Method Article

Un protocole complet et un guide étape par étape pour l’intégration multi-omique dans la recherche biologique

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

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

Ce travail détaille les méthodes d’intégration de données multi-omiques (concaténation, transformation et basée sur un modèle). En combinant les données de la génomique, de l’épigénomique, de la transcriptomique, de la protéomique, de la métabolomique, de la métagénomique, de la lipidomique et de la glycomique, on obtient une compréhension complète des systèmes biologiques. Le manuscrit fournit des directives étape par étape, mettant en évidence les limites, les avantages et les outils de visualisation pour l’intégration multi-omique.

Abstract

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

Ce manuscrit fournit un guide complet étape par étape pour l’intégration des données multi-omiques dans la recherche biologique.

L’intégration de données multi-omiques fait référence au processus de combinaison et d’analyse de données mesurées sur le même ensemble d’échantillons biologiques avec différentes technologies omiques, telles que la génomique, l’épigénomique, la transcriptomique, la protéomique, la métabolomique, les microbiomes, la lipidomique et la glycomique. Même si les approches multi-omiques ont des objectifs similaires à ceux des analyses monoblocs ou mono-omiques (par exemple, la description, la discrimination, la classification ou la prédiction), elles sont capables de capturer un plus large éventail d’informations moléculaires, fournissant ainsi une compréhension plus approfondie des systèmes biologiques et de leurs interactions complexes. En effet, la combinaison de plusieurs ensembles de données omiques permet d’améliorer la précision des prédictions et d’obtenir des résultats plus robustes, en particulier dans les cas où le nombre d’échantillons disponibles est limité. De plus, grâce au développement le plus récent des techniques d’apprentissage automatique, les analyses multi-omiques sont aujourd’hui adaptées pour découvrir des modèles cachés et des phénomènes complexes survenant entre différents composés biologiques.

L’objectif principal de ce travail est de présenter le protocole complet couramment utilisé dans les études multi-omiques, de la formulation initiale du problème aux outils utiles à l’interprétation biologique des résultats. Le manuscrit décrit en détail les différentes méthodes d’intégration de données multi-omiques, y compris les approches basées sur la concaténation (bas niveau), les approches basées sur la transformation (niveau intermédiaire) et les approches basées sur les modèles (haut niveau), et souligne leurs limites et avantages, ainsi que la présentation d’outils généraux de visualisation et de diagnostic.

Introduction

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

Le domaine de la recherche biologique a connu des avancées significatives ces dernières années, en particulier dans le domaine des technologies omiques. Ces technologies fournissent des informations précieuses sur la nature complexe des systèmes biologiques. Cependant, chaque technologie omique offre une perspective unique sur les composants biologiques, nécessitant l’intégration de données multi-omiques pour obtenir une compréhension complète.

La multi-omique englobe différentes classes de biomolécules qui peuvent être définies quantitativement grâce à l’avènement de nouvelles et puissantes techniques de séquençage à haut débit. Parmi les différents types de technologies omiques figurent la génomique, l’épigénomique, la transcriptomique, la protéomique, la métabolomique, la métagénomique, la lipidomique et la glycomique. La génomique implique l’étude des génomes d’un organisme, tandis que l’épigénomique se concentre sur la structure de soutien du génome, y compris les liants de protéines et d’ARN, les structures alternatives de l’ADN et les modifications chimiques de l’ADN. La transcriptomique englobe l’étude de toutes les molécules d’ARN, y compris l’ARNm, l’ARNr, l’ARNt et d’autres ARN non codants. La protéomique implique l’étude des protéines, y compris les modifications apportées à des groupes spécifiques de protéines. La métabolomique se concentre sur l’ensemble de petites molécules (métabolites) au sein d’une matrice biologique. La métagénomique implique l’étude des communautés microbiennes dans des habitats bien définis avec des propriétés physico-chimiques spécifiques. La lipidomique englobe l’étude de l’ensemble du complément des lipides cellulaires, tandis que la glycomique se concentre sur l’étude du glycome, y compris les glucides et les sucres1.

L’intégration de données multi-omiques a suscité une attention croissante dans la communauté scientifique en raison de son potentiel à démêler des phénomènes biologiques complexes. En combinant des données provenant de plusieurs technologies omiques, les chercheurs peuvent surmonter les limites des ensembles de données individuels et obtenir une vision plus holistique des systèmes biologiques. Cette approche intégrée permet l’identification de nouveaux biomarqueurs, la découverte de mécanismes pathologiques et l’élucidation de voies biologiques complexes.

Le nombre de citations des termes « Multiomique » et « Multi-omique » dans PubMed a considérablement augmenté au fil des ans, passant de 307 en 2018 à 1414 en 2021 à 3933 en 2023. L’intégration de différents types de variables omiques est de plus en plus courante, car elle permet d’approfondir les mécanismes sous-jacents aux maladies et aux dysfonctionnements des organismes. Les approches omiques uniques offrent une vue limitée et partielle de la biologie cachée, car elles se concentrent sur une seule perspective. Cependant, en intégrant des données multi-omiques, nous pouvons faire la lumière sur l’interaction des différentes biomolécules, comprendre les relations au sein de plusieurs couches et combler le fossé entre le génotype et le phénotype. Dans l’ensemble, les approches multi-omiques peuvent aider à répondre à des questions importantes telles que la classification de différents sous-groupes de maladies, la prédiction des biomarqueurs fondamentaux associés aux maladies et une meilleure compréhension des voies et des mécanismes biologiques. Dans les sections suivantes, les différents ensembles de données omiques peuvent également être appelés « vues » de données ou « blocs » de données.

Les techniques d’intégration multi-omique peuvent être classées en trois sous-groupes principaux, comme décrit par Reel et al. (2021)2 et Ritchie et al. (2015)3 (Figure 1).

Intégration ou concaténation précoce de bas niveau : cette approche implique la concaténation des variables de chaque ensemble de données dans une seule matrice. Cependant, l’intégration précoce ne tient pas compte de la distribution unique de chaque type de données omiques et peut attribuer plus de poids à certains types de données omiques de plus grandes dimensions. Cela pose également des défis tels qu’un risque accru de malédiction de la dimensionnalité, un bruit supplémentaire, des variables fortement corrélées et des problèmes d’évolutivité informatique. Malgré ces limites, l’intégration précoce permet d’identifier des changements coordonnés à travers plusieurs couches omiques et améliore l’interprétation biologique.

Intégration de niveau intermédiaire, intermédiaire ou basée sur la transformation : dans cette approche, des modèles d’intégration mathématiques sont appliqués aux multiples couches de données omiques. L’intégration intermédiaire se concentre sur la fusion de sous-ensembles ou de représentations extraites des sources. Deux sous-approches de l’intégration intermédiaire sont l’approche intermédiaire et l’approche intermédiaire. L’approche intermédiaire implique des scores concaténés obtenus à partir de la réduction de la dimensionnalité sur chaque bloc, ce qui la rend adaptée au traitement de données hétérogènes. Cependant, il peut manquer d’interprétabilité. L’approche intermédiaire implique la sélection de variables locales et l’analyse ultérieure de sous-ensembles de variables concaténées, ce qui permet une interprétation plus facile des modèles. L’intégration intermédiaire offre des avantages tels qu’un meilleur rapport signal/bruit, une dimensionnalité réduite et une puissance statistique améliorée.

Intégration de haut niveau, tardive ou basée sur un modèle : cette approche consiste à effectuer des analyses à chaque niveau omique et à combiner les résultats de manière ad hoc. Il comprend la fusion des résultats de modèles à bloc unique pour identifier des biomarqueurs de chaque source et fournir une interprétation conjointe des résultats. L’intégration tardive n’augmente pas la dimensionnalité de l’espace d’entrée et fonctionne avec la distribution unique de chaque donnée omique. Il est particulièrement approprié lorsqu’une couche omique est plus prédictive que d’autres. Cependant, l’intégration tardive peut négliger les relations interomiques et faire face à des défis liés au manque de compréhension des connexions entre les blocs de données initiaux et à la perte potentielle d’informations biologiques par la modélisation individuelle.

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

Protocol

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

1. Définition de la ou des questions de recherche

  1. Articulez clairement la ou les questions de recherche spécifiques qui seront abordées par l’intégration multi-omique. Par exemple, question de recherche 1 : Quels sont les changements dans l’expression des protéines et les profils de métabolites qui sont en corrélation avec la réponse au traitement ? Question de recherche 2 : Comment les variations génétiques influencent-elles les modèles d’expression génique chez les patients atteints d’une maladie donnée ? Question de recherche 3 : Comment l’intégration de couches omiques spécifiques permet-elle de mieux comprendre un processus biologique ou un mécanisme pathologique spécifique ?
  2. Envisagez l’inclusion de plusieurs technologies omiques pour rechercher des biomarqueurs ou obtenir des informations mécanistes sur des maladies complexes. Notez que l’augmentation de la taille de l’échantillon peut être nécessaire pour la stratification des patients.

2. Sélection omique

  1. Identifier les technologies omiques les plus pertinentes pour la ou les questions de recherche et le système biologique à l’étude. Par exemple, dans le cas de la question 1, les technologies omiques pertinentes sont la protéomique et la métabolomique ; pour la question de recherche 2, génomique et transcriptomique ; et pour la question de recherche 3, plusieurs technologies omiques.
  2. Tenez compte de l’objectif de l’étude et des ressources disponibles pour choisir les couches omiques idéales. Par exemple, la métabolomique pour la recherche nutritionnelle, la génomique et la transcriptomique pour la biologie du cancer et la protéomique pour diverses maladies.

3. Assurer la qualité des données

REMARQUE : Assurez-vous de la fiabilité et de la reproductibilité des données omiques générées en suivant les étapes décrites ci-dessous.

  1. Concevez soigneusement l’expérience et maintenez des conditions expérimentales et des méthodes de collecte d’échantillons cohérentes dans toutes les couches omiques afin de minimiser les effets de lot.
  2. Suivre les protocoles établis et mettre en œuvre des mesures de contrôle de la qualité lors de la génération des données pour chaque ensemble de données omiques.
    1. Utiliser des normes internes ou externes, le cas échéant.
    2. Effectuez des contrôles de qualité dans des ensembles de données omiques individuels.
      1. Pour les données génomiques, évaluez des paramètres tels que les scores de qualité de lecture, la composition de base et la profondeur de séquençage pour garantir des données de séquençage de haute qualité, ainsi que la qualité de l’alignement et de la cartographie et la qualité de l’appel des variants, y compris la fréquence des allèles, la profondeur de lecture et l’annotation des variants.
      2. Pour les données transcriptomiques, évaluez des paramètres tels que la distribution de la longueur de lecture, la composition de base et les scores de qualité Phred lors de l’évaluation de la qualité de lecture, et la transcription par million (TPM) ou les fragments par kilobase de transcription par million de lectures mappées (FPKM) lors de l’évaluation de la qualité de la quantification de la transcription.
      3. Pour les données protéomiques, tenez compte des paramètres pertinents tels que la distribution de l’intensité des pics, le rapport signal/bruit et la précision de masse lors de l’évaluation de la qualité des données de spectrométrie de masse et de la couverture de la séquence peptidique, du score d’identification des protéines, du taux de fausses découvertes et de la reproductibilité des mesures d’abondance des protéines lors de l’évaluation de l’identification des protéines et de la qualité de la quantification.
      4. Pour les données métabolomiques, évaluez les paramètres pertinents tels que la distribution de l’intensité des pics, le rapport signal/bruit et la précision de masse lors de l’évaluation de la qualité des données de spectrométrie de masse et de l’appariement des spectres de masse avec les bases de données de référence ou de l’utilisation de modèles de fragmentation pour l’élucidation structurelle lors de l’évaluation de la qualité de l’identification des métabolites.

4. Prétraitement des données

  1. Chevauchement des échantillons
    1. N’incluez que les échantillons qui se chevauchent dans plusieurs ensembles de données omiques.
    2. Excluez les blocs dont le nombre d’échantillons qui se chevauchent est insuffisant par rapport aux autres blocs.
  2. Imputation de la valeur manquante
    1. Gérez les valeurs manquantes à l’aide de méthodes statistiques ou d’apprentissage automatique.
    2. Utilisez des techniques telles que la méthode des moindres carrés adaptatifs (LSA) pour l’imputation des valeurs manquantes.
    3. Évitez de supprimer des lignes avec des données manquantes, en particulier lorsqu’il s’agit d’échantillons limités.
    4. Exclure les variables pour lesquelles il y a un pourcentage élevé de valeurs manquantes (p. ex., 25 % ou 30 % de valeurs manquantes dans l’ensemble des échantillons).
  3. Standardisation
    1. Manipulez les données pour garantir une mise à l’échelle cohérente des fonctionnalités.
    2. Empêchez les fonctionnalités avec des effets plus importants de dominer celles avec des effets plus petits.
    3. Appliquez des transformations courantes telles que la transformation logarithmique, le centrage et la mise à l’échelle.
      REMARQUE : Les transformations doivent être choisies avec soin pour maintenir l’intelligibilité des données d’origine.
  4. Identification des valeurs aberrantes
    1. Détectez les valeurs aberrantes et extrêmes à l’aide d’outils tels que des boîtes à moustaches ou la distance par rapport à la médiane des valeurs.
    2. Corrigez les valeurs aberrantes par des méthodes appropriées telles que la transformation ou la suppression des données.

5. Réduction de la dimensionnalité

REMARQUE : Il existe deux approches de réduction de la dimensionnalité : la suppression des variables bruyantes et redondantes (sélection de caractéristiques) ou la combinaison de caractéristiques pour créer des variables plus significatives (extraction de caractéristiques).

  1. Déterminer si l’objectif de l’étude est prédictif (p. ex., construire un modèle capable de prédire si un sujet est en bonne santé ou malade) ou analytique (p. ex., quelles variables sont des biomarqueurs d’une maladie).
    REMARQUE : Si l’objectif de l’étude est analytique, la sélection des caractéristiques est plus appropriée, car l’extraction des caractéristiques peut entraîner une perte d’interprétabilité.
  2. Lorsqu’il s’agit de données hautement dimensionnelles, il est important de sélectionner des variables pertinentes pour le phénomène étudié afin de faciliter l’analyse et l’interprétation, de réduire les ressources de calcul nécessaires et d’éliminer le bruit et les informations redondantes qui fausseront les résultats.
  3. Sélection des fonctionnalités
    1. Identifiez le sous-ensemble de caractéristiques informatives du phénomène d’intérêt.
    2. Utilisez des méthodes de sélection de fonctionnalités classées en catégories telles que les méthodes de filtre, d’encapsulation, intégrées et hybrides. Dans le cas de la multi-omique, des méthodes de sélection de biomarqueurs peuvent également être appliquées.
      REMARQUE : Tenez compte des caractéristiques de l’ensemble de données lorsque vous choisissez la méthode appropriée. Les méthodes wrapper fournissent les modèles de prédiction les plus précis, mais elles nécessitent un temps de calcul beaucoup plus long que les méthodes de filtre ou intégrées. Le tableau 1 présente un tableau récapitulatif des avantages et des inconvénients des différentes méthodes de sélection et d’extraction des caractéristiques.
    3. Équilibrez les performances du modèle final avec l’effort de calcul requis pour la sélection des caractéristiques.
    4. Optimisez le nombre de fonctions sélectionnées pour éviter le sous-ajustement ou le surapprentissage.
      REMARQUE : Des exemples de risques de surajustement sont discutés dans un travail déjà publié.
    5. Évaluez les performances du modèle à l’aide de mesures telles que la précision, le score AUC (Area-Under the Curve) ou le taux d’erreur équilibré (BER).
  4. Extraction de caractéristiques
    1. Transformez les données brutes en un ensemble réduit de fonctionnalités significatives :
      1. Appliquez des techniques telles que l’analyse en composantes principales (ACP) pour identifier les modèles et les relations importants en projetant des données sur un espace de dimension inférieure.
      2. Utilisez t-SNE pour visualiser des données de grande dimension tout en préservant les similitudes locales.
      3. Envisagez l’analyse discriminante linéaire (LDA) pour maximiser la séparabilité des classes.
      4. Explorez les encodeurs automatiques pour apprendre des représentations compressées des données à l’aide de réseaux neuronaux.
        REMARQUE : L’extraction de caractéristiques peut entraîner des représentations plus difficiles à interpréter. Le tableau 1 énumère des exemples choisis de méthodes de sélection et d’extraction de caractéristiques5.

6. Sélection de la méthode d’intégration

  1. Identifiez la ou les méthodes d’intégration les plus pertinentes à appliquer aux données.
    1. Si les échantillons sont appariés et qu’il y a suffisamment de sujets complets, procédez à une méthode d’intégration précoce.
    2. Si les interactions intercouches doivent être prises en compte, alors ne procédez pas avec une méthode d’intégration tardive.
    3. Si les signaux peuvent être subtils mais cohérents entre les couches, alors une méthode d’intégration précoce peut être plus appropriée qu’une méthode d’intégration tardive.
    4. S’il est important de tirer parti de l’interrelation des données entre les différentes couches omiques, choisissez une méthode d’intégration intermédiaire.
    5. Intégration de bas niveau de la concaténation
      1. Si l’un (ou plusieurs) des blocs omiques reste beaucoup plus grand en nombre de caractéristiques (variables) que les autres, réduisez sa (leur) dimensionnalité en suivant les étapes de la section 5.
      2. Concaténez les variables de chaque ensemble de données omiques dans une matrice large.
      3. Transformez les variables concaténées de sorte qu’elles aient des plages et des distributions similaires.
      4. Utilisez la matrice de données concaténées pour l’analyse ultérieure, par exemple l’application d’algorithmes d’apprentissage automatique ou de stratégies de réduction de la dimensionnalité.
        REMARQUE : La méthode la plus courante d’effectuer une intégration de bas niveau est la concaténation. Cependant, ces méthodes peuvent entraîner la perte de relations entre les blocs ou d’informations spécifiques aux blocs.
  2. Intégration de niveau intermédiaire
    1. Choisissez parmi les six principales catégories d’intégration de niveau intermédiaire en fonction de l’objectif de l’analyse.
      1. Basée sur la similarité : Utilisez cette approche pour évaluer la similitude entre différents échantillons ou caractéristiques afin d’identifier des modèles ou des sous-types au sein des maladies, dans l’analyse exploratoire des données où les relations ne sont pas connues a priori. Exemple : SNF6.
      2. Basé sur la corrélation : Utiliser cette méthode pour identifier et quantifier les associations entre différentes variables, en particulier pour évaluer comment une variable change avec les changements d’une autre. Exemple : CNAMet7.
      3. Basé sur le réseau : utilisez des méthodes basées sur le réseau pour représenter des relations complexes entre les entités. Il est particulièrement utile de découvrir des groupes dans la structure des données et de prédire des biomarqueurs. Exemples : NetICS8, PARADIGM9, scMoMtF10.
      4. Basée sur les bayésiens : Utilisez cette approche pour intégrer des connaissances préalables dans l’analyse ou lorsque vous traitez des incertitudes dans les données. Il est particulièrement utile pour déduire des sous-types de maladies et prédire des biomarqueurs basés sur des modèles probabilistes. Exemples : MOFA11, iClusterPlus12.
      5. Multivarié : utilisez cette méthode pour analyser plusieurs variables simultanément, en particulier lorsque les interactions entre ces variables sont essentielles à la compréhension du système biologique. Il est utile à la fois pour le clustering et la découverte de biomarqueurs. Exemples : mixOmics13, JIVE14,15.
      6. Basé sur la fusion : utilisez cette méthode pour combiner les données de différentes couches omiques dans un seul cadre afin de tirer parti des points forts de chaque type de données. Il est particulièrement utile pour les analyses complètes qui nécessitent l’intégration de divers ensembles de données. Exemples : PFA16, PSDF17.
        REMARQUE : Basé sur un traitement statistique solide ou une modélisation par des techniques d’apprentissage automatique, il peut limiter les problèmes présents dans le cas d’intégrations de bas ou de haut niveau.
    2. Appliquez la méthode sélectionnée à l’ensemble de données multi-omiques.
  3. Intégration de haut niveau
    1. Effectuez une analyse complète des données sur chaque bloc omic indépendamment.
    2. Interprétez conjointement les résultats obtenus à l’étape précédente.

7. Analyse statistique

  1. Analyse de l’expression différentielle (DE)
    1. Préparez les données en vous assurant qu’elles sont correctement formatées et normalisées.
      REMARQUE : Selon les packages utilisés, le format et la structure des données peuvent différer. Il est recommandé d’utiliser des packages R tels que limma18, edgeR19 ou DESeq220 pour l’analyse DE.
    2. Construire une matrice de plan qui comprend des coefficients distincts pour chaque groupe expérimental, en spécifiant les conditions expérimentales et les affectations de groupe.
    3. Mettez en œuvre un modèle linéaire et appliquez-le à chaque entité, en incorporant la matrice de conception.
    4. Calculez des statistiques t modérées et des statistiques F pour évaluer l’expression différentielle.
    5. Utilisez la modération empirique bayésienne des erreurs-types pour estimer les log-odds de l’expression différentielle.
    6. Déterminer les seuils de signification
      1. Considérons une valeur seuil de p de 0,05 pour déterminer la signification statistique.
      2. Définissez des seuils de modification log-fold en fonction du type de fonctionnalité :
      3. Pour les métabolites et les protéines, utilisez une variation logarithmique de log2(1.1).
      4. Pour les transcriptions, utilisez un changement de log-fold de log2(1.5).
  2. Clustering
    1. Sélectionnez une méthode/un algorithme de clustering à utiliser.
      REMARQUE : Il existe des algorithmes de clustering spécialement conçus pour les données multi-omiques, tels que NEMO21, iCluster22 et JIVE23.
    2. Déterminez le nombre de clusters si la méthode l’exige. Certaines alternatives sont la méthode du coude, le score de silhouette ou la statistique d’écart pour estimer le nombre optimal de grappes.
    3. Exécutez l’algorithme de clustering sélectionné sur les données nettoyées.
    4. Optimisez les paramètres spécifiques à l’algorithme selon vos besoins.
    5. Évaluez la qualité des résultats de clustering à l’aide de mesures de validation internes ou externes, telles que le score de silhouette ou l’indice Rand ajusté.
    6. Le cas échéant et si possible, validez l’attribution de cluster à l’aide de données indépendantes ou d’un ensemble de données de test précédemment exclu de l’analyse de cluster.
  3. Modélisation prédictive
    1. Évaluez la nécessité d’effectuer une modélisation prédictive dans une étude multi-omique.
      REMARQUE : Des modèles prédictifs peuvent être appliqués après l’intégration multi-omique pour comparer comment la précision de la prédiction sur la classification des résultats change en fonction des caractéristiques sélectionnées par différentes méthodes.
    2. Si la décision prise à l’étape 7.3.1 est positive, passez aux étapes suivantes : Sinon, passez à l’étape 8.
    3. Choisissez un modèle prédictif approprié à appliquer.
      REMARQUE : Un exemple de modèle à utiliser est Random Forest (RF), un algorithme d’apprentissage automatique qui intègre plusieurs arbres de décision pour obtenir un résultat final.
    4. Affinez les paramètres du modèle (par exemple, à l’aide du package d’insertion R).
    5. Divisez l’ensemble de données en apprentissage et test (60-40 % ou 80-20 %), de manière équilibrée pour avoir la même proportion d’échantillons de différents groupes.
    6. Exécutez le modèle sur le train.
    7. Précision de calcul et score F1 dans l’ensemble de test pour évaluer les performances du modèle.
    8. Répétez les étapes 2 à 4 plusieurs fois (par exemple, 1000) pour augmenter le caractère aléatoire.
    9. Calculez la moyenne des résultats de l’étape 5.
    10. Précision moyenne du rapport et score F1. Si vous n’êtes pas satisfaisant, passez à l’étape 1 pour améliorer la sélection des paramètres.
    11. Déterminez l’importance des caractéristiques à l’aide de la diminution moyenne de la précision (DMA) et de la diminution moyenne des impuretés (MDI).

8. Interprétation biologique :

  1. Sélectionnez un outil d’enrichissement de parcours (les outils PEA couramment utilisés sont DAVID, GSEA, Enrichr et Metascape).
  2. Entrez la liste des gènes ou des protéines dans l’outil d’analyse d’enrichissement de la voie sélectionnée.
  3. Sélectionnez la base de données de parcours appropriée, telle que KEGG, Reetome ou GO, pour effectuer l’analyse.
    REMARQUE : Un outil qui a été spécialement conçu pour les données multi-omiques est Paintomics, qui utilise des bases de données (KEGG, Reactome ou Mapman) pour fournir des informations sur les relations fonctionnelles entre ces biomarqueurs, ainsi que sur leur implication dans des processus biologiques spécifiques25.
  4. Exécutez l’analyse d’enrichissement du chemin à l’aide de l’outil et de la base de données sélectionnés.
  5. Ajustez les paramètres si nécessaire, tels que le seuil de signification, la liste de fond des gènes ou la méthode de correction.
  6. Visualisez et évaluez les résultats finaux (voies enrichies, FDR, diagrammes de voies, cartes thermiques, entre autres).

9. Expériences de validation et de suivi

  1. Validation technique
    1. Vérifiez que l’utilisation de différentes techniques d’analyse sur les mêmes échantillons permet d’obtenir des résultats équivalents.
      REMARQUE : Par exemple, les résultats obtenus à l’aide de la protéomique basée sur la spectrométrie de masse (MS) peuvent être validés ultérieurement à l’aide d’un test immunologique tel que le test immuno-enzymatique (ELISA).
  2. Identifier les expériences de suivi pour valider les résultats obtenus.
  3. Si possible, reproduisez le résultat en analysant les données omiques d’une cohorte indépendante.
  4. Pour les applications cliniques, mener des essais cliniques randomisés pour démontrer la validité clinique des résultats.
    1. Concevoir et mettre en œuvre une étude contrôlée avec une taille d’échantillon appropriée et une randomisation pour évaluer l’efficacité et l’innocuité des biomarqueurs ou des cibles identifiés.
    2. Recueillir les critères d’évaluation cliniques pertinents et mesurer l’impact des facteurs identifiés sur les résultats pour les patients.

10. Outils de visualisation et de diagnostic

REMARQUE : Différents types de graphiques peuvent être utilisés pour illustrer les résultats de l’analyse des données, en fournissant des représentations visuelles des principales constatations. Les graphiques couramment utilisés comprennent les graphiques Volcano, les cartes thermiques, les graphiques circos et les graphiques Manhattan.

  1. Parcelles volcans :
    1. Utilisez les tracés Volcano pour résumer les résultats de l’analyse d’expression différentielle (DEA).
    2. Affichez la relation entre la signification statistique et l’ampleur du changement entre les groupes testés.
    3. Identifier les principales caractéristiques à examiner plus en profondeur en fonction de leur position dans la placette.
  2. Cartes thermiques :
    1. Utilisez des cartes thermiques pour visualiser l’amplitude d’une variable dans différentes catégories.
    2. Utilisez des couleurs pour indiquer l’intensité de la variable, ce qui facilite l’identification des modèles et des clusters dans les ensembles de données.
  3. Complots à Manhattan :
    1. Utilisez les graphiques de Manhattan pour résumer efficacement les résultats de la DEA et visualiser de nombreux points de données sur le même graphique.
    2. Couramment utilisé dans les études d’association à l’échelle du génome (GWAS), mais également applicable dans les études multi-omiques.
  4. Parcelles Circos :
    1. Utilisez des diagrammes circulaires, des visualisations circulaires, pour explorer les interactions et les corrélations entre diverses caractéristiques moléculaires.
    2. Décrire les relations et les connexions entre différents éléments d’une manière complète et visuellement attrayante.
      REMARQUE : Cette étude fournit des exemples de résultats représentatifs pour chaque type de parcelle présenté ci-dessus à l’aide d’un ensemble de données de test de cancer.
  5. Outils de diagnostic :
    REMARQUE : Les outils de visualisation, ainsi que les mesures de performance, sont très importants à des fins de diagnostic.
    1. Utilisez les courbes ROC (Receiver Operating Characteristic) pour évaluer les performances des modèles de classification.
    2. Utilisez des tracés de chargement et des tracés d’analyse en composantes principales (ACP) pour visualiser les relations et les modèles au sein des données.
      REMARQUE : Des exemples de résultats représentatifs pour chacun de ces graphiques à l’aide d’un ensemble de données de test de dépistage du cancer sont présentés dans la section Résultats représentatifs.
  6. Métriques de performances pour la classification binaire
    REMARQUE : Les mesures suivantes peuvent toutes être adaptées pour la classification multiclasse, comme dans l’exemple présenté, en considérant chaque classe par rapport au reste, pour chaque classe.
    1. Matrice de confusion : utilisez une matrice de confusion (Tableau 2) pour indiquer les vrais positifs et les vrais négatifs dans la diagonale, les vrais négatifs dans les blocs inférieurs droits, les faux positifs dans les blocs supérieurs droits et les faux négatifs dans les blocs inférieurs gauches.
    2. Précision : C’est la proportion d’identifications positives qui étaient correctes. Calculez la précision à l’aide de la formule TP/(TP + FP). Un modèle avec une précision de 1 n’a pas de faux positifs. Si un modèle a une précision de 0,5, alors le modèle est correct la moitié du temps.
      figure-protocol-1
    3. Rappel ou sensibilité : Également connu sous le nom de taux de vrais positifs ou taux de réussite, il s’agit de la proportion de vrais positifs qui ont été correctement identifiés. Calculez le rappel ou la sensibilité à l’aide de la formule TP/(TP + FN) ou TP/pos, où pos = TP + FN est le nombre total d’exemples positifs.
      figure-protocol-2
    4. Spécificité : Il s’agit de la proportion de négatifs réels qui ont été correctement identifiés. Calculez-le à l’aide de la formule, TN/neg, où neg = TN + FP est le nombre total d’exemples négatifs.
      figure-protocol-3
    5. Précision : Proportion de prédictions correctes (positives et négatives). Calculez la précision à l’aide de la formule :
      figure-protocol-4
    6. F-Score : F-Score est la moyenne harmonique entre le rappel et la précision. Calculez-le à l’aide de la formule :
      figure-protocol-5
    7. Précision équilibrée : La précision équilibrée (BAC) est la moyenne de la sensibilité et de la spécificité. Calculez-le à l’aide de la formule :
      figure-protocol-6
      où TPR signifie True Positive Rate et correspond à recall, et TNR signifie True Negative Rate et correspond à la spécificité.
    8. Taux d’erreur équilibré : Le taux d’erreur équilibré (TEB) est la moyenne des erreurs sur chaque classe. Calculez-le à l’aide de la formule :
      figure-protocol-7
      REMARQUE : Le BER a l’avantage de prendre en compte la différence de performance entre les classes en créant une mesure équilibrée du taux d’erreur, limitant ainsi l’effet d’un jeu de données déséquilibré. Un taux d’erreur de 0,5 représente une performance similaire à celle de la supposition aléatoire. Pour DIABLO, le BER est le taux d’erreur de classification pondéré de chaque bloc, en fonction de la corrélation entre les composants et la condition d’intérêt. BER est le complément de BA à 1, c’est-à-dire BER = (1 - BAC).
    9. Aire sous la courbe : Calculez l’aire sous la courbe (AUC) comme l’aire sous le ROC (décrite dans la section suivante), obtenue en traçant la sensibilité en fonction de la spécificité.
      REMARQUE : La mesure la mieux adaptée à la tâche dépend de l’importance des faux négatifs et de l’équilibre ou du déséquilibre entre les classes. La précision se concentre sur la minimisation des faux positifs, tandis que la mémorisation se concentre sur la minimisation des faux négatifs. S’il y a une faible proportion de cas positifs, la précision seule peut ne pas être le meilleur indicateur pour évaluer la performance d’un modèle. Code.R est fourni sous la forme du fichier supplémentaire 1.

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

Results

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

Comme dans l’analyse mono-omique, la visualisation est essentielle pour l’exploration des données, l’intégration des données, la reconnaissance des formes, la génération d’hypothèses et la communication des résultats. Plus précisément, une bonne visualisation des données volumineuses est très importante lors des étapes de prétraitement des données, car elle permet de vérifier la normalisation, d’identifier les valeurs aberrantes, etc. Dans le multi-omique, encore plus, la visualisation est vitale, car elle peut aider à l...

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

Discussion

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

L’identification de l’ensemble de données omiques le plus pertinent est l’une des premières étapes d’une étude d’intégration multi-omiques. Dans la recherche nutritionnelle, la métabolomique représente l’une des premières couches omiques à examiner, car elle peut mettre en évidence les voies métaboliques et les processus biochimiques à la base de l’intervention diététique ou de la réponse métabolique à l’apport alimentaire. D’autre part, par exemple, en biologie du cancer, la génomique e...

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

Disclosures

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

E. A., R. R et O. C sont des employés de la Société des Produits Nestlé SA.

Acknowledgements

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

Les auteurs remercient le Dr Michael Affolter, le Dr Loïc Dayon, le Dr Jean Philippe Godin, la Dre Francesca Giuffrida, la Dre Eugenia Migliavacca, la Pr Anne-Florence Bitbol et le Pr Zoltan Kutalik.

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)Ordinateur de traitement
ggplot2 R packager-project.org3.4.4Création de visualisations de données
ggpubr R packager-project.org0.6.0Création de graphiques prêts à publier
ggrepel R packager-project.org0.9.5Positionnement automatique des libellés de texte non chevauchants avec ggplot2
Package R r-project.org0.22-5Graphiques Tellis pour R
limma R packager-project.org 3.58.1Modèles linéaires pour le mix de données de microarrayOmics
R packager-project.org6.25.1Projet d’intégration de données
omiques Package NEMO Rr-project.org0.1.0Clustering multi-omique basé sur le voisinage
R  ;r-project.org4.3.2 (2023-10-31)Langage de programmation pour le calcul statistique et les graphiques
R StudioRStudio2023.12.1+402 (2023.12.1+402)Environnement de développement intégré pour R
SNFtool R packager-project.org2.3.1Similitude fusion de réseau
tidyr R packager-project.org1.3.1Rangey messy data
yardstick R packager-project.org1.3.0Caractérisations nettes des performances du modèle

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