DeepOmicsAE هو سير عمل يركز على تطبيق طريقة التعلم العميق (أي التشفير التلقائي) لتقليل أبعاد بيانات الأوميكس المتعددة ، مما يوفر أساسا للنماذج التنبؤية ووحدات الإشارات التي تمثل طبقات متعددة من بيانات omics.
مقالة منهجية
DeepOmicsAE هو سير عمل يركز على تطبيق طريقة التعلم العميق (أي التشفير التلقائي) لتقليل أبعاد بيانات الأوميكس المتعددة ، مما يوفر أساسا للنماذج التنبؤية ووحدات الإشارات التي تمثل طبقات متعددة من بيانات omics.
أصبحت مجموعات بيانات omics الكبيرة متاحة بشكل متزايد للبحث في صحة الإنسان. تقدم هذه الورقة DeepOmicsAE ، وهو سير عمل محسن لتحليل مجموعات البيانات متعددة الأوميكس ، بما في ذلك البروتينات والأيض والبيانات السريرية. يستخدم سير العمل هذا نوعا من الشبكات العصبية يسمى autoencoder ، لاستخراج مجموعة موجزة من الميزات من بيانات الإدخال متعددة الأبعاد عالية الأبعاد. علاوة على ذلك ، يوفر سير العمل طريقة لتحسين المعلمات الرئيسية اللازمة لتنفيذ برنامج التشفير التلقائي. لعرض سير العمل هذا ، تم تحليل البيانات السريرية من مجموعة من 142 فردا كانوا إما أصحاء أو تم تشخيصهم بمرض الزهايمر ، إلى جانب البروتين والتمثيل الغذائي لعينات الدماغ بعد الوفاة. تحتفظ الميزات المستخرجة من الطبقة الكامنة للمشفر التلقائي بالمعلومات البيولوجية التي تفصل بين المرضى الأصحاء والمرضى. بالإضافة إلى ذلك ، تمثل الميزات المستخرجة الفردية وحدات إشارات جزيئية متميزة ، يتفاعل كل منها بشكل فريد مع السمات السريرية للأفراد ، مما يوفر وسيلة لدمج البروتينات والأيض والبيانات السريرية.
نسبة كبيرة بشكل متزايد من السكان يشيخون ومن المتوقع أن يزداد عبء الأمراض المرتبطة بالعمر ، مثل التنكس العصبي ، بشكل حاد في العقود القادمة1. مرض الزهايمر هو النوع الأكثر شيوعا من الأمراض التنكسية العصبية2. كان التقدم في العثور على علاج بطيئا نظرا لفهمنا الضعيف للآليات الجزيئية الأساسية التي تقود ظهور المرض وتقدمه. يتم الحصول على غالبية المعلومات حول مرض الزهايمر بعد الوفاة من فحص أنسجة المخ ، مما جعل التمييز بين الأسباب والعواقب مهمة صعبة3. مشروع دراسة الأوامر الدينية / الذاكرة والشيخوخة (ROSMAP) هو جهد طموح لاكتساب فهم أوسع للتنكس العصبي ، والذي يتضمن دراسة آلاف الأفراد الذين التزموا بالخضوع لفحوص....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
ملاحظة: البيانات المستخدمة هنا هي بيانات ROSMAP التي تم تنزيلها من بوابة AD المعرفية. ليست هناك حاجة إلى موافقة مستنيرة لتنزيل البيانات وإعادة استخدامها. يستخدم البروتوكول المقدم هنا التعلم العميق لتحليل بيانات الأوميكس المتعددة وتحديد وحدات الإشارات التي تميز مجموعات معينة من المرضى أو العينات بناء على تشخيصهم على سبيل المثال. يقدم البروتوكول أيضا مجموعة صغيرة من الميزات المستخرجة التي تلخص البيانات الأصلية واسعة النطاق ويمكن استخدامها لمزيد من التحليل مثل تدريب نموذج تنبؤي باستخدام خوارزميات التعلم الآلي (الشكل 1). ارجع إلى الملف التكميلي 1 وجدول المواد للحصول على معلومات حول الوصول إلى الكود وإعداد الب....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
لعرض البروتوكول ، قمنا بتحليل مجموعة بيانات تضم البروتينات والأيض والمعلومات السريرية المستمدة من أدمغة ما بعد الوفاة ل 142 فردا كانوا إما أصحاء أو تم تشخيصهم بمرض الزهايمر.
بعد إجراء قسم البروتوكول 1 للمعالجة المسبقة للبيانات ، تضمنت مجموعة البيانات 6,497 بروتينا و 443 مستقلبا وثلاث ميزات سريرية (الجنس والعمر عند الوفاة والتعليم). الميزة المستهدفة هي التشخيص السريري بالإجماع للحالة المعرفية في وقت الوفاة ، والتي تم تدوينها على أنها cogdx ، مع قيم 1
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
هيكل مجموعة البيانات أمر بالغ الأهمية لنجاح البروتوكول ويجب التحقق منه بعناية. يجب تنسيق البيانات كما هو موضح في قسم البروتوكول 1. يعد التعيين الصحيح لمواضع الأعمدة أمرا بالغ الأهمية أيضا لنجاح الطريقة. تتم معالجة بيانات البروتيوميات والأيض بشكل مختلف ويتم اختيار الميزة بشكل منفصل بسبب الطبيعة المختلفة للبيانات. لذلك ، من الأهمية بمكان تعيين مواضع الأعمدة بشكل صحيح في خطوات البروتوكول 1.5 و 2.3 و 3.3.
إذا كانت البيانات السريرية تحتوي على أنواع بيانات غير رقمية (إما قيم مستمرة أو ثنائية) ، فقد .......
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
يعلن صاحب البلاغ أنه ليس لديهم تضارب في المصالح.
تم دعم هذا العمل من قبل CA201402 منحة المعاهد الوطنية للصحة وجائزة الباحث المتميز لمركز كورنيل لعلم جينوم الفقاريات (CVG). تستند النتائج المنشورة هنا كليا أو جزئيا إلى البيانات التي تم الحصول عليها من بوابة المعرفة الخاصة بأبوظبي (https://adknowledgeportal.org). تم توفير بيانات الدراسة من خلال شراكة الطب المسرع لمرض الزهايمر (U01AG046161 و U01AG061357) بناء على العينات المقدمة من مركز مرض الزهايمر راش ، المركز الطبي بجامعة راش ، شيكاغو. تم دعم جمع البيانات من خلال التمويل من قبل منح NIA P30AG10161 و R01AG15819 و R01AG17917 و R01AG30146 و R01AG36836 و U01AG32984 و U01AG46152 وإدارة الصحة العامة في إلينوي ومعهد أبحاث الجينوم الانتقالي. تم إنشاء مجموعة بيانات الأيض في Me....
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
| الاسم | الشركة | رقم فهرسي | التعليقات |
|---|---|---|---|
| الكمبيوتر | Apple | Mac Studio | Apple M1 Ultra مع وحدة المعالجة المركزية 20 نواة ، وحدة معالجة الرسومات 48 نواة ، محرك عصبي 32 نواة ؛ ذاكرة موحدة 64 جيجابايت |
| Conda v23.3.1 | Anaconda، Inc. | نظام | إدارة الحزم غير متاح ومدير البيئة |
| conda environment يحتوي DeepOmicsAE | N / A | DeepOmicsAE_env.yml | على الحزم اللازمة لتشغيل مستودع worflow |
| github DeepOmicsAE | يوفر Microsoft | https://github.com/elepan84/DeepOmicsAE/ | البرامج النصية ودفاتر ملاحظات Jupyter وملف بيئة conda |
| Jupyter notebook v6.5.4 | Project Jupyter | N / A | منصة لعلوم البيانات التفاعلية والحوسبة العلمية |
| DT01-بيانات التمثيل الغذائي | N / A | ROSMAP_Metabolon_HD4_Brain 514_assay_data.csv | تم استخدام هذه البيانات لإنشاء النتائج المبلغ عنها في المقالة. على وجه التحديد، تم دمج DT01-DT04 من خلال مطابقتها استنادا إلى المعرف الفردي. تم تصفية تشخيص الإجماع النهائي للعمود (cogdx) للحفاظ على المرضى المصنفين فقط على أنهم أصحاء أو AD. تمت تصفية السمات المناخية للحفاظ على ما يلي: العمر عند الوفاة والجنس والتعليم. أخيرا ، تم تعيين العمر الذي تم الإبلاغ عنه على أنه 90+ على 91 ، ثم تم تحويل عمود العمر إلى float64. البيانات متوفرة في https://adknowledgeportal.synapse.org |
| بيانات البروتينات DT02-TMT | N / A | C2.median_polish_corrected_log2 (abunabundance RatioCenteredOn MedianOfBatchMediansPer Protein) -8817x400.csv | |
| DT03 البيانات السريرية | N / A | ROSMAP_clinical.csv | |
| DT04-biospecimen metadata | N / A | ROSMAP_biospecimen_metadata .csv | |
| Python 3.11.3 | برمجة Python Software Foundation | N / A |
الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.
طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه
طلب إذن