Hochdurchsatz-Technologien erzeugen beträchtliche Mengen an experimentellen Daten, sei es aus der Transkriptomik, der Proteomik oder anderen groß angelegten Ansätzen. Die biologische Interpretation dieser Gen- oder Proteinlisten stellt eine wesentliche Herausforderung dar: Über die Identifizierung der einzelnen Komponenten hinaus müssen deren Wechselwirkungen innerhalb von Stoffwechselwegen und funktionellen Netzwerken berücksichtigt werden. Softwarewerkzeuge, die derartige Analysen automatisiert durchführen können, werden daher zunehmend benötigt. In diesem Zusammenhang steht ClueGO, eine Anwendung der Cytoscape-Plattform, die die repräsentativsten Gen-Ontologie-Begriffe (Gene Ontology) und biologischen Signalwege für eine oder mehrere Gen- oder Proteinlisten auswählt und sie anschließend in Form funktionell strukturierter Netzwerke organisiert und visualisiert.
ClueGO ist für seine Zuverlässigkeit, seine einfache Handhabung und seine Unterstützung zahlreicher Spezies bekannt und hat eine große Nutzergemeinschaft um sich versammelt. Allerdings kann die Verkettung mehrerer Analysen innerhalb komplexer Arbeitsabläufe zeitaufwendig und fehleranfällig sein, wenn sie auf einer manuellen Bedienung über die grafische Benutzeroberfläche beruht. Um diesem Problem zu begegnen, haben die Autoren ab Version 2.5.0 die Programmierschnittstelle cyREST von Cytoscape in ClueGO integriert. Diese neue Funktion bietet einen programmatischen Zugriff auf die funktionellen Analysen der Anwendung aus Sprachen wie R, Python oder JavaScript, ergänzend zur klassischen grafischen Nutzung. Die über REST zugänglichen Funktionen werden über eine Adresse aufgerufen, die den Host, den Port und die gewünschte Anfrage kombiniert, wobei die Antworten im JSON-Format, als tabulatorgetrennter Text oder als Binärdaten zurückgegeben werden.
Eine typische ClueGO-Analyse verläuft in vier Hauptschritten. Der erste besteht in der Auswahl des Organismus: Mensch und Maus sind standardmäßig enthalten, und mehr als zweihundert weitere Spezies können heruntergeladen werden. Der zweite Schritt entspricht dem Laden einer oder mehrerer Gen- oder Proteinlisten, wobei die Anwendung automatisch zahlreiche Arten von Identifikatoren aus den Datenbanken NCBI, UniProtKB und Ensembl erkennt. Im dritten Schritt werden die repräsentativen GO-Begriffe und Signalwege anhand vordefinierter Filter ausgewählt. Schließlich erzeugt die Anreicherungsanalyse ein Netzwerk, das die auf Basis eines Kappa-Scores verbundenen Begriffe zusammenfasst, wobei dieser Score die Anzahl der zwischen zwei Begriffen geteilten Gene berücksichtigt und die funktionellen Gruppen definiert. Die statistischen Ergebnisse, das Netzwerk und die verschiedenen grafischen Darstellungen lassen sich über die cyREST-Funktionen abrufen.
Um diesen Ansatz konkret zu veranschaulichen, stellen die Autoren im Zusatzmaterial Analysebeispiele in R und Python bereit, die sich auf Genlisten von B-Lymphozyten und NK-Zellen beziehen und deren Ergebnisse in Form von Signalweg-Netzwerken dargestellt werden. Diese Arbeiten zeigen somit, wie sich ClueGO in andere Cytoscape-Anwendungen und externe Bibliotheken integrieren lässt, um funktionelle Analysen auf programmatische Weise innerhalb bioinformatischer Pipelines durchzuführen.