Datendienste
DZD Forschungsdatenplattform
Das DZD verfügt über eine umfangreiche Menge an klinische Daten und Bioproben für medizinische Forschungszwecke.
Für die bedarfsgerechte Speicherung, Verarbeitung und Bereitstellung von klinischen Daten hat das DZD eine Forschungsdatenplattform entwickelt. Über diese Plattform werden DZD-Forschenden außerdem standardisierte Dienste zur Kommunikation, Information und für den sicheren Datenaustausch angeboten. Konkrete Beispiele sind:
- Dienste für eine Quell- bzw. studienübergreifende Nachnutzung von DZD-Studien durch Harmonisierung und Pseudonymisierung von Daten
- Dienste für den datenschutzkonformen Zugriff auf zentral bereitgestellte medizinische Daten
- Dienste für den sicheren Datenaustausch zwischen DZD-Forschenden
- Informationsdienste (Wikis) und Kollaborationsdienste für Forschende und weitere Nutzergruppen wie beispielsweise Nachwuchswissenschaftler:innen
- Spezielle Online-Tools für die öffentlich Nutzung der im DZD entwickelten Forschungsanwendungen oder für die Datenerfassung in DZD klinischen Studien
Die DZD Forschungsdatenplattform ist modular aufgebaut und wurde weitgehend auf Basis von Open Source Software entwickelt. Im DZD entwickelte Software wird soweit möglich ebenfalls Open Source bereitgestellt.
Diese Infrastrukturen sowie die darüber bereitgestellten Datendienste sind im DZD Datenschutzkonzept ausführlich beschrieben.
DZD Online Forschungstools
Um einen möglichst niederschwelligen Zugang zu Forschungsanwendungen zu gewährleisten, werden diese vom DZD soweit möglich als Web-Services bereitgestellt. Die im Folgenden beschriebenen Beispiele stehen zur öffentlichen Nutzung im Internet bereit.
metaKEGG
metaKEGG ist eine Software zur Integration von (Multi-)Omics-Daten mit Pathway-Enrichment-Analysen. Sie ermöglicht die detaillierte Visualisierung differentiell exprimierter Gene und Transkripte auf KEGG-Pathway-Karten, einschließlich epigenetischer Daten wie DNA-Methylierung und miRNA.
Mit verschiedenen Analysepipelines bietet metaKEGG umfassende Einblicke in Signalwege und erleichtert den direkten Vergleich verschiedener Bedingungen oder Interventionen. Eine besondere Funktion ist die Aufteilung von KEGG nodes in subnodes, wodurch mehrere Gene oder Transkripte pro node dargestellt werden können. Zudem erleichtert eine farbcodierte Darstellung der log₂FC-Werte eine intuitive Analyse und den direkten Vergleich biologischer Prozesse.
miR-QTL-Scan
Ein System, das Informationen zu QTL, miRNA-Zielgenen und entsprechende mRNA-Expressionsdaten vereint, um miRNAs als regulatorische Elemente und verantwortliche Faktoren für QTL zu identifizieren. Das System bietet sowohl die theoretische Bestimmung von miRNA-Zielgenen, als auch experimentell bestätigte Interaktionen in drei metabolisch aktiven Geweben – gonadales weißes Fettgewebe (gWAT), braunes Fettgewebe (BAT) und Muskel. Insgesamt werden Daten zu 170 miRNAs bereitgestellt, die in den jeweiligen QTL-Regionen lokalisiert sind. Zur funktionellen Einordnung einzelner miRNAs stehen zudem Signalwegsanalysen auf Basis von KEGG Pathways und Gene Ontology für die entsprechenden Zielgene zur Verfügung.
Erstellt von Pascal Gottmann am DIfE.
Original-Publikation:
Gottmann, P. et al. Molecular Metabolism (2018) A computational biology approach of a genome-wide screen connected miRNAs to obesity and type 2 diabetes. PMID:29605715 PMCID:PMC6001404 DOI:10.1016/j.molmet.2018.03.005
Collaborative Diabetes Cross
Dieses Tool basiert auf genomweiten Kopplungsanalysen von Kreuzungspopulationen aus adipösen, diabetesanfälligen NZO Mäusen und vier verschiedenen schlanken Inzuchtstämmen (B6,C3H,DBA,129P2). Dabei konnten mehr als 290 Quantitative Trait Loci (QTL) für Adipositas, 190 QTL für Diabetes sowie 100 QTL für Plasma-Metabolite identifiziert werden. Die Ergebnisse sind hier grafisch dargestellt und Gene innerhalb der QTL-Regionen können für weiterführende Analysen exportiert werden.
Erstellt von Lisa Zellner und Markus Jähnert am DIfE.
Original-Publikation:
Vogel, H. et al. Human Molecular Genetics (2018) A collective diabetes cross in combination with a computational framework to dissect the genetics of human obesity and Type 2 diabetes. PMID:29893858 PMCID:PMC6097155 DOI:10.1093/hmg/ddy217
Kontakt Forschungsdatenplattform
Kontakt Biobank DIS
