ShinyBioHEAT: an interactive shiny app to identify phenotype driver genes in E.coli and B.subtilis.
ShinyBioHEAT: an interactive shiny app to identify phenotype driver genes in E.coli and B.subtilis.
复制标题
DOI：
10.1093/bioinformatics/btad467
复制
发表时间：
2023-08-01
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
在任何处于选择压力下的群体中，一个核心挑战是区分驱动适应的基因和其他基因，这些基因受到群体变异的影响，含有许多中性突变。我们最近表明，这些基因可以通过补充突变频率的信息与编码变体可能的功能影响的进化分析来识别。这种方法改进了在实验室进化和环境大肠杆菌菌株中发现驱动基因的方法。为了促进普遍采用，我们现在开发了ShinyBioHEAT，这是一个基于R Shiny的网络应用程序，可以在两种常用的模型细菌大肠杆菌和枯草芽孢杆菌中识别表型驱动基因，而无需特定的计算技能要求。ShinyBioHEAT不仅支持对大肠杆菌和枯草B.subtilis中的实验室进化数据进行透明和交互式分析，而且还创建了突变对蛋白质结构影响的动态可视化，从而对预测的驱动因素进行正交检查。ShinyBioHEAT的代码可在https://github.com/LichtargeLab/ShinyBioHEAT上获得。Shiny应用程序还托管在http://bioheat.lichtargelab.org/上。
In any population under selective pressure, a central challenge is to distinguish the genes that drive adaptation from others which, subject to population variation, harbor many neutral mutations de novo. We recently showed that such genes could be identified by supplementing information on mutational frequency with an evolutionary analysis of the likely functional impact of coding variants. This approach improved the discovery of driver genes in both lab-evolved and environmental Escherichia coli strains. To facilitate general adoption, we now developed ShinyBioHEAT, an R Shiny web-based application that enables identification of phenotype driving gene in two commonly used model bacteria, E.coli and Bacillus subtilis, with no specific computational skill requirements. ShinyBioHEAT not only supports transparent and interactive analysis of lab evolution data in E.coli and B.subtilis, but it also creates dynamic visualizations of mutational impact on protein structures, which add orthogonal checks on predicted drivers. Code for ShinyBioHEAT is available at https://github.com/LichtargeLab/ShinyBioHEAT. The Shiny application is additionally hosted at http://bioheat.lichtargelab.org/.
登录
查看更多内容
影响因子：
64.8
作者：
Jumper J;Evans R;Pritzel A;Green T;Figurnov M;Ronneberger O;Tunyasuvunakool K;Bates R;Žídek A;Potapenko A;Bridgland A;Meyer C;Kohl SAA;Ballard AJ;Cowie A;Romera-Paredes B;Nikolov S;Jain R;Adler J;Back T;Petersen S;Reiman D;Clancy E;Zielinski M;Steinegger M;Pacholska M;Berghammer T;Bodenstein S;Silver D;Vinyals O;Senior AW;Kavukcuoglu K;Kohli P;Hassabis D
通讯作者：
Hassabis D
影响因子：
16.6
作者：
通讯作者：
--
影响因子：
9.9
作者：
Choudhury, Alaksh;Fenster, Acob A.;Gill, Ryan T.
通讯作者：
Gill, Ryan T.
影响因子：
5.6
作者：
Lichtarge, O;Bourne, HR;Cohen, FE
通讯作者：
Cohen, FE
影响因子：
3.2
作者：
Bruckbauer, Steven T.;Trimarco, Joseph D.;Cox, Michael M.
通讯作者：
Cox, Michael M.