Method Article

بروتوكول شامل ودليل خطوة بخطوة لتكامل اللومكس المتعدد في البحوث البيولوجية

DOI:

10.3791/66995

⸱

August 8th, 2025

 ,  ,  , 
1Nestlé Institute of Food Safety & Analytical Sciences, Nestlé Research, 2D-USYS, ETH Zürich, 3Statistical Genetics Group, University of Lausanne (UNIL)

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يوضح هذا العمل بالتفصيل طرق دمج بيانات multi-omics (التسلسل والتحويل والمستندة إلى النموذج). من خلال الجمع بين البيانات من علم الجينوم ، وعلم الجينوم ، والنسخ ، والبروتينات ، والتمثيل الغذائي ، وعلم الميتاجينوم ، وعلم الدهون ، وعلم السكر ، يتم تحقيق فهم شامل للأنظمة البيولوجية. توفر المخطوطة إرشادات خطوة بخطوة ، مع تسليط الضوء على القيود والمزايا وأدوات التصور لتكامل multi-omics.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

توفر هذه المخطوطة دليلا شاملا خطوة بخطوة لدمج بيانات multi-omics في البحث البيولوجي.

يشير تكامل بيانات Multi-omics إلى عملية دمج وتحليل البيانات المقاسة على نفس المجموعة من العينات البيولوجية مع تقنيات omics مختلفة ، مثل علم الجينوم ، وعلم الجينوم ، والنسخ ، والبروتينات ، والتمثيل الغذائي ، والميكروبيوم ، والدهون ، وعلم السكر في الدم. على الرغم من أن مناهج الأوميكس المتعددة لها أهداف مماثلة لتحليلات الكتلة الواحدة أو التحليلات أحادية الكتلة (على سبيل المثال ، الوصف أو التمييز أو التصنيف أو التنبؤ) ، إلا أنها قادرة على التقاط مجموعة أوسع من المعلومات الجزيئية ، وبالتالي توفير فهم أعمق للأنظمة البيولوجية وتفاعلاتها المعقدة. في الواقع ، يتيح الجمع بين مجموعات البيانات متعددة omics تحسين دقة التنبؤ ويؤدي إلى نتائج أكثر قوة ، خاصة في الحالات التي يكون فيها عدد العينات المتاحة محدودا. علاوة على ذلك ، بفضل أحدث تطور لتقنيات التعلم الآلي ، أصبحت تحليلات الأومكس المتعددة مناسبة في الوقت الحاضر للكشف عن الأنماط الخفية والظواهر المعقدة الناشئة بين المركبات البيولوجية المختلفة.

الهدف الأساسي من هذا العمل هو تقديم البروتوكول الكامل الذي يشيع استخدامه في دراسات البصمات المتعددة ، من الصياغة الأولية للمشكلة إلى الأدوات المفيدة للتفسير البيولوجي للنتائج. تصف المخطوطة بالتفصيل الطرق المختلفة لدمج بيانات الإشارات المتعددة ، بما في ذلك الأساليب القائمة على التسلسل (المستوى المنخفض) ، والقائمة على التحويل (المستوى المتوسط) ، والقائمة على النموذج (عالية المستوى) ، وتسلط الضوء على حدودها ومزاياها ، إلى جانب عرض أدوات التصور والتشخيص العامة.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

شهد مجال البحوث البيولوجية تطورات كبيرة في السنوات الأخيرة ، لا سيما في مجال تقنيات omics. توفر هذه التقنيات رؤى قيمة حول الطبيعة المعقدة للأنظمة البيولوجية. ومع ذلك ، فإن كل تقنية omics تقدم منظورا فريدا للمكونات البيولوجية ، مما يستلزم تكامل بيانات omics المتعددة للحصول على فهم شامل.

يشمل Multi-omics فئات مختلفة من الجزيئات الحيوية التي يمكن تعريفها كميا بفضل ظهور تقنيات تسلسل جديدة وقوية عالية الإنتاجية. من بين الأنواع المختلفة لتقنيات omics علم الجينوم ، وعلم الجينوم ، والنسخ ، والبروتينات ، والتمثيل الغذائي ، وعلم الميتاجينوم ، وعلم الدهون ، وعلم السكر في الدم. يتضمن علم الجينوم دراسة جينومات الكائن الحي ، بينما يركز علم الجينوم اللاجيني على البنية الداعمة للجينوم ، بما في ذلك روابط البروتين والحمض النووي الريبي ، وهياكل الحمض النووي البديلة ، والتعديلات الكيميائية على الحمض النووي. يشمل علم النسخ دراسة جميع جزيئات الحمض النووي الريبي ، بما في ذلك mRNA و rRNA و tRNA وغيرها من الحمض النووي الريبي غير المشفر. تتضمن البروتينات دراسة البروتينات ، بما في ذلك التعديلات التي تم إجراؤها على مجموعات معينة من البروتينات. يركز علم الأيض على مجموعة الجزيئات الصغيرة (المستقلبات) داخل مصفوفة بيولوجية. يتضمن علم الميتاجينوم دراسة المجتمعات الميكروبية في موائل محددة جيدا ذات خصائص فيزيائية وكيميائية محددة. يشمل Lipidomics دراسة المكمل الكامل للدهون الخلوية ، بينما يركز علم السكر على دراسة glycome ، بما في ذلك الكربوهيدرات والسكريات1.

اكتسب تكامل بيانات multi-omics اهتماما متزايدا في المجتمع العلمي نظرا لقدرتها على كشف الظواهر البيولوجية المعقدة. من خلال الجمع بين البيانات من تقنيات omics المتعددة ، يمكن للباحثين التغلب على قيود مجموعات البيانات الفردية واكتساب رؤية أكثر شمولية للأنظمة البيولوجية. يتيح هذا النهج المتكامل تحديد المؤشرات الحيوية الجديدة ، واكتشاف آليات المرض ، وتوضيح المسارات البيولوجية المعقدة.

زاد عدد الاستشهادات بمصطلحي "Multiomics" و "Multi-omics" في PubMed بشكل كبير على مر السنين ، من 307 في عام 2018 إلى 1414 في عام 2021 إلى 3933 في عام 2023. أصبح دمج أنواع مختلفة من متغيرات omics شائعا بشكل متزايد لأنه يسمح بإجراء تحقيق أعمق في الآليات الكامنة وراء الأمراض والاختلالات الوظيفية للكائنات الحية. توفر مناهج omics الفردية رؤية محدودة وجزئية لعلم الأحياء المخفي ، لأنها تركز على منظور واحد. ومع ذلك ، من خلال دمج بيانات multi-omics ، يمكننا إلقاء الضوء على تفاعل الجزيئات الحيوية المختلفة ، وفهم العلاقات داخل طبقات متعددة ، وسد الفجوة بين النمط الجيني والنمط الظاهري. بشكل عام ، يمكن أن تساعد مناهج multi-omics في الإجابة على أسئلة مهمة مثل تصنيف مجموعات فرعية مختلفة من الأمراض ، والتنبؤ بالمؤشرات الحيوية الأساسية المرتبطة بالأمراض ، واكتساب فهم أفضل للمسارات والآليات البيولوجية. في الأقسام التالية ، يمكن أيضا الإشارة إلى مجموعات بيانات omics المختلفة باسم "طرق عرض" البيانات أو "كتل" البيانات.

يمكن تصنيف تقنيات تكامل multi-omics إلى ثلاث مجموعات فرعية رئيسية ، كما هو موضح من قبل Reel et al. (2021) 2 و Ritchie et al. (2015) 3 (الشكل 1).

التكامل أو التسلسل المبكر منخفض المستوى: يتضمن هذا النهج تسلسل المتغيرات من كل مجموعة بيانات فردية في مصفوفة واحدة. ومع ذلك، لا يأخذ التكامل المبكر في الاعتبار التوزيع الفريد لكل نوع من أنواع بيانات omics وقد يخصص وزنا أكبر لأنواع معينة من بيانات omics ذات الأبعاد الأكبر. كما أنه يطرح تحديات مثل زيادة خطر لعنة الأبعاد ، والضوضاء المضافة ، والمتغيرات شديدة الارتباط ، ومشكلات قابلية التوسع الحسابية. على الرغم من هذه القيود ، يسمح التكامل المبكر بتحديد التغييرات المنسقة عبر طبقات أوميك متعددة ويعزز التفسير البيولوجي.

التكامل متوسط المستوى أو المتوسط أو القائم على التحويل: في هذا النهج ، يتم تطبيق نماذج التكامل الرياضي على الطبقات المتعددة لبيانات omics. يركز التكامل الأوسط على اندماج المجموعات الفرعية أو التمثيلات المستخرجة من المصادر. وهناك نهجان فرعيان في إطار التكامل الأوسط هما نهج الوسط ونهج الوسط. يتضمن نهج الوسط درجات متسلسلة تم الحصول عليها من تقليل الأبعاد في كل كتلة ، مما يجعله مناسبا للتعامل مع البيانات غير المتجانسة. ومع ذلك ، قد تفتقر إلى قابلية التفسير. يتضمن النهج المتوسط لأسفل اختيار المتغير المحلي والتحليل اللاحق للمجموعات الفرعية المتغيرة المتسلسلة ، مما يسمح بتفسير أسهل للنماذج. يوفر التكامل الأوسط مزايا مثل تحسين نسبة الإشارة إلى الضوضاء ، وتقليل الأبعاد ، وتحسين القوة الإحصائية.

التكامل العالي المستوى أو المتأخر أو القائم على النموذج: يتضمن هذا النهج إجراء تحليلات على كل مستوى من مستويات omic ودمج النتائج بطريقة مخصصة. ويشمل دمج النتائج من نماذج الكتلة الواحدة لتحديد المؤشرات الحيوية من كل مصدر وتقديم تفسير مشترك للنتائج. لا يؤدي التكامل المتأخر إلى زيادة أبعاد مساحة الإدخال ويعمل مع التوزيع الفريد لكل بيانات omics. إنه مناسب بشكل خاص عندما تكون طبقة omic أكثر تنبؤا من غيرها. ومع ذلك ، قد يتغاضى التكامل المتأخر عن العلاقات المتقاطعة ويواجه تحديات تتعلق بعدم فهم الروابط بين كتل البيانات الأولية والفقدان المحتمل للمعلومات البيولوجية من خلال النمذجة الفردية.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. تعريف سؤال (أسئلة) البحث

  1. توضيح بوضوح لسؤال (أسئلة) البحث المحددة التي سيتم تناولها من خلال تكامل multi-omics. على سبيل المثال ، سؤال البحث 1: ما هي التغييرات في التعبير عن البروتين وملامح المستقلب التي ترتبط بالاستجابة للعلاج؟ سؤال البحث 2: كيف تؤثر الاختلافات الجينية على أنماط التعبير الجيني لدى المرضى الذين يعانون من مرض معين؟ سؤال البحث 3: كيف يوفر تكامل طبقات أوميك معينة فهما شاملا لعملية بيولوجية أو آلية مرضية معينة؟
  2. ضع في اعتبارك إدراج تقنيات omics متعددة للبحث عن المؤشرات الحيوية أو اكتساب رؤى ميكانيكية للأمراض المعقدة. لاحظ أن زيادة حجم العينة قد تكون ضرورية للتقسيم الطبقي للمريض.

2. اختيار Omics

  1. تحديد تقنيات omics الأكثر صلة بسؤال (أسئلة) البحث والنظام البيولوجي قيد الدراسة. فعلى سبيل المثال، في حالة السؤال 1، فإن التكنولوجيات ذات الصلة هي البروتينات والتمثيل الغذائي؛ لسؤال البحث 2 ، علم الجينوم والنسخ ؛ وبالنسبة للسؤال البحثي 3 ، العديد من تقنيات OMIC.
  2. ضع في اعتبارك الغرض من الدراسة والموارد المتاحة عند اختيار طبقات omics المثالية. تشمل الأمثلة التمثيل الغذائي لأبحاث التغذية ، وعلم الجينوم والنسخ لبيولوجيا السرطان ، والبروتينات لمختلف الأمراض.

3. ضمان جودة البيانات

ملاحظة: تأكد من موثوقية البيانات وقابلية تكرار بيانات omics التي تم إنشاؤها باتباع الخطوات الموضحة أدناه.

  1. صمم التجربة بعناية وحافظ على الظروف التجريبية المتسقة وطرق جمع العينات عبر جميع طبقات omics لتقليل تأثيرات الدفعات.
  2. اتبع البروتوكولات المعمول بها ونفذ تدابير مراقبة الجودة أثناء إنشاء البيانات لكل مجموعة بيانات omic.
    1. استخدم المعايير الداخلية أو الخارجية عند الاقتضاء.
    2. إجراء فحوصات الجودة في مجموعات بيانات omics الفردية.
      1. بالنسبة لبيانات الجينوم ، قم بتقييم المقاييس مثل درجات جودة القراءة ، والتكوين الأساسي ، وعمق التسلسل لضمان بيانات تسلسل عالية الجودة ، بالإضافة إلى جودة المحاذاة ورسم الخرائط وجودة استدعاء المتغير ، بما في ذلك تردد الأليل وعمق القراءة والتعليق التوضيحي المتغير.
      2. بالنسبة لبيانات النسخ ، قم بتقييم المقاييس مثل توزيع طول القراءة ، والتكوين الأساسي ، ودرجات جودة Phred عند تقييم جودة القراءة ، والنسخ لكل مليون (TPM) أو أجزاء لكل كيلوقاعدة من النص لكل مليون قراءة معينة (FPKM) عند تقييم جودة القياس الكمي للنص.
      3. بالنسبة لبيانات البروتينات ، ضع في اعتبارك المقاييس ذات الصلة مثل توزيع كثافة الذروة ، ونسبة الإشارة إلى الضوضاء ، ودقة الكتلة عند تقييم جودة بيانات قياس الطيف الكتلي وتغطية تسلسل الببتيد ، ودرجة تحديد البروتين ، ومعدل الاكتشاف الخاطئ ، وقابلية استنساخ قياسات وفرة البروتين عند تقييم تحديد البروتين وجودة القياس الكمي.
      4. بالنسبة لبيانات التمثيل الغذائي ، قم بتقييم المقاييس ذات الصلة مثل توزيع شدة الذروة ، ونسبة الإشارة إلى الضوضاء ، ودقة الكتلة عند تقييم جودة بيانات قياس الطيف الكتلي ومطابقة أطياف الكتلة مع قواعد البيانات المرجعية أو استخدام أنماط التجزئة للتوضيح الهيكلي عند تقييم جودة تحديد المستقلب.

4. المعالجة المسبقة للبيانات

  1. العينات المتداخلة
    1. قم بتضمين العينات التي تتداخل فقط عبر مجموعات بيانات omics متعددة.
    2. استبعاد الكتل التي تحتوي على عدد غير كاف من العينات المتداخلة مقارنة بالكتل الأخرى.
  2. احتساب القيمة المفقودة
    1. معالجة القيم المفقودة باستخدام أساليب الإحصائية أو التعلم الآلي.
    2. استخدم تقنيات مثل طريقة المربعات الصغرى التكيفية (LSA) لاحتساب القيمة المفقودة.
    3. تجنب إزالة الصفوف التي تحتوي على بيانات مفقودة، خاصة عند التعامل مع عينات محدودة.
    4. استبعاد المتغيرات التي تحتوي على نسبة مئوية عالية من القيم المفقودة (على سبيل المثال، 25٪ أو 30٪ من القيم المفقودة عبر العينات).
  3. توحيد
    1. قم بإجراء معالجة البيانات لضمان التحجيم المتسق للميزات.
    2. منع الميزات ذات التأثيرات الأكبر من السيطرة على تلك ذات التأثيرات الأصغر.
    3. تطبيق التحويلات الشائعة مثل التحويل اللوغاريتمي والتوسيط والتحجيم.
      ملاحظة: يجب اختيار التحويلات بعناية للحفاظ على قابلية تفسير البيانات الأصلية.
  4. تحديد القيم المتطرفة
    1. اكتشف القيم المتطرفة والقيم القصوى باستخدام أدوات مثل المخططات الصندوقية أو المسافة من متوسط القيم.
    2. معالجة القيم المتطرفة من خلال الطرق المناسبة مثل تحويل البيانات أو إزالتها.

5. تقليل الأبعاد

ملاحظة: هناك طريقتان لتقليل الأبعاد: إزالة المتغيرات الصاخبة والزائدة عن الحاجة (اختيار الميزة) أو مجموعة الميزات لإنشاء متغيرات أكثر أهمية (استخراج الميزات).

  1. تحديد ما إذا كان الهدف من الدراسة تنبؤيا (على سبيل المثال ، بناء نموذج قادر على التنبؤ بما إذا كان الشخص سليما أو مريضا) أو تحليليا (على سبيل المثال ، المتغيرات التي هي مؤشرات حيوية للمرض).
    ملاحظة: إذا كان الهدف من الدراسة تحليليا، يكون اختيار الميزة أكثر ملاءمة لأن استخراج الميزة قد يؤدي إلى فقدان قابلية التفسير.
  2. عند التعامل مع البيانات عالية الأبعاد ، من المهم تحديد المتغيرات ذات الصلة بالظاهرة المدروسة لتسهيل التحليل والتفسير ، وتقليل الموارد الحسابية اللازمة ، وإزالة الضوضاء والمعلومات الزائدة عن الحاجة التي من شأنها إرباك النتائج.
  3. اختيار الميزة
    1. تحديد المجموعة الفرعية من الميزات الإعلامية للظاهرة التي تهمك.
    2. استخدم أساليب تحديد الميزات المصنفة إلى فئات مثل أساليب التصفية والغلاف والتضمين والمختلط. في حالة تعدد الأوميكس، يمكن أيضا تطبيق طرق اختيار المؤشرات الحيوية.
      ملاحظة: ضع في اعتبارك خصائص مجموعة البيانات عند اختيار الطريقة المناسبة. توفر طرق الغلاف نماذج التنبؤ الأكثر دقة ، ولكنها تتطلب وقت حساب أطول بكثير من طرق التصفية أو المضمنة. يتم توفير جدول ملخص مع مزايا وعيوب مختلف اختيار الميزات وطرق الاستخراج في الجدول 1.
    3. قم بموازنة أداء النموذج النهائي مع الجهد الحسابي المطلوب لتحديد الميزات.
    4. قم بتحسين عدد الميزات المحددة لتجنب عدم التركيب أو الإفراط في التركيب.
      ملاحظة: تمت مناقشة أمثلة على مخاطر الإفراط في عمل منشور سابقا.
    5. قم بتقييم أداء النموذج باستخدام مقاييس مثل الدقة أو درجة المنطقة تحت المنحنى (AUC) أو معدل الخطأ المتوازن (BER).
  4. استخراج الميزة
    1. تحويل البيانات الأولية إلى مجموعة مخفضة من الميزات ذات المغزى:
      1. قم بتطبيق تقنيات مثل تحليل المكونات الرئيسية (PCA) لتحديد الأنماط والعلاقات المهمة عن طريق عرض البيانات على مساحة ذات أبعاد أقل.
      2. استخدم t-SNE لتصور البيانات عالية الأبعاد مع الحفاظ على أوجه التشابه المحلية.
      3. ضع في اعتبارك التحليل التمييزي الخطي (LDA) لزيادة قابلية فصل الطبقات.
      4. استكشاف برامج التشفير الذاتي لمعرفة التمثيلات المضغوطة للبيانات باستخدام الشبكات العصبية.
        ملاحظة: قد يؤدي استخراج الميزة إلى تمثيلات يصعب تفسيرها. يسرد الجدول 1 أمثلة مختارة لاختيار المعالم وطرق استخراجالميزات 5.

6. اختيار طريقة التكامل

  1. حدد طريقة (طرق) التكامل الأكثر صلة لتطبيقها على البيانات.
    1. إذا تمت مطابقة العينات وكان هناك ما يكفي من الموضوعات الكاملة ، فتابع طريقة التكامل المبكرة.
    2. إذا كان يجب أن تؤخذ التفاعلات بين الطبقات في الاعتبار ، فلا تتابع طريقة التكامل المتأخرة.
    3. إذا كانت الإشارات خفية ولكنها متسقة عبر الطبقات ، فقد تكون طريقة التكامل المبكر أكثر ملاءمة من طريقة التكامل المتأخرة.
    4. إذا كان من المهم الاستفادة من العلاقة المتبادلة للبيانات بين طبقات omic المختلفة ، فاختر طريقة تكامل متوسطة.
    5. تكامل منخفض المستوى للتسلسل
      1. إذا ظلت واحدة (أو أكثر) من كتل omics أكبر بكثير في عدد الميزات (المتغيرات) من الباقي ، فقم بتقليل أبعادها (الخاصة بها) باتباع الخطوات الواردة في القسم 5.
      2. تسلسل المتغيرات من كل مجموعة بيانات omics في مصفوفة واحدة واسعة.
      3. قم بتحويل المتغيرات المتسلسلة بحيث يكون لها نطاقات وتوزيعات متشابهة.
      4. استخدم مصفوفة البيانات المتسلسلة للتحليل اللاحق، مثل تطبيق خوارزميات التعلم الآلي أو استراتيجيات تقليل الأبعاد.
        ملاحظة: الطريقة الأكثر شيوعا لإجراء تكامل منخفض المستوى هي من خلال التسلسل. ومع ذلك، قد تؤدي هذه الأساليب إلى فقدان العلاقات بين الكتل أو الرؤى الخاصة بالكتلة.
  2. تكامل المستوى المتوسط
    1. اختر من بين الفئات الست الرئيسية للتكامل متوسط المستوى اعتمادا على هدف التحليل.
      1. القائم على التشابه: استخدم هذا النهج لتقييم التشابه بين العينات أو الميزات المختلفة لتحديد الأنماط أو الأنواع الفرعية داخل الأمراض ، في تحليل البيانات الاستكشافية حيث لا تكون العلاقات معروفة مسبقا. مثال: SNF6.
      2. قائم على الارتباط: استخدم هذه الطريقة لتحديد وتحديد الارتباطات بين المتغيرات المختلفة ، ولا سيما لتقييم كيفية تغير متغير واحد مع التغييرات في متغير آخر. مثال: CNAMet7.
      3. المستندة إلى الشبكة: استخدم الأساليب المستندة إلى الشبكة لتمثيل العلاقات المعقدة بين الميزات. من المفيد بشكل خاص الكشف عن المجموعات داخل بنية البيانات والتنبؤ بالمؤشرات الحيوية. أمثلة: NetICS8 ، PARADIGM9 ، scMoMtF10.
      4. قائم على بايز: استخدم هذا النهج لدمج المعرفة السابقة في التحليل أو عند التعامل مع أوجه عدم اليقين في البيانات. إنه مفيد بشكل خاص لاستنتاج الأنواع الفرعية للمرض والتنبؤ بالمؤشرات الحيوية بناء على النماذج الاحتمالية. أمثلة: وزارة الخارجية11 وiClusterPlus12.
      5. متعدد المتغيرات: استخدم هذه الطريقة لتحليل متغيرات متعددة في وقت واحد ، خاصة عندما تكون التفاعلات بين هذه المتغيرات ضرورية لفهم النظام البيولوجي. إنه مفيد لكل من التجميع واكتشاف المؤشرات الحيوية. أمثلة: mixOmics13 ، JIVE14،15.
      6. الاندماج: استخدم هذه الطريقة لدمج البيانات من طبقات omics المختلفة في إطار عمل واحد للاستفادة من نقاط القوة في كل نوع من أنواع البيانات. إنه مفيد بشكل خاص للتحليلات الشاملة التي تتطلب دمج مجموعات بيانات متنوعة. أمثلة: PFA16 ، PSDF17.
        ملاحظة: استنادا إلى المعالجة الإحصائية القوية أو النمذجة بواسطة تقنيات التعلم الآلي، قد يحد من المشكلات الموجودة في حالة عمليات التكامل منخفضة المستوى أو عالية المستوى.
    2. قم بتطبيق الطريقة المحددة على مجموعة بيانات multi-omics.
  3. تكامل عالي المستوى
    1. قم بإجراء تحليل كامل للبيانات على كل كتلة omic على حدة.
    2. التفسير المشترك للنتائج التي تم الحصول عليها في الخطوة السابقة.

7. التحليل الإحصائي

  1. تحليل التعبير التفاضلي (DE)
    1. قم بإعداد البيانات من خلال التأكد من تنسيق البيانات وتطبيعها بشكل صحيح.
      ملاحظة: اعتمادا على الحزم المستخدمة، قد يختلف تنسيق البيانات وهيكلها. يوصى باستخدام حزم R مثل limma18 أو edgeR19 أو DESeq220 لتحليل DE.
    2. إنشاء مصفوفة تصميم تتضمن معاملات منفصلة لكل مجموعة تجريبية ، مع تحديد الظروف التجريبية وتخصيصات المجموعة.
    3. قم بتنفيذ نموذج خطي وتطبيقه على كل ميزة ، مع دمج مصفوفة التصميم.
    4. احسب إحصائيات t المعتدلة وإحصائيات F لتقييم التعبير التفاضلي.
    5. استخدم الاعتدال التجريبي في Bayes للأخطاء القياسية لتقدير احتمالات السجل للتعبير التفاضلي.
    6. تحديد عتبات الدلالة
      1. ضع في اعتبارك الحد الأقصى للقيمة الاحتمالية 0.05 لتحديد الدلالة الإحصائية.
      2. قم بتعيين عتبات تغيير طي السجل استنادا إلى نوع الميزة:
      3. بالنسبة للمستقلبات والبروتينات ، استخدم تغيير السجل في log2 (1.1).
      4. بالنسبة للنصوص ، استخدم تغيير السجل الطي في log2 (1.5).
  2. تجميع
    1. حدد طريقة/خوارزمية تجميع لاستخدامها.
      ملاحظة: هناك خوارزميات تجميع مصممة خصيصا لبيانات omics المتعددة، مثل NEMO21 وiCluster22 وJIVE23.
    2. حدد عدد المجموعات إذا تطلبت الطريقة ذلك. بعض البدائل هي طريقة الكوع أو درجة الصورة الظلية أو إحصائية الفجوة لتقدير العدد الأمثل للمجموعات.
    3. قم بتشغيل خوارزمية التجميع المحددة على البيانات التي تم تنظيفها.
    4. تحسين المعلمات الخاصة بالخوارزمية حسب الحاجة.
    5. قم بتقييم جودة نتائج التجميع باستخدام مقاييس التحقق الداخلية أو الخارجية، مثل درجة الصورة الظلية أو مؤشر راند المعدل.
    6. إذا كان ذلك مناسبا وممكنا، فتحقق من صحة تعيين نظام المجموعة باستخدام بيانات مستقلة أو مجموعة بيانات اختبار مستبعدة مسبقا من تحليل نظام المجموعة.
  3. النمذجة التنبؤية
    1. تقييم الحاجة إلى إجراء النمذجة التنبؤية في دراسة متعددة الأوميكس.
      ملاحظة: يمكن تطبيق النماذج التنبؤية بعد تكامل الرموز المتعددة لمقارنة كيفية تغير دقة التنبؤ في تصنيف النتائج استنادا إلى الميزات المحددة بواسطة طرائق مختلفة.
    2. إذا كان القرار المتخذ في الخطوة 7.3.1 إيجابيا ، فتابع الخطوات التالية ؛ وإلا، انتقل إلى الخطوة 8.
    3. اختر نموذجا تنبؤيا مناسبا لتطبيقه.
      ملاحظة: مثال على نموذج لاستخدامه هو الغابة العشوائية (RF)، وهي خوارزمية تعلم آلي تدمج أشجار قرارات متعددة للحصول على نتيجة نهائية.
    4. ضبط معلمات النموذج (على سبيل المثال، باستخدام حزمة علامة الإقحام R).
    5. قسم مجموعة البيانات إلى تدريب واختبار (60-40٪ أو 80-20٪) ، بطريقة متوازنة للحصول على نفس نسبة العينات من مجموعات مختلفة.
    6. قم بتشغيل النموذج على مجموعة القطار.
    7. حساب الدقة ودرجة F1 في مجموعة الاختبار لتقييم أداء النموذج.
    8. كرر الخطوات من 2 إلى 4 عدة مرات (على سبيل المثال ، 1000) لزيادة العشوائية.
    9. احسب متوسط نتائج الخطوة 5.
    10. تقرير متوسط الدقة ودرجة F1. إذا لم تكن مرضية، فانتقل إلى الخطوة 1 لتحسين تحديد المعلمة.
    11. تحديد أهمية الميزة باستخدام متوسط انخفاض الدقة (DMA) ومتوسط الانخفاض في الشوائب (MDI).

8. التفسير البيولوجي:

  1. حدد أداة إثراء المسار (أدوات PEA شائعة الاستخدام هي DAVID و GSEA و Enrichr و Metascape).
  2. أدخل قائمة الجينات أو البروتينات في أداة تحليل تخصيب المسار المحددة.
  3. حدد قاعدة بيانات المسار المناسبة، مثل KEGG أو Reactome أو GO، لإجراء التحليل.
    ملاحظة: إحدى الأدوات التي تم تصميمها خصيصا لبيانات الإشارات المتعددة هي Paintomics ، والتي تستخدم قواعد البيانات (KEGG أو Reactome أو Mapman) لتوفير معلومات حول العلاقات الوظيفية بين هذه المؤشرات الحيوية ، بالإضافة إلى مشاركتها في عمليات بيولوجيةمحددة 25.
  4. قم بتشغيل تحليل إثراء المسار باستخدام الأداة وقاعدة البيانات المحددة.
  5. اضبط المعلمات حسب الحاجة ، مثل عتبة الأهمية أو قائمة الجينات الأساسية أو طريقة التصحيح.
  6. تصور وتقييم النتائج النهائية (المسارات المخصبة ، FDR ، مخططات المسار ، خرائط الحرارة ، من بين أمور أخرى).

9. تجارب التحقق والمتابعة

  1. التحقق الفني
    1. تحقق من أنه عند استخدام تقنيات تحليلية مختلفة على نفس العينات، يتم أيضا العثور على نتائج مكافئة.
      ملاحظة: على سبيل المثال ، يمكن التحقق من صحة النتائج التي تم الحصول عليها باستخدام البروتينات القائمة على قياس الطيف الكتلي (MS) لاحقا باستخدام مقايسة مناعية مثل مقايسة الممتز المناعي المرتبط بالإنزيم (ELISA).
  2. تحديد تجارب المتابعة للتحقق من صحة النتائج التي تم الحصول عليها.
  3. إذا أمكن ، قم بتكرار النتيجة عن طريق تحليل بيانات omics من مجموعة مستقلة.
  4. بالنسبة للتطبيقات السريرية ، قم بإجراء تجارب سريرية عشوائية لإثبات الصلاحية السريرية للنتائج.
    1. تصميم وتنفيذ دراسة مضبوطة بحجم عينة مناسب وتوزيع عشوائي لتقييم فعالية وسلامة المؤشرات الحيوية أو الأهداف المحددة.
    2. جمع نقاط النهاية السريرية ذات الصلة وقياس تأثير العوامل المحددة على نتائج المرضى.

10. أدوات التصور والتشخيص

ملاحظة: يمكن استخدام أنواع مختلفة من المخططات لتوضيح نتائج تحليل البيانات ، وتوفير تمثيلات مرئية للنتائج الرئيسية. تشمل المؤامرات شائعة الاستخدام مخططات البراكين ، وخرائط الحرارة ، ومؤامرات السيرك ، ومؤامرات مانهاتن.

  1. قطع أراضي البركان:
    1. استخدم مخططات البركان لتلخيص نتائج تحليل التعبير التفاضلي (DEA).
    2. عرض العلاقة بين الدلالة الإحصائية وحجم التغيير بين المجموعات المختبرة.
    3. تحديد الميزات الرئيسية لمزيد من الفحص بناء على موقعها في المؤامرة.
  2. خرائط الحرارة:
    1. استخدم خرائط الحرارة لتصور حجم المتغير عبر فئات مختلفة.
    2. استخدم الألوان للإشارة إلى شدة المتغير ، مما يسهل تحديد الأنماط والمجموعات داخل مجموعات البيانات.
  3. مؤامرات مانهاتن:
    1. استخدم مخططات مانهاتن لتلخيص نتائج إدارة مكافحة المخدرات بكفاءة وتصور العديد من نقاط البيانات في نفس المؤامرة.
    2. يشيع استخدامها في دراسات الارتباط على مستوى الجينوم (GWAS) ، ولكنها قابلة للتطبيق أيضا في دراسات multi-omics.
  4. قطع أراضي السيركوس:
    1. استخدم مخططات السيرك والتصورات الدائرية لاستكشاف التفاعلات والارتباطات بين السمات الجزيئية المختلفة.
    2. تصوير العلاقات والروابط بين العناصر المختلفة بطريقة شاملة وجذابة بصريا.
      ملاحظة: تقدم هذه الدراسة أمثلة على النتائج التمثيلية لكل نوع من أنواع المؤامرات المعروضة أعلاه باستخدام مجموعة بيانات اختبار السرطان.
  5. أدوات التشخيص:
    ملاحظة: تعد أدوات المرئيات ، جنبا إلى جنب مع مقاييس الأداء ، مهمة جدا لأغراض التشخيص.
    1. استخدام منحنيات خاصية تشغيل المستقبل (ROC) لتقييم أداء نماذج التصنيف.
    2. استخدم مخططات التحميل ومخططات تحليل المكونات الرئيسية (PCA) لتصور العلاقات والأنماط داخل البيانات.
      ملاحظة: يتم عرض أمثلة على النتائج التمثيلية لكل قطعة من هذه المخططات باستخدام مجموعة بيانات اختبار السرطان في قسم النتائج التمثيلية.
  6. مقاييس الأداء للتصنيف الثنائي
    ملاحظة: يمكن تكييف جميع المقاييس التالية للتصنيف متعدد الفئات ، كما هو الحال في المثال المعروض ، من خلال النظر في كل فئة مقابل البقية ، لكل فئة.
    1. مصفوفة الارتباك: استخدم مصفوفة الارتباك (الجدول 2) للإشارة إلى الإيجابيات الحقيقية والسلبيات الحقيقية في القطر ، والسلبيات الحقيقية في الكتل السفلية اليمنى ، والإيجابيات الخاطئة في الكتل العلوية اليمنى ، والسلبيات الكاذبة في الكتل السفلية اليسرى.
    2. الدقة: هي نسبة التعريفات الإيجابية التي كانت صحيحة. احسب الدقة باستخدام الصيغة TP / (TP + FP). النموذج بدقة 1 ليس له إيجابيات خاطئة. إذا كانت دقة النموذج تبلغ 0.5 ، فهذا يعني أن النموذج يكون صحيحا نصف الوقت.
      figure-protocol-1
    3. الاستدعاء أو الحساسية: يعرف أيضا باسم المعدل الإيجابي الحقيقي أو معدل الضرب، وهو نسبة الإيجابيات الفعلية التي تم تحديدها بشكل صحيح. احسب الاستدعاء أو الحساسية باستخدام الصيغة TP/(TP + FN) أو TP/pos، حيث pos = TP + FN هو العدد الإجمالي للأمثلة الإيجابية.
      figure-protocol-2
    4. الخصوصية: هي نسبة السلبيات الفعلية التي تم تحديدها بشكل صحيح. احسبها باستخدام الصيغة TN / neg ، حيث neg = TN + FP هو العدد الإجمالي للأمثلة السلبية.
      figure-protocol-3
    5. الدقة: نسبة التنبؤات الصحيحة (الإيجابية والسلبية). احسب الدقة باستخدام الصيغة:
      figure-protocol-4
    6. F-Score: F-Score هو المتوسط التوافقي بين الاستدعاء والدقة. احسبها باستخدام الصيغة:
      figure-protocol-5
    7. الدقة المتوازنة: الدقة المتوازنة (BAC) هي متوسط الحساسية والخصوصية. احسبها باستخدام الصيغة:
      figure-protocol-6
      حيث يرمز TPR إلى المعدل الإيجابي الحقيقي ويتوافق مع الاستدعاء ، و TNR تعني المعدل السلبي الحقيقي ويتوافق مع الخصوصية.
    8. معدل الخطأ المتوازن: معدل الخطأ المتوازن (BER) هو متوسط الأخطاء في كل فئة. احسبها باستخدام الصيغة:
      figure-protocol-7
      ملاحظة: يتمتع معدل الخطأ بميزة النظر في الاختلاف في الأداء بين الفئات عن طريق إنشاء مقياس متوازن لمعدل الخطأ، وبالتالي الحد من تأثير مجموعة البيانات غير المتوازنة. يمثل معدل الخطأ 0.5 أداء مشابها للتخمين العشوائي. بالنسبة إلى DIABLO ، فإن معدل الخطأ في التصنيف المرجح من كل كتلة ، اعتمادا على الارتباط بين المكونات وحالة الاهتمام. BER هو مكمل BA إلى 1 ، أي BER = (1 - BAC).
    9. المنطقة تحت المنحنى: احسب المنطقة الواقعة أسفل المنحنى (AUC) كمنطقة أسفل ROC (الموضحة في القسم التالي) ، والتي تم الحصول عليها عن طريق رسم الحساسية مقابل الخصوصية.
      ملاحظة: يعتمد أي من هذه المقاييس هو الأنسب للمهمة على أهمية السلبيات الخاطئة والتوازن أو عدم التوازن بين الفئات. تركز الدقة على تقليل الإيجابيات الخاطئة ، بينما يركز الاستدعاء على تقليل السلبيات الخاطئة. إذا كانت هناك نسبة منخفضة من الحالات الإيجابية ، فقد لا تكون الدقة وحدها أفضل مؤشر لتقييم أداء النموذج. يتم توفير Code.R كملف تكميلي 1.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

كما هو الحال في تحليل الوقاية الفردية ، يعد التصور أمرا أساسيا لاستكشاف البيانات وتكامل البيانات والتعرف على الأنماط وإنشاء الفرضيات وتوصيل النتائج. على وجه التحديد ، يعد التصور الجيد للبيانات الكبيرة أمرا مهما جدا أثناء خطوات المعالجة المسبقة للبيانات ، مما يساعد في التحقق من التطبيع ، وتحديد القيم المتطرفة ، وغير ذلك الكثير. في التمثيل المتعدد ، أكثر من ذلك ، يعد التصور أمرا حيويا ، لأنه يمكن أن يساعد في تقييم الاتجاهات في الطبقات / الكتل المتعددة ، ويمكن أن يساعد تراكب المعلومات من كل كتلة في تحديد المعلومات المشتركة ...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعد تحديد مجموعة بيانات omics الأكثر صلة بإحدى الخطوات الأولى في دراسة تكامل omics متعددة. في البحوث الغذائية ، تمثل التمثيل الغذائي واحدة من أولى طبقات omics التي يجب النظر إليها ، حيث يمكنها تسليط الضوء على مسارات التمثيل الغذائي والعمليات الكيميائية الحيوية على أساس التدخل الغذائي أو الاستجابة الأيضية لتناول الطعام. من ناحية أخرى ، على سبيل المثال ، في بيولوجيا السرطان ، يمكن أن تساعد علم الجينوم والنسخ التي تعطي معلومات حول الحمض النووي والمتغيرات الجينية واختلالات التعبير الجيني ، ف...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

E. A. ، R. R ، و O. C هم موظفون في Société des Produits Nestlé SA.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يقر المؤلفون بدعم الدكتور مايكل أفولتر ، والدكتور لويك دايون ، والدكتور جان فيليب غودين ، والدكتورة فرانشيسكا جيوفريدا ، والدكتورة يوجينيا ميجليافاكا ، والبروفيسور آن فلورنس بيتبول ، والبروفيسور زولتان كوتاليك.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Apple M2 Pro macOSApple14.3 (23D56)معالجة حزمة
ggplot2 Rr-project.org3.4.4إنشاء مرئيات البيانات
حزمة ggpubr Rr-project.org0.6.0إنشاء مخططات جاهزة للنشر
ggrepel حزمة Rr-project.org0.9.5وضع التسميات النصية غير المتداخلة تلقائيا باستخدام ggplot2
حزمة lattice Rr-project.org0.22-5رسومات Tellis لحزمة R
limma Rr-project.org3.58.1نماذج خطية لمزيج بيانات المصفوفات الدقيقةحزمة
Omics Rr-project.org6.25.1مشروع تكامل بيانات
Omic حزمة NEMO Rr-project.org0.1.0تجميع متعدد الأومكس القائم على الجوار
R & nbsp ؛r-project.org4.3.2 (2023-10-31)لغة البرمجة للحوسبة الإحصائية والرسومات
R StudioRStudio2023.12.1+402 (2023.12.1+402)بيئة تطوير متكاملة لحزمة
R SNFtoolR r-project.org2.3.1حزمة اندماج شبكة التشابه
Tidyr Rr-project.org1.3.1البيانات الفوضوي
المرتب R الحزمةr-project.org1.3.0توصيفات مرتبة لأداء النموذج
للكمبيوتر معيار

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Hasin, Y., Seldin, M., Lusis, A. Multi-omics approaches to disease. Genome Biol. 18 (1), 83(2017).
  2. Reel, P. S., Reel, S., Pearson, E., Trucco, E., Jefferson, E. Using machine learning approaches for multi-omics data analysis: a review. Biotechnol Adv. 49, (2021).
  3. Ritchie, M. D., Holzinger, E. R., Li, R., Pendergrass, S. A., Kim, D. Methods of integrating data to uncover genotype-phenotype interactions. Nat Rev Genet. 16 (2), 85-97 (2015).
  4. Lan, W., He, G., Liu, M., Chen, Q., Cao, J., Peng, W. Transformer-Based Single-Cell Language Model: a survey. Big Data Min Analyt. 7 (4), 1169-1186 (2024).
  5. Li, Y., Mansmann, U., Du, S., Hornung, R. Benchmark study of feature selection strategies for multi-omics data. BMC Bioinformatics. 23 (1), (2022).
  6. Li, L., et al. Multi-omics data integration for subtype identification of Chinese lower-grade gliomas: a joint similarity network fusion approach. Comput Struct Biotechnol J. 20, 3482-3492 (2022).
  7. Louhimo, R., Hautaniemi, S. CNAmet: an R package for integrating copy number, methylation and expression data. Bioinformatics. 27 (6), 887-888 (2011).
  8. Dimitrakopoulos, C., et al. Network-based integration of multi-omics data for prioritizing cancer genes. Bioinformatics. 34 (14), 2441-2448 (2018).
  9. McLendon, R. Comprehensive genomic characterization defines human glioblastoma genes and core pathways. Nature. 455 (7216), 1061(2008).
  10. Lan, W., Ling, T., Chen, Q., Zheng, R., Li, M., Pan, Y. scMoMtF: an interpretable multitask learning framework for single-cell multi-omics data analysis. PLoS Comput Biol. 20 (12), e1012679(2024).
  11. Argelaguet, R., et al. MOFA+: a statistical framework for comprehensive integration of multi-modal single-cell data. Genome Biol. 21 (1), (2020).
  12. Mo, Q., et al. Pattern discovery and cancer gene identification in integrated cancer genomic data. Proc Natl Acad Sci USA. 110 (11), 4245-4250 (2013).
  13. Rohart, F., Gautier, B., Singh, A., Lê Cao, K. A. mixOmics: an R package for 'omics feature selection and multiple data integration. PLoS Comput Biol. 13 (11), (2017).
  14. O'Connell, M. J., Lock, E. F. R.JIVE for exploration of multi-source molecular data. Bioinformatics. 32 (18), 2877-2879 (2016).
  15. Lock, E. F., Hoadley, K. A., Marron, J. S., Nobel, A. B. Joint and individual variation explained (JIVE) for integrated analysis of multiple data types. Ann Appl Stat. 7 (1), 523-542 (2013).
  16. Shi, Q. Pattern fusion analysis by adaptive alignment of multiple heterogeneous omics data. Bioinformatics. 33 (17), 2706-2714 (2017).
  17. Yuan, Y., Savage, R. S., Markowetz, F. Patient-Specific Data Fusion defines prognostic cancer subtypes. PLoS Comput Biol. 7 (10), e1002227(2011).
  18. Smyth, G. K. Linear models and empirical bayes methods for assessing differential expression in microarray experiments. Stat Appl Genet Mol Biol. 3 (1), (2004).
  19. Robinson, M. D., McCarthy, D. J., Smyth, G. K. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics. 26 (1), 139(2010).
  20. Love, M. I., Huber, W., Anders, S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 15 (12), (2014).
  21. Rappoport, N., Shamir, R. NEMO: cancer subtyping by integration of partial multi-omic data. Bioinformatics. 35 (18), 3348-3356 (2019).
  22. Shen, R., Olshen, A. B., Ladanyi, M. Integrative clustering of multiple genomic data types using a joint latent variable model with application to breast and lung cancer subtype analysis. Bioinformatics. 25 (22), 2906-2912 (2009).
  23. Biau, G., Scornet, E. A random forest guided tour. Test. 25 (2), 197-227 (2016).
  24. Rigatti, S. J. Random Forest. J Insur Med. 47 (1), 31-39 (2017).
  25. Hernández-De-Diego, R., et al. PaintOmics 3: a web resource for the pathway analysis and visualization of multi-omics data. Nucleic Acids Res. 46 (W1), W503-W509 (2018).
  26. Singh, A., et al. DIABLO - an integrative, multi-omics, multivariate method for multi-group classification. BioRxiv. , (2016).
  27. Koboldt, D. C., et al. Comprehensive molecular portraits of human breast tumours. Nature. 490 (7418), 61-70 (2012).
  28. Welham, Z., Déjean, S., LêCao, K. A. Multivariate analysis with the R package mixOmics. Methods Mol Biol. 2426, 333-359 (2023).
  29. Sharifi-Noghabi, H., Zolotareva, O., Collins, C. C., Ester, M. MOLI: multi-omics late integration with deep neural networks for drug response prediction. Bioinformatics. 35 (14), i501-i509 (2019).
  30. Chicco, D., Cumbo, F., Angione, C. Ten quick tips for avoiding pitfalls in multi-omics data integration analyses. PLoS Comput Biol. 19 (7), e1011224(2023).
  31. Lan, W., Liao, H., Chen, Q., Zhu, L., Pan, Y., Chen, Y. P. P. DeepKEGG: a multi-omics data integration framework with biological insights for cancer recurrence prediction and biomarker discovery. Brief Bioinform. 25 (3), 185(2024).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Multi Omics IntegrationOmics Data AnalysisBiological ResearchData IntegrationGenomics ProteomicsMetabolomics TranscriptomicsMachine LearningMolecular InteractionsVisualization ToolsModel Based Integration

Related Articles