Un protocolo completo y una guía paso a paso para la integración multiómica en la investigación biológica

Resumen

Este trabajo detalla métodos para integrar datos multiómicos (concatenación, transformación y basados en modelos). Al combinar datos de genómica, epigenómica, transcriptómica, proteómica, metabolómica, metagenómica, lipidómica y glicómica, se logra una comprensión integral de los sistemas biológicos. El manuscrito proporciona pautas paso a paso, destacando las limitaciones, ventajas y herramientas de visualización para la integración multiómica.

Resumen

Este manuscrito proporciona una guía completa paso a paso para integrar datos multiómicos en la investigación biológica.

La integración de datos multiómicos se refiere al proceso de combinar y analizar datos medidos en el mismo conjunto de muestras biológicas con diferentes tecnologías ómicas, como genómica, epigenómica, transcriptómica, proteómica, metabolómica, microbiomas, lipidómica y glicómica. Aunque los enfoques multiómicos tienen objetivos similares a los análisis de un solo bloque o de una sola ómica (por ejemplo, descripción, discriminación, clasificación o predicción), son capaces de capturar un espectro más amplio de información molecular, proporcionando así una comprensión más profunda de los sistemas biológicos y sus complejas interacciones. De hecho, la combinación de conjuntos de datos multiómicos permite mejorar la precisión de la predicción y produce resultados más sólidos, especialmente en los casos en que el número de muestras disponibles es limitado. Además, gracias también al desarrollo más reciente de las técnicas de aprendizaje automático, los análisis multiómicos son hoy en día adecuados para descubrir patrones ocultos y fenómenos complejos que surgen entre diferentes compuestos biológicos.

El objetivo principal de este trabajo es presentar el protocolo completo que se utiliza comúnmente en los estudios multiómicos, desde la formulación inicial del problema hasta las herramientas útiles para la interpretación biológica de los resultados. El manuscrito describe en detalle los diversos métodos de integración de datos multiómicos, incluidos los enfoques basados en la concatenación (bajo nivel), basados en la transformación (nivel medio) y basados en modelos (alto nivel), y destaca sus limitaciones y ventajas, junto con la presentación de herramientas generales de visualización y diagnóstico.

Introducción

El campo de la investigación biológica ha sido testigo de avances significativos en los últimos años, particularmente en el área de las tecnologías ómicas. Estas tecnologías proporcionan información valiosa sobre la naturaleza compleja de los sistemas biológicos. Sin embargo, cada tecnología ómica ofrece una perspectiva única sobre los componentes biológicos, lo que requiere la integración de datos multiómicos para obtener una comprensión integral.

La multiómica abarca varias clases de biomoléculas que pueden definirse cuantitativamente gracias a la llegada de nuevas y potentes técnicas de secuenciación de ....

Protocolo

1. Definición de pregunta(s) de investigación

1. Articular claramente la(s) pregunta(s) de investigación específica(s) que se abordará a través de la integración multiómica. Por ejemplo, pregunta de investigación 1: ¿Cuáles son los cambios en la expresión de proteínas y los perfiles de metabolitos que se correlacionan con la respuesta al tratamiento? Pregunta de investigación 2: ¿Cómo influyen las variaciones genéticas en los patrones de expresión génica en pacientes con una enfermedad determinada? Pregunta de investigación 3: ¿Cómo la integración de capas ómicas específicas proporciona una comprensión integral de un proceso biológico específ....

Resultados

Al igual que en el análisis de ómica única, la visualización es clave para la exploración de datos, la integración de datos, el reconocimiento de patrones, la generación de hipótesis y la comunicación de resultados. Específicamente, una buena visualización de grandes datos es muy importante durante los pasos de preprocesamiento de datos, lo que ayuda en la verificación de la normalización, la identificación de valores atípicos y muchos más. En multiómica, más aún, la visualización es vital, ya que puede ayudar en la eval.......

Discusión

Identificar el conjunto de datos ómicos más relevante es uno de los primeros pasos en un estudio de integración multiómica. En la investigación nutricional, la metabolómica representa una de las primeras capas ómicas a tener en cuenta, ya que puede resaltar las vías metabólicas y los procesos bioquímicos en la base de la intervención dietética o la respuesta metabólica a la ingesta de alimentos. Por otro lado, por ejemplo, en la biología del cáncer, la genómica y la transcriptómica que b.......

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Apple M2 Pro macOS	Apple	14.3 (23D56)	Equipo de procesamiento
ggplot2 Paquete R	r-project.org	3.4.4	Crear visualizaciones de datos
ggpubr R package	r-project.org	0.6.0	Crear gráficos listos para publicación
ggrepel R package r-project.org	0.9.5	Posicionar automáticamente etiquetas de texto no superpuestas con ggplot2
Paquete R de celosía	r-project.org	0.22-5	Gráficos Tellis para el
paquete R limma R	r-project.org	3.58.1	Modelos lineales para
microarraysPaquete Omics R	r-project.org	6.25.1	Proyecto de integración de datos ómicos
Paquete NEMO R	r-project.org	0.1.0	Agrupación multiómica basada en vecindarios
R	r-project.org	4.3.2 (2023-10-31)	Lenguaje de programación para computación estadística y gráficos
R Studio	RStudio	2023.12.1+402 (2023.12.1+402)	Entorno de desarrollo integrado para R
SNFtool Paquete R	r-project.org	2.3.1	Fusión de red de similitud
tidyr R package	r-project.org	1.3.1	Criterio de datos ordenado y desordenado
R paquete	r-project.org	1.3.0	Caracterizaciones ordenadas de la calidad de funcionamiento del modelo