Articolo metodologico

Un protocollo completo e una guida passo passo per l'integrazione multi-omica nella ricerca biologica

DOI:

10.3791/66995

⸱

8 agosto 2025

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

In questo articolo

Sommario

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

Questo lavoro descrive in dettaglio i metodi per l'integrazione di dati multi-omici (concatenazione, trasformazione e model-based). Combinando i dati provenienti da genomica, epigenomica, trascrittomica, proteomica, metabolomica, metagenomica, lipidomica e glicomica, si ottiene una comprensione completa dei sistemi biologici. Il manoscritto fornisce linee guida dettagliate, evidenziando i limiti, i vantaggi e gli strumenti di visualizzazione per l'integrazione multi-omica.

Abstract

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

Questo manoscritto fornisce una guida completa passo dopo passo per l'integrazione dei dati multi-omici nella ricerca biologica.

L'integrazione dei dati multi-omici si riferisce al processo di combinazione e analisi dei dati misurati sullo stesso set di campioni biologici con diverse tecnologie omiche, come genomica, epigenomica, trascrittomica, proteomica, metabolomica, microbiomi, lipidomica e glicomica. Anche se gli approcci multi-omici hanno obiettivi simili alle analisi a blocco singolo o a singolo elemento (ad esempio, descrizione, discriminazione, classificazione o previsione), sono in grado di catturare uno spettro più ampio di informazioni molecolari, fornendo così una comprensione più profonda dei sistemi biologici e delle loro complesse interazioni. Infatti, la combinazione di set di dati multi-omici consente di migliorare l'accuratezza delle previsioni e produce risultati più robusti, soprattutto nei casi in cui il numero di campioni disponibili è limitato. Inoltre, grazie anche ai più recenti sviluppi delle tecniche di machine learning, le analisi multi-omiche sono oggi adatte a scoprire pattern nascosti e fenomeni complessi che si verificano tra diversi composti biologici.

L'obiettivo primario di questo lavoro è quello di presentare il protocollo completo che viene comunemente utilizzato negli studi multi-omici, dalla formulazione iniziale del problema agli strumenti utili per l'interpretazione biologica dei risultati. Il manoscritto descrive in dettaglio i vari metodi di integrazione dei dati multi-omici, inclusi gli approcci basati sulla concatenazione (basso livello), basati sulla trasformazione (medio livello) e basati su modelli (alto livello), e ne evidenzia i limiti e i vantaggi, insieme alla presentazione di strumenti generali di visualizzazione e diagnostica.

Introduzione

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

Il campo della ricerca biologica ha assistito a progressi significativi negli ultimi anni, in particolare nell'area delle tecnologie omiche. Queste tecnologie forniscono preziose informazioni sulla natura complessa dei sistemi biologici. Tuttavia, ogni tecnologia omica offre una prospettiva unica sui componenti biologici, richiedendo l'integrazione di dati multi-omici per ottenere una comprensione completa.

La multi-omica comprende varie classi di biomolecole che possono essere definite quantitativamente grazie all'avvento di nuove e potenti tecniche di sequenziamento ad alto rendimento. Tra i diversi tipi di tecnologie omiche ci sono la genomica, l'epigenomica, la trascrittomica, la proteomica, la metabolomica, la metagenomica, la lipidomica e la glicomica. La genomica prevede lo studio dei genomi di un organismo, mentre l'epigenomica si concentra sulla struttura di supporto del genoma, compresi i leganti di proteine e RNA, le strutture alternative del DNA e le modifiche chimiche sul DNA. La trascrittomica comprende lo studio di tutte le molecole di RNA, inclusi mRNA, rRNA, tRNA e altri RNA non codificanti. La proteomica prevede lo studio delle proteine, comprese le modifiche apportate a specifici gruppi di proteine. La metabolomica si concentra sull'insieme di piccole molecole (metaboliti) all'interno di una matrice biologica. La metagenomica prevede lo studio di comunità microbiche in habitat ben definiti con specifiche proprietà fisico-chimiche. La lipidomica comprende lo studio dell'intero complemento dei lipidi cellulari, mentre la glicomica si concentra sullo studio del glicoma, compresi i carboidrati e gli zuccheri1.

L'integrazione di dati multi-omici ha guadagnato una crescente attenzione nella comunità scientifica grazie al suo potenziale di svelare fenomeni biologici complessi. Combinando i dati provenienti da più tecnologie omiche, i ricercatori possono superare i limiti dei singoli set di dati e ottenere una visione più olistica dei sistemi biologici. Questo approccio integrato consente l'identificazione di nuovi biomarcatori, la scoperta di meccanismi di malattia e la delucidazione di intricati percorsi biologici.

Il numero di citazioni dei termini "Multiomica" e "Multi-omica" in PubMed è aumentato significativamente nel corso degli anni, passando da 307 nel 2018 a 1414 nel 2021 a 3933 nel 2023. L'integrazione di diversi tipi di variabili omiche sta diventando sempre più comune in quanto consente un'indagine più approfondita sui meccanismi alla base delle malattie e delle disfunzioni degli organismi. I singoli approcci omici forniscono una visione limitata e parziale della biologia nascosta, poiché si concentrano su un'unica prospettiva. Tuttavia, integrando i dati multi-omici, possiamo far luce sull'interazione di diverse biomolecole, comprendere le relazioni all'interno di più strati e colmare il divario tra genotipo e fenotipo. Nel complesso, gli approcci multi-omici possono aiutare a rispondere a domande importanti come la classificazione di diversi sottogruppi di malattie, la previsione di biomarcatori fondamentali associati alla malattia e l'acquisizione di una migliore comprensione dei percorsi e dei meccanismi biologici. Nelle sezioni seguenti, i diversi set di dati omici possono anche essere indicati come "visualizzazioni" di dati o "blocchi" di dati.

Le tecniche per l'integrazione multi-omica possono essere classificate in tre sottogruppi principali, come descritto da Reel et al. (2021)2 e Ritchie et al. (2015)3 (Figura 1).

Integrazione o concatenazione precoce di basso livello: questo approccio prevede la concatenazione di variabili da ogni singolo set di dati in un'unica matrice. Tuttavia, l'integrazione precoce non considera la distribuzione univoca di ciascun tipo di dati omici e può assegnare un peso maggiore a determinati tipi di dati omici con dimensioni maggiori. Pone anche sfide come un aumento del rischio di maledizione della dimensionalità, rumore aggiunto, variabili altamente correlate e problemi di scalabilità computazionale. Nonostante queste limitazioni, l'integrazione precoce consente l'identificazione di cambiamenti coordinati tra più strati omici e migliora l'interpretazione biologica.

Integrazione di livello medio, medio o basato sulla trasformazione: in questo approccio, i modelli di integrazione matematica vengono applicati ai molteplici livelli di dati omici. L'integrazione media si concentra sulla fusione di sottoinsiemi o rappresentazioni estratte dalle fonti. Due sotto-approcci all'interno dell'integrazione intermedia sono l'approccio middle-up e l'approccio middle-down. L'approccio middle-up prevede punteggi concatenati ottenuti dalla riduzione della dimensionalità su ciascun blocco, rendendolo adatto alla gestione di dati eterogenei. Tuttavia, potrebbe non essere interpretabile. L'approccio middle-down prevede la selezione delle variabili locali e la successiva analisi su sottoinsiemi di variabili concatenate, consentendo una più facile interpretazione dei modelli. L'integrazione media offre vantaggi quali un migliore rapporto segnale/rumore, una dimensionalità ridotta e una maggiore potenza statistica.

High-level, integrazione tardiva o model-based: questo approccio prevede l'esecuzione di analisi a ogni singolo livello omico e la combinazione dei risultati in modo ad-hoc. Include la fusione dei risultati di modelli a blocco singolo per identificare i biomarcatori da ciascuna fonte e fornire un'interpretazione congiunta dei risultati. L'integrazione tardiva non aumenta la dimensionalità dello spazio di input e funziona con la distribuzione univoca di ogni dato omico. È particolarmente appropriato quando uno strato omico è più predittivo di altri. Tuttavia, l'integrazione tardiva può trascurare le relazioni cross-omiche e affrontare sfide legate alla mancanza di comprensione delle connessioni tra i blocchi di dati iniziali e la potenziale perdita di informazioni biologiche attraverso la modellazione individuale.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Protocollo

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

1. Definizione di domanda di ricerca

  1. Articolare chiaramente le domande di ricerca specifiche che verranno affrontate attraverso l'integrazione multi-omica. Ad esempio, domanda di ricerca 1: Quali sono i cambiamenti nell'espressione proteica e nei profili dei metaboliti correlati alla risposta al trattamento? Domanda di ricerca 2: In che modo le variazioni genetiche influenzano i modelli di espressione genica nei pazienti con una determinata malattia? Domanda di ricerca 3: In che modo l'integrazione di specifici strati omici fornisce una comprensione completa di uno specifico processo biologico o meccanismo di malattia?
  2. Prendi in considerazione l'inclusione di più tecnologie omiche per la ricerca di biomarcatori o per ottenere informazioni meccanicistiche su malattie complesse. Si noti che per la stratificazione dei pazienti può essere necessario aumentare la dimensione del campione.

2. Selezione omica

  1. Identificare le tecnologie omiche più rilevanti per le domande di ricerca e il sistema biologico oggetto di studio. Ad esempio, nel caso della domanda 1, le tecnologie omiche rilevanti sono la proteomica e la metabolomica; per la domanda di ricerca 2, genomica e trascrittomica; e per la domanda di ricerca 3, diverse tecnologie omiche.
  2. Considerare lo scopo dello studio e le risorse disponibili quando si scelgono i livelli omici ideali. Gli esempi includono la metabolomica per la ricerca nutrizionale, la genomica e la trascrittomica per la biologia del cancro e la proteomica per varie malattie.

3. Garantire la qualità dei dati

NOTA: Garantire l'affidabilità e la riproducibilità dei dati omici generati seguendo i passaggi descritti di seguito.

  1. Progettare attentamente l'esperimento e mantenere condizioni sperimentali coerenti e metodi di raccolta dei campioni su tutti i livelli omici per ridurre al minimo gli effetti batch.
  2. Seguire i protocolli stabiliti e implementare misure di controllo della qualità durante la generazione dei dati per ogni set di dati omici.
    1. Utilizzare standard interni o esterni quando appropriato.
    2. Esegui controlli di qualità in singoli set di dati omici.
      1. Per i dati genomici, valutare metriche come i punteggi della qualità di lettura, la composizione di base e la profondità di sequenziamento per garantire dati di sequenziamento di alta qualità, nonché la qualità dell'allineamento e della mappatura e la qualità della chiamata delle varianti, tra cui la frequenza degli alleli, la profondità di lettura e l'annotazione delle varianti.
      2. Per i dati di trascrittomica, valutare metriche come la distribuzione della lunghezza di lettura, la composizione di base e i punteggi di qualità Phred quando si valuta la qualità di lettura e la trascrizione per milione (TPM) o i frammenti per kilobase di trascrizione per milione di letture mappate (FPKM) quando si valuta la qualità della quantificazione della trascrizione.
      3. Per i dati di proteomica, considerare metriche rilevanti come la distribuzione dell'intensità di picco, il rapporto segnale/rumore e l'accuratezza di massa quando si valuta la qualità dei dati di spettrometria di massa e la copertura della sequenza peptidica, il punteggio di identificazione delle proteine, il tasso di false scoperte e la riproducibilità delle misurazioni dell'abbondanza delle proteine quando si valuta l'identificazione delle proteine e la qualità della quantificazione.
      4. Per i dati di metabolomica, valutare metriche rilevanti come la distribuzione dell'intensità di picco, il rapporto segnale/rumore e l'accuratezza di massa quando si valuta la qualità dei dati di spettrometria di massa e la corrispondenza degli spettri di massa con i database di riferimento o l'utilizzo di modelli di frammentazione per la delucidazione strutturale quando si valuta la qualità dell'identificazione dei metaboliti.

4. Pretrattamento dei dati

  1. Campioni sovrapposti
    1. Includi solo i campioni che si sovrappongono a più set di dati omici.
    2. Escludi i blocchi con un numero insufficiente di campioni sovrapposti rispetto ad altri blocchi.
  2. Imputazione del valore mancante
    1. Gestisci i valori mancanti utilizzando metodi statistici o di apprendimento automatico.
    2. Utilizza tecniche come il metodo LSA (Least-Squares Adaptive) per l'imputazione del valore mancante.
    3. Evitare di rimuovere righe con dati mancanti, soprattutto quando si tratta di campioni limitati.
    4. Escludi le variabili con un'alta percentuale di valori mancanti (ad esempio, il 25% o il 30% di valori mancanti tra i campioni).
  3. Standardizzazione
    1. Esegui la manipolazione dei dati per garantire un ridimensionamento coerente delle funzionalità.
    2. Evitare che le funzioni con effetti più grandi prevalgano su quelle con effetti più piccoli.
    3. Applica trasformazioni comuni come la trasformazione logaritmica, la centratura e il ridimensionamento.
      NOTA: le trasformazioni devono essere scelte con attenzione per mantenere l'interpretabilità dei dati originali.
  4. Identificazione dei valori anomali
    1. Rileva valori anomali ed estremi utilizzando strumenti come boxplot o distanza dalla mediana dei valori.
    2. Risolvi i valori anomali con metodi appropriati, come la trasformazione o la rimozione dei dati.

5. Riduzione della dimensionalità

NOTA: Esistono due approcci alla riduzione della dimensionalità: la rimozione di variabili rumorose e ridondanti (selezione delle funzionalità) o la combinazione di funzionalità per creare variabili più significative (estrazione delle funzionalità).

  1. Identificare se l'obiettivo dello studio è predittivo (ad esempio, costruire un modello in grado di prevedere se un soggetto è sano o malato) o analitico (ad esempio, quali variabili sono biomarcatori di una malattia).
    NOTA: Se l'obiettivo dello studio è analitico, la selezione delle caratteristiche è più appropriata perché l'estrazione delle caratteristiche può comportare una perdita di interpretabilità.
  2. Quando si ha a che fare con dati altamente dimensionali, è importante selezionare variabili rilevanti per il fenomeno studiato per facilitare l'analisi e l'interpretazione, ridurre le risorse computazionali necessarie e rimuovere il rumore e le informazioni ridondanti che confonderanno i risultati.
  3. Selezione delle funzioni
    1. Identificare il sottoinsieme delle caratteristiche informative per il fenomeno di interesse.
    2. Utilizzare metodi di selezione delle funzionalità classificati in categorie, ad esempio metodi filtro, wrapper, incorporati e ibridi. Nel caso della multi-omica, possono essere applicati anche metodi di selezione dei biomarcatori.
      NOTA: Considerare le caratteristiche del set di dati quando si sceglie il metodo appropriato. I metodi wrapper forniscono i modelli di previsione più accurati, ma richiedono un tempo di calcolo molto più lungo rispetto ai metodi di filtro o incorporati. Nella Tabella 1 viene fornita una tabella riassuntiva con vantaggi e svantaggi dei diversi metodi di selezione ed estrazione delle caratteristiche.
    3. Bilancia le prestazioni del modello finale con lo sforzo computazionale richiesto per la selezione delle funzionalità.
    4. Ottimizza il numero di funzioni selezionate per evitare l'underfitting o l'overfitting.
      NOTA: Esempi di rischi di overfitting sono discussi in un lavoro precedentemente pubblicato.
    5. Valutare le prestazioni del modello usando metriche quali l'accuratezza, il punteggio dell'area sotto la curva (AUC) o il tasso di errore bilanciato (BER).
  4. Estrazione delle caratteristiche
    1. Trasforma i dati grezzi in un set ridotto di funzionalità significative:
      1. Applica tecniche come l'analisi delle componenti principali (PCA) per identificare modelli e relazioni importanti proiettando i dati su uno spazio dimensionale inferiore.
      2. Utilizza t-SNE per visualizzare dati ad alta dimensionalità preservando le somiglianze locali.
      3. Prendere in considerazione l'analisi discriminante lineare (LDA) per massimizzare la separabilità delle classi.
      4. Esplora gli autoencoder per apprendere rappresentazioni compresse dei dati utilizzando le reti neurali.
        NOTA: l'estrazione delle feature può comportare rappresentazioni più difficili da interpretare. La tabella 1 elenca esempi selezionati di metodi di selezione ed estrazione delle caratteristiche5.

6. Selezione del metodo di integrazione

  1. Identificare i metodi di integrazione più pertinenti da applicare ai dati.
    1. Se i campioni vengono abbinati e ci sono abbastanza soggetti completi, procedere con un metodo di integrazione precoce.
    2. Se è necessario prendere in considerazione le interazioni tra i livelli, non procedere con un metodo di integrazione tardiva.
    3. Se i segnali possono essere sottili ma coerenti tra i livelli, allora un metodo di integrazione precoce può essere più adatto di un metodo di integrazione tardiva.
    4. Se è importante sfruttare l'interrelazione dei dati tra i diversi livelli omici, allora scegli un metodo di integrazione intermedia.
    5. Integrazione di basso livello della concatenazione
      1. Se uno (o più) dei blocchi omici rimane molto più grande in numero di caratteristiche (variabili) rispetto al resto, ridurre la sua (loro) dimensionalità seguendo i passaggi della sezione 5.
      2. Concatena le variabili di ogni singolo set di dati omici in un'unica grande matrice.
      3. Trasformare le variabili concatenate in modo che abbiano intervalli e distribuzioni simili.
      4. Utilizza la matrice di dati concatenata per l'analisi successiva, ad esempio l'applicazione di algoritmi di apprendimento automatico o strategie di riduzione della dimensionalità.
        NOTA: il modo più comune per eseguire l'integrazione di basso livello è attraverso la concatenazione. Tuttavia, questi metodi possono comportare la perdita di relazioni tra blocchi o approfondimenti specifici del blocco.
  2. Integrazione di medio livello
    1. Scegli tra le sei categorie principali di integrazione di medio livello a seconda dell'obiettivo dell'analisi.
      1. Basato sulla somiglianza: utilizzare questo approccio per valutare la somiglianza tra diversi campioni o caratteristiche per identificare modelli o sottotipi all'interno delle malattie, nell'analisi esplorativa dei dati in cui le relazioni non sono note a priori. Esempio: SNF6.
      2. Basato sulla correlazione: utilizza questo metodo per identificare e quantificare le associazioni tra diverse variabili, in particolare per valutare come una variabile cambia con i cambiamenti di un'altra. Esempio: CNAMet7.
      3. Basato sulla rete: utilizzare metodi basati sulla rete per rappresentare relazioni complesse tra le funzionalità. È particolarmente utile per scoprire cluster all'interno della struttura dei dati e prevedere i biomarcatori. Esempi: NetICS8, PARADIGM9, scMoMtF10.
      4. Basato sulla bayesia: utilizzare questo approccio per incorporare conoscenze pregresse nell'analisi o quando si gestiscono incertezze nei dati. È particolarmente utile per dedurre sottotipi di malattia e prevedere biomarcatori basati su modelli probabilistici. Esempi: MOFA11, iClusterPlus12.
      5. Basato su multivariate: utilizza questo metodo per analizzare più variabili contemporaneamente, soprattutto quando le interazioni tra queste variabili sono essenziali per comprendere il sistema biologico. È utile sia per il clustering che per la scoperta di biomarcatori. Esempi: mixOmics13, JIVE14,15.
      6. Basato sulla fusione: utilizza questo metodo per combinare i dati provenienti da diversi livelli omici in un unico framework per sfruttare i punti di forza di ciascun tipo di dati. È particolarmente utile per analisi complete che richiedono l'integrazione di diversi set di dati. Esempi: PFA16, PSDF17.
        NOTA: Basato su una forte elaborazione statistica o modellazione mediante tecniche di apprendimento automatico, potrebbe limitare i problemi presenti nel caso di integrazioni di basso o alto livello.
    2. Applicare il metodo selezionato al set di dati multi-omici.
  3. Integrazione di alto livello
    1. Esegui un'analisi completa dei dati su ogni singolo blocco omico in modo indipendente.
    2. Interpretare congiuntamente i risultati ottenuti nel passaggio precedente.

7. Analisi statistica

  1. Analisi dell'espressione differenziale (DE)
    1. Preparare i dati assicurandosi che siano formattati e normalizzati correttamente.
      NOTA: A seconda dei pacchetti utilizzati, il formato e la struttura dei dati possono differire. È consigliabile usare pacchetti R come limma18, edgeR19 o DESeq220 per l'analisi DE.
    2. Costruisci una matrice di progettazione che includa coefficienti separati per ogni gruppo sperimentale, specificando le condizioni sperimentali e le assegnazioni dei gruppi.
    3. Implementa un modello lineare e applicalo a ciascuna funzione, incorporando la matrice di progettazione.
    4. Calcola le statistiche t moderate e le statistiche F per valutare l'espressione differenziale.
    5. Utilizzare la moderazione empirica di Bayes degli errori standard per stimare le probabilità logaritmiche dell'espressione differenziale.
    6. Determinare le soglie di significatività
      1. Considera un valore limite p di 0,05 per determinare la significatività statistica.
      2. Impostare le soglie di modifica della riduzione dei log in base al tipo di funzionalità:
      3. Per i metaboliti e le proteine, utilizzare una variazione log-fold di log2(1.1).
      4. Per le trascrizioni, utilizzare una modifica log-fold di log2(1.5).
  2. Clustering
    1. Selezionare un metodo/algoritmo di clustering da utilizzare.
      NOTA: Esistono algoritmi di clustering progettati specificamente per i dati multi-omici, come NEMO21, iCluster22 e JIVE23.
    2. Determinare il numero di cluster se il metodo lo richiede. Alcune alternative sono il metodo del gomito, il punteggio della silhouette o la statistica del gap per stimare il numero ottimale di cluster.
    3. Eseguire l'algoritmo di clustering selezionato sui dati puliti.
    4. Ottimizza i parametri specifici dell'algoritmo in base alle esigenze.
    5. Valuta la qualità dei risultati del clustering utilizzando metriche di convalida interne o esterne, come il punteggio della silhouette o l'indice Rand aggiustato.
    6. Se appropriato e fattibile, convalidare l'assegnazione del cluster utilizzando dati indipendenti o un set di dati di test precedentemente escluso dall'analisi del cluster.
  3. Modellazione predittiva
    1. Valutare la necessità di eseguire la modellazione predittiva in uno studio multi-omico.
      NOTA: I modelli predittivi possono essere applicati dopo l'integrazione multi-omica per confrontare come cambia l'accuratezza della previsione sulla classificazione dei risultati in base alle caratteristiche selezionate con metodi diversi.
    2. Se la decisione presa nel passaggio 7.3.1 è positiva, procedere con i passaggi successivi; In caso contrario, andare al passaggio 8.
    3. Scegliere un modello predittivo adatto da applicare.
      NOTA: Un esempio di modello da utilizzare è Random Forest (RF), un algoritmo di apprendimento automatico che integra più alberi decisionali per ottenere un risultato finale.
    4. Ottimizza i parametri del modello (ad esempio, utilizzando il pacchetto di accento circonflittuale R).
    5. Suddividere il set di dati in train e test (60-40% o 80-20%), in modo equilibrato per avere la stessa proporzione di campioni provenienti da gruppi diversi.
    6. Esegui il modello sul set di treni.
    7. Calcola l'accuratezza e il punteggio F1 nel set di test per valutare le prestazioni del modello.
    8. Ripeti i passaggi da 2 a 4 più volte (ad esempio, 1000) per aumentare la casualità.
    9. Calcola la media dei risultati del passaggio 5.
    10. Riportare la precisione media e il punteggio F1. In caso di insoddisfazione, procedere al passaggio 1 per migliorare la selezione dei parametri.
    11. Determinare l'importanza delle caratteristiche utilizzando la diminuzione media dell'accuratezza (DMA) e la diminuzione media dell'impurità (MDI).

8. Interpretazione biologica:

  1. Seleziona uno strumento di arricchimento del percorso (gli strumenti PEA comunemente usati sono DAVID, GSEA, Enrichr e Metascape).
  2. Inserisci l'elenco di geni o proteine nello strumento di analisi dell'arricchimento del percorso selezionato.
  3. Selezionare il database del percorso appropriato, ad esempio KEGG, Reactome o GO, per eseguire l'analisi.
    NOTA: Uno strumento che è stato specificamente progettato per i dati multi-omici è Paintomics, che utilizza database (KEGG, Reactome o Mapman) per fornire informazioni sulle relazioni funzionali tra questi biomarcatori, nonché sul loro coinvolgimento in specifici processi biologici25.
  4. Eseguire l'analisi dell'arricchimento del percorso utilizzando lo strumento e il database selezionati.
  5. Regola i parametri secondo necessità, come la soglia di significatività, l'elenco di base dei geni o il metodo di correzione.
  6. Visualizzare e valutare i risultati finali (percorsi arricchiti, FDR, diagrammi di percorso, mappe di calore, tra gli altri).

9. Validazione ed esperimenti di follow-up

  1. Validazione tecnica
    1. Verificare che, utilizzando diverse tecniche analitiche sugli stessi campioni, si trovino anche risultati equivalenti.
      NOTA: Ad esempio, i risultati ottenuti utilizzando la proteomica basata sulla spettrometria di massa (MS) possono essere successivamente convalidati utilizzando un test immunologico come il test di immunoassorbimento enzimatico (ELISA).
  2. Identificare gli esperimenti di follow-up per convalidare i risultati ottenuti.
  3. Se possibile, replicare il risultato analizzando i dati omici di una coorte indipendente.
  4. Per le applicazioni cliniche, condurre studi clinici randomizzati per dimostrare la validità clinica dei risultati.
    1. Progettare e implementare uno studio controllato con una dimensione del campione e una randomizzazione adeguate per valutare l'efficacia e la sicurezza dei biomarcatori o dei bersagli identificati.
    2. Raccogli gli endpoint clinici rilevanti e misura l'impatto dei fattori identificati sugli esiti dei pazienti.

10. Strumenti di visualizzazione e diagnostica

NOTA: Vari tipi di grafici possono essere utilizzati per illustrare i risultati dell'analisi dei dati, fornendo rappresentazioni visive dei risultati chiave. I grafici comunemente usati includono grafici vulcanici, mappe di calore, grafici circos e grafici Manhattan.

  1. Grafici del vulcano:
    1. Utilizza i grafici Volcano per riepilogare i risultati dell'analisi dell'espressione differenziale (DEA).
    2. Mostra la relazione tra la significatività statistica e l'entità della variazione tra i gruppi testati.
    3. Identifica le caratteristiche chiave per un ulteriore esame in base alla loro posizione nel grafico.
  2. Mappe di calore:
    1. Utilizza le mappe di calore per visualizzare l'entità di una variabile in diverse categorie.
    2. Utilizza i colori per indicare l'intensità della variabile, facilitando l'identificazione di modelli e cluster all'interno dei set di dati.
  3. Complotti di Manhattan:
    1. Utilizza i grafici di Manhattan per riassumere in modo efficiente i risultati della DEA e visualizzare numerosi punti dati sullo stesso grafico.
    2. Comunemente usato negli studi di associazione genoma-wide (GWAS), ma applicabile anche negli studi multi-omici.
  4. Trame di circos:
    1. Utilizza i grafici circos, le visualizzazioni circolari, per esplorare le interazioni e le correlazioni tra varie caratteristiche molecolari.
    2. Raffigura le relazioni e le connessioni tra diversi elementi in modo completo e visivamente accattivante.
      NOTA: Questo studio fornisce esempi di risultati rappresentativi per ciascun tipo di grafico presentato sopra utilizzando un set di dati di test sul cancro.
  5. Strumenti diagnostici:
    NOTA: Gli strumenti di visualizzazione, insieme alle metriche delle prestazioni, sono molto importanti per scopi diagnostici.
    1. Utilizza le curve delle caratteristiche operative del ricevitore (ROC) per valutare le prestazioni dei modelli di classificazione.
    2. Utilizza i grafici di caricamento e i grafici di analisi delle componenti principali (PCA) per visualizzare le relazioni e i modelli all'interno dei dati.
      NOTA: Esempi di risultati rappresentativi per ciascuno di questi grafici utilizzando un set di dati di test sul cancro sono mostrati nella sezione Risultati rappresentativi.
  6. Metriche delle prestazioni per la classificazione binaria
    NOTA: le seguenti metriche possono essere adattate per la classificazione multiclasse, come nell'esempio presentato, considerando ogni classe rispetto al resto, per ogni classe.
    1. Matrice di confusione: utilizzare una matrice di confusione (Tabella 2) per indicare i veri positivi e i veri negativi nella diagonale, i veri negativi nei blocchi in basso a destra, i falsi positivi nei blocchi in alto a destra e i falsi negativi nei blocchi in basso a sinistra.
    2. Precisione: è la proporzione di identificazioni positive che erano corrette. Calcola la precisione utilizzando la formula TP/(TP + FP). Un modello con una precisione pari a 1 non presenta falsi positivi. Se un modello ha una precisione di 0,5, il modello è corretto la metà delle volte.
      figure-protocol-1
    3. Richiamo o sensibilità: noto anche come tasso di veri positivi o tasso di successo, è la proporzione di positivi effettivi che sono stati identificati correttamente. Calcola il richiamo o la sensibilità utilizzando la formula TP/(TP + FN) o TP/pos, dove pos = TP + FN è il numero totale di esempi positivi.
      figure-protocol-2
    4. Specificità: è la proporzione di negativi effettivi che sono stati identificati correttamente. Calcolalo usando la formula, TN/neg, dove neg = TN + FP è il numero totale di esempi negativi.
      figure-protocol-3
    5. Accuratezza: proporzione di previsioni corrette (sia positive che negative). Calcola la precisione utilizzando la formula:
      figure-protocol-4
    6. F-Score: F-Score è la media armonica tra richiamo e precisione. Calcolalo usando la formula:
      figure-protocol-5
    7. Precisione bilanciata: l'accuratezza bilanciata (BAC) è la media della sensibilità e della specificità. Calcolalo usando la formula:
      figure-protocol-6
      dove TPR sta per True Positive Rate e corrisponde al richiamo, e TNR sta per True Negative Rate e corrisponde alla specificità.
    8. Tasso di errore bilanciato: il tasso di errore bilanciato (BER) è la media degli errori di ogni classe. Calcolalo usando la formula:
      figure-protocol-7
      NOTA: Il BER ha il vantaggio di considerare la differenza di prestazioni tra le classi creando una misura bilanciata del tasso di errore, limitando così l'effetto di un set di dati sbilanciato. Un tasso di errore di 0,5 rappresenta una prestazione simile all'ipotesi casuale. Per DIABLO, il BER è il tasso di errore di classificazione ponderato di ciascun blocco, a seconda della correlazione tra i componenti e la condizione di interesse. BER è il complemento di BA a 1, cioè BER = (1 - BAC).
    9. Area sotto la curva: calcolare l'area sotto la curva (AUC) come l'area sotto il ROC (descritta nella sezione seguente), ottenuta tracciando la sensibilità rispetto alla specificità.
      NOTA: Quale di queste metriche è più adatta per l'attività dipende dall'importanza dei falsi negativi e dall'equilibrio o dallo squilibrio tra le classi. La precisione si concentra sulla riduzione al minimo dei falsi positivi, mentre il richiamo si concentra sulla riduzione al minimo dei falsi negativi. Se c'è una bassa percentuale di casi positivi, la precisione da sola potrebbe non essere l'indicatore migliore per valutare le prestazioni di un modello. Code.R viene fornito come File Supplementare 1.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Risultati

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

Come nell'analisi single-omics, la visualizzazione è fondamentale per l'esplorazione e l'integrazione dei dati, il riconoscimento di modelli, la generazione di ipotesi e la comunicazione dei risultati. In particolare, una buona visualizzazione di dati di grandi dimensioni è molto importante durante le fasi di pre-elaborazione dei dati, aiutando nella verifica della normalizzazione, nell'identificazione dei valori anomali e molto altro. Nella multi-omica, ancora di più, la visualizzazione è vitale, in quanto può aiutare n...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Discussione

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

L'identificazione del set di dati omici più rilevante è uno dei primi passi in uno studio di integrazione multi-omica. Nella ricerca nutrizionale, la metabolomica rappresenta uno dei primi strati omici da osservare, poiché può evidenziare le vie metaboliche e i processi biochimici alla base dell'intervento dietetico o della risposta metabolica all'assunzione di cibo. D'altra parte, ad esempio, nella biologia del cancro, la genomica e la trascrittomica, che forniscono informazioni sul DNA...

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Dichiarazioni

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

E. A., R. R. e O. C sono dipendenti della Société des Produits Nestlé SA.

Ringraziamenti

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

Gli autori ringraziano il supporto del Dr. Michael Affolter, del Dr. Loïc Dayon, del Dr. Jean Philippe Godin, della Dr. Francesca Giuffrida, della Dr. Eugenia Migliavacca, della Prof.ssa Anne-Florence Bitbol e del Prof. Zoltan Kutalik.

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Materiali

Elenco dei materiali utilizzati in questo articolo
NomeAziendaNumero di catalogoCommenti
Apple M2 Pro macOSApple14.3 (23D56)Elaborazione del
computer ggplot2 Pacchetto Rr-project.org3.4.4Crea visualizzazioni dei dati
ggpubr Pacchetto Rr-project.org0.6.0Crea grafici pronti per la pubblicazione
ggrepel R pacchetto r-project.org0.9.5Posiziona automaticamente le etichette di testo non sovrapposte con ggplot2
reticolo R pacchettor-project.org0.22-5Tellis grafica per R
limma Pacchetto Rr-project.org3.58.1Modelli lineari per microarray di dati
mixOmics R pacchetto r-project.org6.25.1Progetto di integrazione dei dati omici
NEMO Pacchetto Rr-project.org0.1.0Clustering multi-omico basato sul vicinato
R r-project.org4.3.2 (2023-10-31)Linguaggio di programmazione per calcolo statistico e grafica
R StudioRStudio2023.12.1+402 (2023.12.1+402)Ambiente di sviluppo integrato per R
SNFtool Pacchetto Rr-project.org2.3.1Somiglianza rete fusion
tidyr pacchetto Rr-project.org1.3.1Ordinata metrica dei dati disordinati
R pacchettor-project.org1.3.0Caratterizzazione ordinata delle prestazioni del modello

Riferimenti

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

Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.

Ristampe e permessi

Richiedi il permesso di riutilizzare il testo o le figure di questo articolo JoVE

Richiedi permesso

Tag

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

Articoli correlati