Software
grandR
Sequenzierungsexperimente mit Nukleotidkonversion wurden entwickelt, um RNA-Seq und Einzelzell-RNA-Seq um eine zeitliche Dimension zu erweitern.
Solche Experimente erfordern spezielle Werkzeuge für die Primärverarbeitung wie GRAND-SLAM sowie spezielle Werkzeuge für die nachgelagerten Analysen.
grandR bietet eine umfassende Toolbox für die Qualitätskontrolle, kinetische Modellierung, die Analyse der differentiellen Genexpression und die Visualisierung solcher Daten.
Dokumentationsseite: https://grandr.erhard-lab.de (externer Link, öffnet neues Fenster)
GitHub-Seite: https://github.com/erhard-lab/grandR (externer Link, öffnet neues Fenster)
LFC
Digitale Expressionsmessungen (z. B. RNA-Seq) werden häufig verwendet, um die Veränderung von Größen infolge einer Behandlung oder eines Reizes zu bestimmen. Der daraus resultierende Wert von Interesse ist die Fold-Change (oft logarithmiert). Diese Effektgröße der Veränderung wird oft als ein Wert behandelt, der sich als lfc(A,B) = log2 A/B berechnen lässt. Aufgrund des probabilistischen Charakters der Experimente ist die Effektgröße jedoch vielmehr eine Zufallsvariable, die geschätzt werden muss. Diese Tatsache wird deutlich, wenn man bedenkt, dass A oder B den Wert 0 annehmen können, selbst wenn die tatsächliche Häufigkeit ungleich Null ist.
Wir haben gezeigt, dass dies in einem bayesschen Rahmen (externer Link, öffnet neues Fenster)modelliert werden kann. Die intuitiv berechnete Effektgröße ist der Maximum-Likelihood-Schätzer eines binomialen Modells, wobei die Effektgröße nicht als Fold-Change, sondern als Anteil dargestellt wird (wobei zu beachten ist, dass der logarithmierte Fold-Change einfach der logit-transformierte Anteil ist). Darüber hinaus bietet der bayessche Ansatz fortgeschrittenere Schätzer (z. B. Intervallschätzer oder den a-posteriori-Mittelwert, der hinsichtlich der quadratischen Fehler der optimale Schätzer ist).
GitHub-Seite: https://github.com/erhard-lab/lfc (externer Link, öffnet neues Fenster)
GEDI
Der Großteil unserer Arbeit basiert auf unserem Java-Framework Gedi, einer Softwareplattform zur Verarbeitung genomischer Daten wie Sequenzierungs-Reads, Sequenzen, numerische Werte pro Base oder Annotationen.
Die wichtigsten Merkmale sind:
Umfassende Allzweck-Softwarebibliothek (Verwaltung von Iteratoren, Serialisierung, Random-Access-E/A, Parallelisierung, Erweiterungssystem, JS-basierte Template-Engine, JSON, Strings, Arrays, …)
Spezialisierte Algorithmen und Datenstrukturen für die Bioinformatik (Clustering, Teilsequenzen mit maximaler Punktzahl, Sequenzalignment, Zeichenkettensuche, Suffixbäume, Tries, Union-Find, Range-Minimum-Abfragen, …) und Statistik (deskriptive Statistik, Inferenz, Kernel-Methoden, Regression)
Noch spezialisiertere Algorithmen und Datenstrukturen für Genomdaten (Fasta-Dateien mit wahlfreiem Zugriff, speicherbasierte Intervallbäume, festplattenbasierte Intervallbäume, speicherplatzsparende Verarbeitung alignierter Reads, Annotationsverwaltung, ID-Zuordnung, …)
Grafische Benutzeroberfläche (Genom-Browser, …)
GitHub-Seite: https://github.com/erhard-lab/gedi (externer Link, öffnet neues Fenster)
GRAND-SLAM
Die global verfeinerte Analyse neu transkribierter RNA und ihrer Abbauraten mittels SLAM-seq (GRAND-SLAM) ist ein computergestützter Ansatz, um aus SLAM-seq-Experimenten (externer Link, öffnet neues Fenster) den Anteil sowie die entsprechende a-posteriori-Verteilung von neuer und alter RNA für jedes Gen abzuleiten.
Projekt-Wiki: github.com/erhard-lab/gedi/wiki/GRAND-SLAM
Software-Download: hier
Peptide-PRISM
Die proteogenomische Identifizierung mithilfe stratifizierter Mischungsmodelle (PRISM) kombiniert De-novo-Peptidsequenzierung, effiziente String-Suchtechniken und eine auf Mischungsmodellen basierende FDR-Schätzung, um eine umfassende Identifizierung von MHC-I-Immunopeptidomen auf der Grundlage der Massenspektrometrie zu ermöglichen.
Software-Download: hier (externer Link, öffnet neues Fenster)
PRICE
PRICE (Probabilistic inference of codon activities by an EM algorithm) ist eine Methode zur Identifizierung von ORFs anhand von Ribo-seq-Experimenten, eingebettet in eine Pipeline zur Datenanalyse.
Projekt-Wiki: github.com/erhard-lab/gedi/wiki/Price
Software-Download: https://github.com/erhard-lab/gedi/releases (externer Link, öffnet neues Fenster)
iTiSS
iTiSS (integrated Transcriptional start site caller) ist eine Methode zur Identifizierung von Transkriptionsstartstellen (TiSS) aus verschiedenen TiSS-Profiling-Experimenten mit einem zusätzlichen integrativen Modul, das die in einzelnen Datensätzen identifizierten TiSS zusammenführt und artefaktische TiSS entfernt.
Projekt-Readme: github.com/erhard-lab/iTiSS
Software-Download: https://github.com/erhard-lab/iTiSS/releases (externer Link, öffnet neues Fenster)
HSV-1-Viewer
Seitdem das Genom des Herpes-simplex-Virus 1 (HSV-1) vor mehr als 30 Jahren erstmals sequenziert wurde, wurden seine 80 vorhergesagten Gene intensiv untersucht. Hier entschlüsseln wir das vollständige virale Transkriptom und Translatom während einer lytischen Infektion mit Basenpaarauflösung durch computergestützte Integration von Multi-Omics-Daten. Wir identifizierten insgesamt 201 virale Transkripte und 284 offene Leserahmen (ORFs), darunter alle bekannten sowie 46 neue große ORFs. Mehrere Transkript-Isoformen, die von einzelnen Genloci exprimiert werden, erklären die Translation der überwiegenden Mehrheit der neuen viralen ORFs sowie deren N-terminale Erweiterungen (NTEs) und Trunkierungen. Wir zeigen, dass wichtige virale Regulatoren und Strukturproteine NTEs besitzen, die von nicht-kanonischen Startcodons ausgehen und die subzelluläre Proteinlokalisierung sowie die Verpackung steuern. Wir haben ein neues, nicht-kanonisches, großes, gespleißtes ORF im ICP0-Lokus validiert und ein 93 Aminosäuren langes ORF identifiziert, das sich mit ICP34.5 überschneidet und somit auch im von der FDA zugelassenen onkolytischen Virus Imlygic deletiert ist. Schließlich erweitern wir die aktuelle Nomenklatur, um alle neuen viralen Genprodukte einzubeziehen.
Um die Annotation und alle gewonnenen Daten der Forschungsgemeinschaft leicht zugänglich zu machen, stellen wir hier unsere HSV-1-Genom-Browser-Software zur Verfügung. Damit lassen sich die virale Genexpression und alle Daten visuell untersuchen – vom gesamten Genom bis hin zur Auflösung auf Einzelnukleotid-Ebene.
Download bei Zenodo (externer Link, öffnet neues Fenster)
FERN
FERN (Framework for Evaluation of Reaction Networks) ist ein erweiterbares und umfassendes Framework für effiziente Simulationen und Analysen chemischer Reaktionsnetzwerke, das in Java geschrieben ist. Es umfasst modernste Algorithmen für stochastische Simulationen und ein leistungsstarkes Visualisierungssystem auf Basis von gnuplot und Cytoscape.
Obwohl FERN aus mehr als 100 Klassen und Schnittstellen besteht, sind die meisten Klassen im Grunde nur Implementierungen einer der drei Hauptschnittstellen und abstrakten Klassen.
Die Schnittstelle „Network“ stellt die Netzwerkstruktur des Modells bereit.
Die abstrakte Klasse „Simulator“ führt Simulationen auf einem „Network“ durch. Zusätzlich ruft sie während des Simulationslaufs die registrierten Beobachter auf.
Die abstrakte Klasse „Observer“ verfolgt den Simulationsfortschritt und erstellt die Simulationsausgabe.
FERN ist unter der GNU Lesser General Public License (LGPL) frei verfügbar.
Software-Download: hier (externer Link, öffnet neues Fenster)