсь, кроме того доки сыроваты, не самая черновая версия, полезная, но много чего не хватает. К ней прилагаются разные скрипты, но там их даже не запустить без отдельных доков на сами скрипты и инфру, а такого уровня доки только в голове и не на поверхности, вспоминать надо

https://docs.google.com/document/d/14C07ODWNKPZXAu...

https://docs.google.com/document/d/16ji4anrUO6zZA6...

Єто врядли пригодится

https://docs.google.com/document/d/1wYr_5ohML_pZ6n...