Method Article

Ein umfassendes Protokoll und eine Schritt-für-Schritt-Anleitung für die Integration von Multi-Omics in der biologischen Forschung

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

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

In dieser Arbeit werden Methoden zum Integrieren von Multi-Omics-Daten (Verkettung, Transformation und modellbasiert) beschrieben. Durch die Kombination von Daten aus der Genomik, Epigenomik, Transkriptomik, Proteomik, Metabolomik, Metagenomik, Lipidomik und Glykomik wird ein umfassendes Verständnis biologischer Systeme erreicht. Das Manuskript enthält Schritt-für-Schritt-Anleitungen, in denen Einschränkungen, Vorteile und Visualisierungswerkzeuge für die Multi-Omics-Integration hervorgehoben werden.

Abstract

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

Dieses Manuskript bietet eine umfassende Schritt-für-Schritt-Anleitung für die Integration von Multi-Omics-Daten in die biologische Forschung.

Multi-Omics-Datenintegration bezieht sich auf den Prozess der Kombination und Analyse von Daten, die an denselben biologischen Proben mit verschiedenen Omics-Technologien wie Genomik, Epigenomik, Transkriptomik, Proteomik, Metabolomik, Mikrobiom, Lipidomik und Glykomik gemessen wurden. Auch wenn Multi-Omics-Ansätze ähnliche Ziele verfolgen wie Single-Block- oder Single-Omics-Analysen (z. B. Beschreibung, Unterscheidung, Klassifizierung oder Vorhersage), sind sie in der Lage, ein breiteres Spektrum an molekularen Informationen zu erfassen und so ein tieferes Verständnis biologischer Systeme und ihrer komplexen Wechselwirkungen zu ermöglichen. In der Tat ermöglicht die Kombination von Multiple-Omics-Datensätzen die Verbesserung der Vorhersagegenauigkeit und liefert robustere Ergebnisse, insbesondere in Fällen, in denen die Anzahl der verfügbaren Stichproben begrenzt ist. Darüber hinaus sind Multi-Omics-Analysen, auch dank der jüngsten Entwicklung von Techniken des maschinellen Lernens, heutzutage geeignet, verborgene Muster und komplexe Phänomene aufzudecken, die zwischen verschiedenen biologischen Verbindungen auftreten.

Das Hauptziel dieser Arbeit ist es, das vollständige Protokoll vorzustellen, das üblicherweise in Multi-Omics-Studien verwendet wird, von der ersten Formulierung des Problems bis hin zu den Werkzeugen, die für die biologische Interpretation der Ergebnisse nützlich sind. Das Manuskript beschreibt detailliert die verschiedenen Methoden zur Integration von Multi-Omics-Daten, einschließlich verkettungsbasierter (Low-Level), transformationsbasierter (Mid-Level) und modellbasierter (High-Level) Ansätze, und hebt deren Grenzen und Vorteile hervor, zusammen mit der Vorstellung allgemeiner Visualisierungs- und Diagnosewerkzeuge.

Introduction

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

Auf dem Gebiet der biologischen Forschung hat sich in den letzten Jahren viel getan, insbesondere im Bereich der Omics-Technologien. Diese Technologien liefern wertvolle Einblicke in die komplexe Natur biologischer Systeme. Jede Omics-Technologie bietet jedoch eine einzigartige Perspektive auf biologische Komponenten, die die Integration von Multi-Omics-Daten erfordert, um ein umfassendes Verständnis zu erhalten.

Multi-Omics umfasst verschiedene Klassen von Biomolekülen, die dank des Aufkommens neuer und leistungsstarker Hochdurchsatz-Sequenzierungstechniken quantitativ definiert werden können. Zu den verschiedenen Arten von Omics-Technologien gehören Genomik, Epigenomik, Transkriptomik, Proteomik, Metabolomik, Metagenomik, Lipidomik und Glykomik. In der Genomik geht es um die Untersuchung des Genoms eines Organismus, während sich die Epigenomik auf die Stützstruktur des Genoms konzentriert, einschließlich Protein- und RNA-Bindern, alternativer DNA-Strukturen und chemischer Modifikationen an der DNA. Die Transkriptomik umfasst die Untersuchung aller RNA-Moleküle, einschließlich mRNA, rRNA, tRNA und anderer nicht-kodierender RNA. Die Proteomik befasst sich mit der Untersuchung von Proteinen, einschließlich Modifikationen, die an bestimmten Gruppen von Proteinen vorgenommen wurden. Die Metabolomik konzentriert sich auf das Ensemble kleiner Moleküle (Metaboliten) innerhalb einer biologischen Matrix. Die Metagenomik befasst sich mit der Untersuchung mikrobieller Gemeinschaften in genau definierten Lebensräumen mit spezifischen physikalisch-chemischen Eigenschaften. Die Lipidomik umfasst die Untersuchung des gesamten Komplementärs der zellulären Lipide, während sich die Glykomik auf die Untersuchung des Glykoms, einschließlich Kohlenhydrate und Zucker, konzentriert1.

Die Integration von Multi-Omics-Daten hat in der wissenschaftlichen Gemeinschaft zunehmend an Aufmerksamkeit gewonnen, da sie das Potenzial hat, komplexe biologische Phänomene zu entschlüsseln. Durch die Kombination von Daten aus mehreren Omics-Technologien können Forschende die Einschränkungen einzelner Datensätze überwinden und einen ganzheitlicheren Blick auf biologische Systeme erhalten. Dieser integrierte Ansatz ermöglicht die Identifizierung neuartiger Biomarker, die Entdeckung von Krankheitsmechanismen und die Aufklärung komplizierter biologischer Signalwege.

Die Anzahl der Zitationen der Begriffe "Multiomics" und "Multi-omics" in PubMed ist im Laufe der Jahre deutlich gestiegen, von 307 im Jahr 2018 über 1414 im Jahr 2021 bis hin zu 3933 im Jahr 2023. Die Integration verschiedener Arten von Omics-Variablen wird immer häufiger, da sie eine tiefere Untersuchung der Mechanismen ermöglicht, die Krankheiten und Funktionsstörungen von Organismen zugrunde liegen. Single-Omics-Ansätze bieten eine begrenzte, partielle Sicht auf die verborgene Biologie, da sie sich auf eine einzige Perspektive konzentrieren. Durch die Integration von Multi-Omics-Daten können wir jedoch das Zusammenspiel verschiedener Biomoleküle beleuchten, die Beziehungen innerhalb mehrerer Schichten verstehen und die Lücke zwischen Genotyp und Phänotyp schließen. Insgesamt können Multi-Omics-Ansätze dazu beitragen, wichtige Fragen zu beantworten, wie z. B. die Klassifizierung verschiedener Untergruppen von Krankheiten, die Vorhersage grundlegender krankheitsassoziierter Biomarker und ein besseres Verständnis biologischer Signalwege und Mechanismen. In den folgenden Abschnitten können die verschiedenen Omics-Datensätze auch als Datenansichten oder Datenblöcke bezeichnet werden.

Techniken zur Multi-Omics-Integration können in drei Hauptuntergruppen eingeteilt werden, wie von Reel et al. (2021)2 und Ritchie et al. (2015)3 beschrieben (Abbildung 1).

Frühe Integration oder Verkettung auf niedriger Ebene: Bei diesem Ansatz werden Variablen aus jedem einzelnen Datensatz in einer einzigen Matrix verkettet. Bei der frühen Integration wird jedoch die eindeutige Verteilung der einzelnen Omics-Datentypen nicht berücksichtigt, und bestimmten Omics-Datentypen mit größeren Dimensionen wird möglicherweise mehr Gewicht zugewiesen. Es bringt auch Herausforderungen mit sich, wie z. B. ein erhöhtes Risiko des Fluchs der Dimensionalität, zusätzliches Rauschen, stark korrelierte Variablen und Probleme bei der rechnerischen Skalierbarkeit. Trotz dieser Einschränkungen ermöglicht eine frühzeitige Integration die Identifizierung koordinierter Veränderungen über mehrere omische Schichten hinweg und verbessert die biologische Interpretation.

Mid-Level-, Middle-Level-Integration oder transformationsbasiert: Bei diesem Ansatz werden mathematische Integrationsmodelle auf die verschiedenen Schichten von Omics-Daten angewendet. Die mittlere Integration konzentriert sich auf die Verschmelzung von Teilmengen oder Darstellungen, die aus den Quellen extrahiert wurden. Zwei Unteransätze innerhalb der mittleren Integration sind der Middle-up-Ansatz und der Middle-down-Ansatz. Der Middle-up-Ansatz umfasst verkettete Bewertungen, die durch die Dimensionalitätsreduzierung in jedem Block erhalten werden, wodurch er für die Verarbeitung heterogener Daten geeignet ist. Es kann jedoch an Interpretierbarkeit mangeln. Der Middle-Down-Ansatz beinhaltet die Auswahl lokaler Variablen und die anschließende Analyse verketteter Variablenteilmengen, was eine einfachere Interpretation der Modelle ermöglicht. Die mittlere Integration bietet Vorteile wie ein verbessertes Signal-Rausch-Verhältnis, eine geringere Dimensionalität und eine verbesserte statistische Aussagekraft.

High-Level, Late-Integration oder modellbasiert: Bei diesem Ansatz werden Analysen auf jeder einzelnen Omik-Ebene durchgeführt und die Ergebnisse ad-hoc kombiniert. Es umfasst die Fusion von Ergebnissen aus Einzelblockmodellen, um Biomarker aus jeder Quelle zu identifizieren und eine gemeinsame Interpretation der Ergebnisse zu ermöglichen. Die späte Integration erhöht die Dimensionalität des Eingaberaums nicht und funktioniert mit der eindeutigen Verteilung der einzelnen Omics-Daten. Dies ist besonders geeignet, wenn eine omische Schicht prädiktiver ist als andere. Bei der späten Integration können jedoch Cross-Omics-Beziehungen übersehen werden und stehen vor Herausforderungen, die mit dem mangelnden Verständnis der Zusammenhänge zwischen anfänglichen Datenblöcken und dem potenziellen Verlust biologischer Informationen durch individuelle Modellierung zusammenhängen.

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

Protocol

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

1. Definition der Forschungsfrage(n)

  1. Formulieren Sie klar die spezifische(n) Forschungsfrage(n), die durch die Multi-Omics-Integration beantwortet werden. Z.B. Forschungsfrage 1: Welche Veränderungen in der Proteinexpression und in den Metabolitenprofilen korrelieren mit dem Ansprechen auf die Behandlung? Forschungsfrage 2: Wie beeinflussen genetische Variationen die Genexpressionsmuster bei Patienten mit einer bestimmten Erkrankung? Forschungsfrage 3: Wie ermöglicht die Integration spezifischer omischer Schichten ein umfassendes Verständnis eines spezifischen biologischen Prozesses oder Krankheitsmechanismus?
  2. Erwägen Sie die Einbeziehung mehrerer Omics-Technologien, um nach Biomarkern zu suchen oder mechanistische Einblicke in komplexe Krankheiten zu gewinnen. Beachten Sie, dass eine Erhöhung der Stichprobengröße für die Patientenstratifizierung erforderlich sein kann.

2. Omics-Auswahl

  1. Identifizieren Sie die relevantesten Omics-Technologien für die Forschungsfrage(n) und das untersuchte biologische System. Im Fall von Frage 1 sind beispielsweise die relevanten Omik-Technologien Proteomik und Metabolomik; für Forschungsfrage 2, Genomik und Transkriptomik; und für Forschungsfrage 3 mehrere OMIC-Technologien.
  2. Berücksichtigen Sie bei der Auswahl der idealen Omics-Schichten den Zweck der Studie und die verfügbaren Ressourcen. Beispiele hierfür sind die Metabolomik für die Ernährungsforschung, die Genomik und Transkriptomik für die Krebsbiologie sowie die Proteomik für verschiedene Krankheiten.

3. Sicherstellung der Datenqualität

HINWEIS: Stellen Sie die Zuverlässigkeit und Reproduzierbarkeit der Daten sicher, die nach den unten beschriebenen Schritten generiert werden.

  1. Entwerfen Sie das Experiment sorgfältig und halten Sie konsistente Versuchsbedingungen und Probenentnahmemethoden über alle Omics-Schichten hinweg aufrecht, um Batch-Effekte zu minimieren.
  2. Befolgen Sie etablierte Protokolle und implementieren Sie Qualitätskontrollmaßnahmen während der Datengenerierung für jeden omic-Datensatz.
    1. Verwenden Sie gegebenenfalls interne oder externe Standards.
    2. Führen Sie Qualitätsprüfungen in einzelnen Omics-Datensätzen durch.
      1. Bewerten Sie bei Genomikdaten Metriken wie Lesequalitätswerte, Basenzusammensetzung und Sequenzierungstiefe, um qualitativ hochwertige Sequenzierungsdaten sowie die Alignment- und Mapping-Qualität und die Qualität der Variantenaufrufe, einschließlich Allelfrequenz, Lesetiefe und Variantenannotation, sicherzustellen.
      2. Bewerten Sie für Transkriptomik-Daten Metriken wie die Verteilung der Leselänge, die Basenzusammensetzung und die Phred-Qualitätswerte bei der Bewertung der Lesequalität sowie das Transkript pro Million (TPM) oder Fragmente pro Kilobase des Transkripts pro Million kartierter Lesevorgänge (FPKM) bei der Bewertung der Qualität der Transkriptquantifizierung.
      3. Berücksichtigen Sie bei Proteomik-Daten relevante Metriken wie die Peak-Intensitätsverteilung, das Signal-Rausch-Verhältnis und die Massengenauigkeit bei der Bewertung der Massenspektrometrie-Datenqualität und der Peptidsequenzabdeckung, der Proteinidentifikationsbewertung, der Falschentdeckungsrate und der Reproduzierbarkeit von Proteinhäufigkeitsmessungen bei der Beurteilung der Proteinidentifizierungs- und Quantifizierungsqualität.
      4. Bewerten Sie für Metabolomik-Daten relevante Metriken wie die Verteilung der Peakintensität, das Signal-Rausch-Verhältnis und die Massengenauigkeit, wenn Sie die Qualität der Massenspektrometriedaten beurteilen und Massenspektren mit Referenzdatenbanken abgleichen oder Fragmentierungsmuster zur strukturellen Aufklärung verwenden, wenn Sie die Qualität der Metabolitenidentifizierung bewerten.

4. Vorverarbeitung von Daten

  1. Überlappende Stichproben
    1. Schließen Sie nur Beispiele ein, die sich über mehrere Omics-Datasets erstrecken.
    2. Schließen Sie Blöcke mit einer unzureichenden Anzahl überlappender Stichproben im Vergleich zu anderen Blöcken aus.
  2. Imputation fehlender Werte
    1. Behandeln Sie fehlende Werte mit statistischen oder maschinellen Lernmethoden.
    2. Verwenden Sie Techniken wie die LSA-Methode (Least-Squares Adaptive) für die Imputation fehlender Werte.
    3. Vermeiden Sie das Entfernen von Zeilen mit fehlenden Daten, insbesondere wenn es sich um begrenzte Stichproben handelt.
    4. Schließen Sie Variablen mit einem hohen Prozentsatz fehlender Werte aus (z. B. 25 % oder 30 % fehlende Werte in allen Stichproben).
  3. Standardisierung
    1. Führen Sie eine Datenmanipulation durch, um eine konsistente Skalierung von Features sicherzustellen.
    2. Verhindern Sie, dass Features mit größeren Effekten diejenigen mit kleineren Effekten dominieren.
    3. Wenden Sie gängige Transformationen wie logarithmische Transformation, Zentrierung und Skalierung an.
      HINWEIS: Transformationen sollten sorgfältig ausgewählt werden, um die Interpretierbarkeit der ursprünglichen Daten zu erhalten.
  4. Identifizierung von Ausreißern
    1. Erkennen Sie Ausreißer und Extremwerte mit Werkzeugen wie Boxplots oder dem Abstand vom Median der Werte.
    2. Beheben Sie Ausreißer durch geeignete Methoden wie Datentransformation oder -entfernung.

5. Reduzierung der Dimensionalität

HINWEIS: Es gibt zwei Ansätze zur Reduzierung der Dimensionalität: das Entfernen von verrauschten und redundanten Variablen (Merkmalsauswahl) oder das Kombinieren von Merkmalen, um aussagekräftigere Variablen zu erstellen (Merkmalsextraktion).

  1. Identifizieren Sie, ob das Ziel der Studie prädiktiv (z. B. Aufbau eines Modells, das vorhersagen kann, ob ein Proband gesund oder krank ist) oder analytisch (z. B. welche Variablen Biomarker für eine Krankheit sind) ist.
    HINWEIS: Wenn das Ziel der Studie analytisch ist, ist die Merkmalsauswahl besser geeignet, da die Merkmalsextraktion zu einem Verlust der Interpretierbarkeit führen kann.
  2. Beim Umgang mit hochdimensionalen Daten ist es wichtig, relevante Variablen für das untersuchte Phänomen auszuwählen, um die Analyse und Interpretation zu erleichtern, die benötigten Rechenressourcen zu reduzieren und Rauschen und redundante Informationen zu entfernen, die die Ergebnisse verwirren.
  3. Auswahl der Funktionen
    1. Identifizieren Sie die Teilmenge der informativen Merkmale für das interessierende Phänomen.
    2. Verwenden Sie Featureauswahlmethoden, die in Kategorien wie Filter, Wrapper, eingebettete und hybride Methoden unterteilt sind. Im Falle von Multi-Omics können auch Methoden zur Auswahl von Biomarkern angewendet werden.
      HINWEIS: Berücksichtigen Sie bei der Auswahl der geeigneten Methode die Eigenschaften des Datensatzes. Wrappermethoden bieten die genauesten Vorhersagemodelle, erfordern jedoch eine viel längere Rechenzeit als Filter- oder eingebettete Methoden. Eine zusammenfassende Tabelle mit den Vor- und Nachteilen der verschiedenen Methoden zur Merkmalsauswahl und -extraktion finden Sie in Tabelle 1.
    3. Gleichen Sie die Leistung des endgültigen Modells mit dem Rechenaufwand aus, der für die Merkmalsauswahl erforderlich ist.
    4. Optimieren Sie die Anzahl der ausgewählten Funktionen, um eine Unter- oder Überanpassung zu vermeiden.
      HINWEIS: Beispiele für Überanpassungsrisiken werden in einer bereits veröffentlichten Arbeit diskutiert.
    5. Bewerten Sie die Leistung des Modells anhand von Metriken wie Genauigkeit, AUC-Wert (Area under the Curve) oder BER-Rate (Balanced Error Rate).
  4. Extraktion von Merkmalen
    1. Transformieren Sie Rohdaten in einen reduzierten Satz aussagekräftiger Funktionen:
      1. Wenden Sie Techniken wie die Hauptkomponentenanalyse (PCA) an, um wichtige Muster und Beziehungen zu identifizieren, indem Sie Daten in einen niedrigdimensionalen Raum projizieren.
      2. Nutzen Sie t-SNE zur Visualisierung hochdimensionaler Daten unter Beibehaltung lokaler Ähnlichkeiten.
      3. Erwägen Sie die lineare Diskriminanzanalyse (LDA), um die Klassentrennbarkeit zu maximieren.
      4. Entdecken Sie Autoencoder, um komprimierte Darstellungen der Daten mithilfe neuronaler Netze zu lernen.
        HINWEIS: Die Merkmalsextraktion kann zu Darstellungen führen, die schwieriger zu interpretieren sind. Tabelle 1 listet ausgewählte Beispiele für Methoden zur Merkmalsauswahl und Merkmalsextraktionauf 5.

6. Auswahl der Integrationsmethode

  1. Identifizieren Sie die relevanteste(n) Integrationsmethode(n), die auf die Daten angewendet werden soll.
    1. Wenn die Stichproben übereinstimmen und genügend vollständige Probanden vorhanden sind, fahren Sie mit einer frühen Integrationsmethode fort.
    2. Wenn Wechselwirkungen zwischen den Schichten berücksichtigt werden müssen, dann gehen Sie nicht mit einer späten Integrationsmethode vor.
    3. Wenn die Signale subtil, aber über alle Schichten hinweg konsistent sein können, dann ist eine frühe Integrationsmethode möglicherweise besser geeignet als eine späte Integrationsmethode.
    4. Wenn es wichtig ist, die Wechselbeziehung der Daten zwischen den verschiedenen Omik-Schichten zu nutzen, dann wählen Sie eine mittlere Integrationsmethode.
    5. Low-Level-Integration der Verkettung
      1. Wenn einer (oder mehrere) der Omics-Blöcke in der Anzahl der Features (Variablen) viel größer bleibt als die anderen, reduzieren Sie seine (ihre) Dimensionalität, indem Sie die Schritte in Abschnitt 5 befolgen.
      2. Verketten Sie Variablen aus jedem einzelnen Omics-Datensatz in einer breiten Matrix.
      3. Transformieren Sie verkettete Variablen so, dass sie ähnliche Bereiche und Verteilungen aufweisen.
      4. Verwenden Sie die verkettete Datenmatrix für nachfolgende Analysen, z. B. für die Anwendung von Algorithmen des maschinellen Lernens oder Strategien zur Reduzierung der Dimensionalität.
        HINWEIS: Die gebräuchlichste Methode zur Durchführung einer Low-Level-Integration ist die Verkettung. Diese Methoden können jedoch dazu führen, dass Beziehungen zwischen Blöcken oder blockspezifische Erkenntnisse verloren gehen.
  2. Integration auf mittlerer Ebene
    1. Wählen Sie je nach Ziel der Analyse aus den sechs Hauptkategorien der Mid-Level-Integration.
      1. Ähnlichkeitsbasiert: Verwenden Sie diesen Ansatz, um die Ähnlichkeit zwischen verschiedenen Stichproben oder Merkmalen zu bewerten, um Muster oder Subtypen innerhalb von Krankheiten zu identifizieren, in der explorativen Datenanalyse, bei der Beziehungen a priori nicht bekannt sind. Beispiel: SNF6.
      2. Korrelationsbasiert: Verwenden Sie diese Methode, um Assoziationen zwischen verschiedenen Variablen zu identifizieren und zu quantifizieren, insbesondere um zu beurteilen, wie sich eine Variable mit den Änderungen einer anderen ändert. Beispiel: CNAMet7.
      3. Netzwerkbasiert: Verwenden Sie netzwerkbasierte Methoden, um komplexe Beziehungen zwischen Features darzustellen. Es ist besonders nützlich, um Cluster innerhalb der Datenstruktur aufzudecken und Biomarker vorherzusagen. Beispiele: NetICS8, PARADIGM9, scMoMtF10.
      4. Bayes'sch-basiert: Verwenden Sie diesen Ansatz, um Vorwissen in die Analyse einzubeziehen oder mit Unsicherheiten in den Daten umzugehen. Es ist besonders nützlich für die Ableitung von Krankheitssubtypen und die Vorhersage von Biomarkern auf der Grundlage probabilistischer Modelle. Beispiele: MOFA11, iClusterPlus12.
      5. Multivariat-basiert: Verwenden Sie diese Methode, um mehrere Variablen gleichzeitig zu analysieren, insbesondere wenn Wechselwirkungen zwischen diesen Variablen für das Verständnis des biologischen Systems unerlässlich sind. Es ist sowohl für das Clustering als auch für die Entdeckung von Biomarkern nützlich. Beispiele: mixOmics13, JIVE14,15.
      6. Fusionsbasiert: Verwenden Sie diese Methode, um Daten aus verschiedenen Omics-Schichten in einem einzigen Framework zu kombinieren, um die Stärken der einzelnen Datentypen zu nutzen. Es ist besonders nützlich für umfassende Analysen, die die Integration verschiedener Datensätze erfordern. Beispiele: PFA16, PSDF17.
        HINWEIS: Basierend auf einer starken statistischen Verarbeitung oder Modellierung durch maschinelle Lerntechniken kann es Probleme begrenzen, die bei Low- oder High-Level-Integrationen auftreten.
    2. Wenden Sie die ausgewählte Methode auf das Multi-Omics-Dataset an.
  3. Integration auf hohem Niveau
    1. Führen Sie eine vollständige Datenanalyse für jeden einzelnen Omic-Block unabhängig voneinander durch.
    2. Interpretieren Sie gemeinsam die im vorherigen Schritt erzielten Ergebnisse.

7. Statistische Auswertung

  1. Analyse der differentiellen Expression (DE)
    1. Bereiten Sie die Daten vor, indem Sie sicherstellen, dass die Daten ordnungsgemäß formatiert und normalisiert sind.
      HINWEIS: Abhängig von den verwendeten Paketen können das Datenformat und die Datenstruktur unterschiedlich sein. Es wird empfohlen, R-Pakete wie limma18, edgeR19 oder DESeq220 für die DE-Analyse zu verwenden.
    2. Erstellen Sie eine Versuchsplanmatrix, die separate Koeffizienten für jede Versuchsgruppe enthält, und geben Sie die Versuchsbedingungen und Gruppenzuweisungen an.
    3. Implementieren Sie ein lineares Modell und wenden Sie es unter Einbeziehung der Designmatrix auf jedes Feature an.
    4. Berechnen Sie moderierte t-Statistiken und F-Statistiken, um die differentielle Expression zu bewerten.
    5. Verwenden Sie die empirische Bayes-Moderation von Standardfehlern, um die logarithmischen Quoten der differentiellen Expression zu schätzen.
    6. Bestimmen von Signifikanzschwellenwerten
      1. Berücksichtigen Sie einen p-Wert-Grenzwert von 0,05, um die statistische Signifikanz zu bestimmen.
      2. Legen Sie Schwellenwerte für Log-Fold-Änderungen basierend auf dem Typ des Features fest:
      3. Für Metaboliten und Proteine ist eine logarithmisch gefaltete Änderung von log2(1.1) zu verwenden.
      4. Verwenden Sie für Transkripte eine logarithmisch gefaltete Änderung von log2(1.5).
  2. Clusterbildung
    1. Wählen Sie eine Clustering-Methode/einen Clustering-Algorithmus aus, die verwendet werden sollen.
      HINWEIS: Es gibt Clustering-Algorithmen, die speziell für Multi-Omics-Daten entwickelt wurden, wie z. B. NEMO21, iCluster22 und JIVE23.
    2. Bestimmen Sie die Anzahl der Cluster, wenn die Methode dies erfordert. Einige Alternativen sind die Ellbogenmethode, der Silhouetten-Score oder die Lückenstatistik, um die optimale Anzahl von Clustern zu schätzen.
    3. Führen Sie den ausgewählten Clustering-Algorithmus für die bereinigten Daten aus.
    4. Optimieren Sie algorithmusspezifische Parameter nach Bedarf.
    5. Bewerten Sie die Qualität der Clustering-Ergebnisse anhand interner oder externer Validierungsmetriken, wie z. B. dem Silhouette Score oder dem angepassten Rand-Index.
    6. Validieren Sie gegebenenfalls die Cluster-Zuweisung anhand unabhängiger Daten oder eines Test-Datasets, das zuvor von der Cluster-Analyse ausgeschlossen wurde.
  3. Prädiktive Modellierung
    1. Bewerten Sie die Notwendigkeit, eine prädiktive Modellierung in einer Multi-Omics-Studie durchzuführen.
      HINWEIS: Vorhersagemodelle können nach der Multi-Omics-Integration angewendet werden, um zu vergleichen, wie sich die Genauigkeit der Vorhersage für die Ergebnisklassifizierung basierend auf den von verschiedenen Methoden ausgewählten Merkmalen ändert.
    2. Wenn die in Schritt 7.3.1 getroffene Entscheidung positiv ausfällt, fahren Sie mit den folgenden Schritten fort: Andernfalls fahren Sie mit Schritt 8 fort.
    3. Wählen Sie ein geeignetes Vorhersagemodell aus, das Sie anwenden möchten.
      HINWEIS: Ein Beispiel für ein zu verwendendes Modell ist Random Forest (RF), ein Algorithmus für maschinelles Lernen, der mehrere Entscheidungsbäume integriert, um ein Endergebnis zu erhalten.
    4. Feinabstimmung von Modellparametern (z. B. mit dem R-Caret-Paket).
    5. Teilen Sie das Dataset ausgewogen in Training und Test (60-40 % oder 80-20 %) auf, um den gleichen Anteil an Stichproben aus verschiedenen Gruppen zu erhalten.
    6. Führen Sie das Modell auf dem Zugset aus.
    7. Berechnen Sie die Genauigkeit und die F1-Punktzahl im Testsatz zum Auswerten der Modellleistung.
    8. Wiederholen Sie die Schritte 2 bis 4 mehrmals (z. B. 1000), um die Zufälligkeit zu erhöhen.
    9. Berechnen Sie den Durchschnitt der Ergebnisse von Schritt 5.
    10. Melden Sie die gemittelte Genauigkeit und F1-Bewertung. Wenn dies nicht zufriedenstellend ist, fahren Sie mit Schritt 1 fort, um die Parameterauswahl zu verbessern.
    11. Bestimmen Sie die Wichtigkeit von Merkmalen anhand der mittleren Abnahme der Genauigkeit (DMA) und der mittleren Abnahme der Verunreinigung (MDI).

8. Biologische Auslegung:

  1. Wählen Sie ein Tool zur Anreicherung von Signalwegen aus (häufig verwendete PEA-Tools sind DAVID, GSEA, Enrichr und Metascape).
  2. Geben Sie die Liste der Gene oder Proteine in das ausgewählte Tool zur Analyse der Signalweganreicherung ein.
  3. Wählen Sie die entsprechende Pfaddatenbank aus, z. B. KEGG, Reactome oder GO, um die Analyse durchzuführen.
    HINWEIS: Ein Tool, das speziell für Multi-Omics-Daten entwickelt wurde, ist Paintomics, das Datenbanken (KEGG, Reactome oder Mapman) verwendet, um Informationen über die funktionellen Beziehungen zwischen diesen Biomarkern sowie über ihre Beteiligung an bestimmten biologischen Prozessen bereitzustellen25.
  4. Führen Sie die Pfadanreicherungsanalyse mit dem ausgewählten Werkzeug und der ausgewählten Datenbank aus.
  5. Passen Sie die Parameter nach Bedarf an, z. B. die Signifikanzschwelle, die Hintergrundliste der Gene oder die Korrekturmethode.
  6. Visualisieren und bewerten Sie die Endergebnisse (angereicherte Pfade, FDR, Pfaddiagramme, Heatmaps, u.a.).

9. Validierungs- und Nachbereitungsversuche

  1. Technische Validierung
    1. Stellen Sie sicher, dass bei der Anwendung unterschiedlicher Analysetechniken an denselben Proben auch gleichwertige Ergebnisse erzielt werden.
      HINWEIS: Zum Beispiel können Ergebnisse, die mit Massenspektrometrie (MS)-basierter Proteomik erzielt wurden, später mit einem immunologischen Assay wie dem Enzyme-linked Immunosorbent Assay (ELISA) validiert werden.
  2. Identifizieren Sie Folgeexperimente, um die erzielten Ergebnisse zu validieren.
  3. Wenn möglich, replizieren Sie das Ergebnis, indem Sie Omics-Daten aus einer unabhängigen Kohorte analysieren.
  4. Führen Sie für klinische Anwendungen randomisierte klinische Studien durch, um die klinische Gültigkeit der Ergebnisse nachzuweisen.
    1. Konzeption und Durchführung einer kontrollierten Studie mit angemessener Stichprobengröße und Randomisierung, um die Wirksamkeit und Sicherheit der identifizierten Biomarker oder Ziele zu bewerten.
    2. Sammeln Sie relevante klinische Endpunkte und messen Sie die Auswirkungen der identifizierten Faktoren auf die Patientenergebnisse.

10. Visualisierungs- und Diagnosetools

HINWEIS: Verschiedene Arten von Diagrammen können verwendet werden, um die Ergebnisse der Datenanalyse zu veranschaulichen und visuelle Darstellungen der wichtigsten Ergebnisse zu liefern. Zu den häufig verwendeten Diagrammen gehören Vulkandiagramme, Heatmaps, Circos-Diagramme und Manhattan-Diagramme.

  1. Vulkan-Plots:
    1. Verwenden Sie Vulkandiagramme, um die Ergebnisse der Differentialexpressionsanalyse (Differentialexpression Analysis, DEA) zusammenzufassen.
    2. Zeigt die Beziehung zwischen statistischer Signifikanz und dem Ausmaß der Veränderung zwischen getesteten Gruppen an.
    3. Identifizieren Sie Schlüsselmerkmale für eine weitere Untersuchung basierend auf ihrer Position im Diagramm.
  2. Heatmaps:
    1. Verwenden Sie Heatmaps, um die Größe einer Variablen in verschiedenen Kategorien zu visualisieren.
    2. Verwenden Sie Farben, um die Intensität der Variablen anzuzeigen und so die Identifizierung von Mustern und Clustern in den Datensätzen zu erleichtern.
  3. Grundstücke in Manhattan:
    1. Verwenden Sie Manhattan-Diagramme, um die Ergebnisse von DEA effizient zusammenzufassen und zahlreiche Datenpunkte im selben Diagramm zu visualisieren.
    2. Wird häufig in genomweiten Assoziationsstudien (GWAS) verwendet, ist aber auch in Multi-Omics-Studien anwendbar.
  4. Circos Grundstücke:
    1. Verwenden Sie Circos-Diagramme, zirkuläre Visualisierungen, um Wechselwirkungen und Korrelationen zwischen verschiedenen molekularen Merkmalen zu untersuchen.
    2. Stellen Sie Zusammenhänge und Verbindungen zwischen verschiedenen Elementen umfassend und visuell ansprechend dar.
      HINWEIS: Diese Studie enthält Beispiele für repräsentative Ergebnisse für jeden oben dargestellten Diagrammtyp unter Verwendung eines Krebstest-Datensatzes.
  5. Diagnosetools:
    HINWEIS: Visualisierungstools sind zusammen mit Leistungsmetriken für Diagnosezwecke sehr wichtig.
    1. Verwenden Sie ROC-Kurven (Receiver Operating Characteristic), um die Leistung von Klassifizierungsmodellen zu bewerten.
    2. Verwenden Sie Ladediagramme und Diagramme der Hauptkomponentenanalyse (PCA), um die Beziehungen und Muster in den Daten zu visualisieren.
      HINWEIS: Beispiele für repräsentative Ergebnisse für jedes dieser Diagramme unter Verwendung eines Krebstestdatensatzes finden Sie im Abschnitt Repräsentative Ergebnisse.
  6. Leistungsmetriken für die binäre Klassifizierung
    HINWEIS: Die folgenden Metriken können alle für die Klassifizierung mehrerer Klassen angepasst werden, wie z. B. im vorgestellten Beispiel, indem jede Klasse im Vergleich zu den anderen für jede Klasse berücksichtigt wird.
    1. Konfusionsmatrix: Verwenden Sie eine Konfusionsmatrix (Tabelle 2), um die richtig positiven und richtig negativen Werte in der diagonalen Diagonale, die richtig negativen Ergebnisse in den rechten unteren Blöcken, die falsch positiven Ergebnisse in den rechten oberen Blöcken und die falsch negativen Ergebnisse in den linken unteren Blöcken anzuzeigen.
    2. Präzision: Es ist der Anteil der positiven Identifikationen, die richtig waren. Berechnen Sie die Genauigkeit mit der Formel TP/(TP + FP). Ein Modell mit einer Genauigkeit von 1 weist keine falsch positiven Ergebnisse auf. Wenn ein Modell eine Genauigkeit von 0,5 hat, ist das Modell in der Hälfte der Fälle korrekt.
      figure-protocol-1
    3. Recall oder Sensitivität: Auch True-Positive-Rate oder Trefferquote genannt, ist es der Anteil der tatsächlich Positiven, die korrekt identifiziert wurden. Berechnen Sie den Recall oder die Sensitivität mit der Formel TP/(TP + FN) oder TP/pos, wobei pos = TP + FN die Gesamtzahl der positiven Beispiele ist.
      figure-protocol-2
    4. Spezifität: Es handelt sich um den Anteil der tatsächlich negativen Ergebnisse, die korrekt identifiziert wurden. Berechnen Sie es mit der Formel TN/neg, wobei neg = TN + FP die Gesamtzahl der negativen Beispiele ist.
      figure-protocol-3
    5. Genauigkeit: Anteil der richtigen Vorhersagen (sowohl positiv als auch negativ). Berechnen Sie die Genauigkeit mit der Formel:
      figure-protocol-4
    6. F-Score: Der F-Score ist das harmonische Mittel zwischen Abruf und Präzision. Berechnen Sie es mit der Formel:
      figure-protocol-5
    7. Ausgewogene Genauigkeit: Die ausgewogene Genauigkeit (BAC) ist der Durchschnitt der Sensitivität und der Spezifität. Berechnen Sie es mit der Formel:
      figure-protocol-6
      wobei TPR für True Positive Rate steht und der Erinnerung entspricht, und TNR für True Negative Rate steht und der Spezifität entspricht.
    8. Ausgeglichene Fehlerquote: Die ausgeglichene Fehlerquote (Balanced Error Rate, BER) ist der Durchschnitt der Fehler in jeder Klasse. Berechnen Sie es mit der Formel:
      figure-protocol-7
      HINWEIS: Die GVO hat den Vorteil, dass sie den Leistungsunterschied zwischen den Klassen berücksichtigt, indem sie ein ausgewogenes Maß für die Fehlerrate erstellt und so die Auswirkungen eines unausgewogenen Datensatzes begrenzt. Eine Fehlerrate von 0,5 stellt eine ähnliche Leistung wie beim zufälligen Raten dar. Für DIABLO ist die BER die gewichtete Klassifizierungsfehlerrate für jeden Block, abhängig von der Korrelation zwischen den Komponenten und der interessierenden Bedingung. BER ist das Komplement von BA zu 1, d.h. BER = (1 - BAC).
    9. Fläche unter der Kurve: Berechnen Sie die Fläche unter der Kurve (AUC) als die Fläche unterhalb der ROC (im folgenden Abschnitt beschrieben), die durch Plotten der Sensitivität im Vergleich zur Spezifität erhalten wird.
      HINWEIS: Welche dieser Metriken für die Aufgabe am besten geeignet ist, hängt von der Bedeutung falsch negativer Ergebnisse und dem Gleichgewicht oder Ungleichgewicht zwischen den Klassen ab. Precision konzentriert sich auf die Minimierung von falsch positiven Ergebnissen, während sich der Abruf auf die Minimierung falsch negativer Ergebnisse konzentriert. Wenn es einen geringen Anteil positiver Fälle gibt, ist Präzision allein möglicherweise nicht der beste Indikator, um die Leistung eines Modells zu bewerten. Code.R wird als ergänzende Datei 1 bereitgestellt.

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

Results

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

Wie bei der Single-Omics-Analyse ist die Visualisierung der Schlüssel für die Datenexploration, Datenintegration, Mustererkennung, Hypothesengenerierung und Kommunikation von Ergebnissen. Insbesondere eine gute Visualisierung großer Datenmengen ist bei der Datenvorverarbeitung sehr wichtig und hilft bei der Überprüfung der Normalisierung, der Identifizierung von Ausreißern und vielem mehr. Bei Multi-Omics ist die Visualisierung umso wichtiger, da sie bei der Bewertung von Trends in den verschiedenen Omik-Schichten/-Blöck...

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

Discussion

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

Die Identifizierung des relevantesten Omics-Datensatzes ist einer der ersten Schritte in einer Multi-Omics-Integrationsstudie. In der Ernährungsforschung stellt die Metabolomik eine der ersten Omics-Schichten dar, die untersucht werden kann, da sie die Stoffwechselwege und biochemischen Prozesse hervorheben kann, die der diätetischen Intervention oder der metabolischen Reaktion auf die Nahrungsaufnahme zugrunde liegen. Auf der anderen Seite können beispielsweise in der Krebsbiologie Geno...

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

Disclosures

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

E. A., R. R und O. C sind Mitarbeiter der Société des Produits Nestlé SA.

Acknowledgements

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

Die Autoren danken Dr. Michael Affolter, Dr. Loïc Dayon, Dr. Jean Philippe Godin, Dr. Francesca Giuffrida, Dr. Eugenia Migliavacca, Prof. Anne-Florence Bitbol und Prof. Zoltan Kutalik für die Unterstützung.

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)Verarbeitungscomputer
ggplot2 R Paketr-project.org3.4.4Datenvisualisierungen erstellen
ggpubr R Paketr-project.org0.6.0Veröffentlichungsfertige Plots erstellen
ggrepel R Paketr-project.org0.9.5Nicht überlappende Textbeschriftungen mit ggplot2 automatisch positionieren
lattice R-Paketr-project.org0.22-5Tellis-Grafik für R
limma R-Paketr-project.org3.58.1Lineare Modelle für Microarray-DatenmixOmics
R-Paketr-project.org6.25.1Omic-Datenintegrationsprojekt
NEMO R-Paketr-project.org0.1.0Nachbarschaftsbasiertes Multi-Omics-Clustering
R r-project.org4.3.2 (31.10.2023)Programmiersprache für statistisches Rechnen und Grafik
R StudioRStudio2023.12.1+402 (2023.12.1+402)Integrierte Entwicklungsumgebung für R
SNFtool R-Paketr-project.org2.3.1Ähnlichkeit Netzwerkfusion
Tidyr R-Paketr-project.org1.3.1Aufgeräumter, chaotischer
Datenmaßstab R Paketr-project.org1.3.0Saubere Charakterisierungen der Modellleistung

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