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

Summary

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

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.

Introduction

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 ....

Protocol

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 ....

Results

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.......

Discussion

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.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Apple M2 Pro macOS	Apple	14.3 (23D56)	Elaborazione del
computer ggplot2 Pacchetto R	r-project.org	3.4.4	Crea visualizzazioni dei dati
ggpubr Pacchetto R	r-project.org	0.6.0	Crea grafici pronti per la pubblicazione
ggrepel R pacchetto r-project.org		0.9.5	Posiziona automaticamente le etichette di testo non sovrapposte con ggplot2
reticolo R pacchetto	r-project.org	0.22-5	Tellis grafica per R
limma Pacchetto R	r-project.org	3.58.1	Modelli lineari per microarray di dati
mixOmics R pacchetto r-project.org		6.25.1	Progetto di integrazione dei dati omici
NEMO Pacchetto R	r-project.org	0.1.0	Clustering multi-omico basato sul vicinato
R	r-project.org	4.3.2 (2023-10-31)	Linguaggio di programmazione per calcolo statistico e grafica
R Studio	RStudio	2023.12.1+402 (2023.12.1+402)	Ambiente di sviluppo integrato per R
SNFtool Pacchetto R	r-project.org	2.3.1	Somiglianza rete fusion
tidyr pacchetto R	r-project.org	1.3.1	Ordinata metrica dei dati disordinati
R pacchetto	r-project.org	1.3.0	Caratterizzazione ordinata delle prestazioni del modello