CorrelationCalculator と Filigree: メタボロミクスデータのデータ駆動型ネットワーク解析ツール

Summary

本稿では、メタボロミクスデータのデータ駆動型ネットワーク構築と解析のための2つのツールであるCorrelationCalculatorとFiligreeを紹介します。 CorrelationCalculator は、発現データに基づく代謝物の単一の相互作用ネットワークの構築をサポートし、Filigree は差動ネットワークの構築と、それに続くネットワークのクラスタリングと濃縮分析を可能にします。

Abstract

オミクスデータの解析における重要な課題は、実用的な生物学的知識を抽出することです。メタボロミクスも例外ではありません。個々の代謝産物のレベルの変化を特定の生物学的プロセスに関連付けるという一般的な問題は、ノンターゲット液体クロマトグラフィー質量分析(LC-MS)研究に存在する多数の未知の代謝物によって悪化します。さらに、二次代謝と脂質代謝は、既存のパスウェイデータベースでは十分に表現されていません。これらの限界を克服するために、私たちのグループでは、データ駆動型ネットワークの構築と解析のためのいくつかのツールを開発しました。これらには、CorrelationCalculator と Filigree が含まれます。どちらのツールも、代謝物の数がサンプル数を超えた場合に、実験メタボロミクスデータから部分相関ベースのネットワークを構築できます。CorrelationCalculator は 1 つのネットワークの構築をサポートしますが、Filigree では 2 つのサンプル グループからのデータを利用して差分ネットワークを構築し、その後にネットワーク クラスタリングとエンリッチメント分析を行うことができます。本稿では、実際のメタボロミクスデータを解析するための両ツールの有用性と応用について述べる。

Introduction

過去10年間で、メタボロミクスは、ガスクロマトグラフ質量分析(GC-MS)や液体クロマトグラフィー質量分析(LC-MS)などの分析技術の進歩により、オミクス科学として登場しました。これらの技術により、数百から数千の低分子代謝物を同時に測定し、複雑な多次元データセットを作成できます。メタボロミクス実験は、ターゲットモードまたはノンターゲットモードで実行できます。ターゲットメタボロミクス実験では、特定のクラスの代謝物を測定します。それらは通常仮説主導型ですが、ノンターゲットアプローチはできるだけ多くの代謝物を測定しようとし、本質的に仮説を生成します。ターゲットアッセイには通常、内部標準が含まれているため、目的の代謝物の絶対定量が可能です。対照的に、ノンターゲットアッセイでは相対定量が可能で、多くの未知の代謝物^{が含まれています1。}

メタボロミクスデータの解析は、多くの専用^{ソフトウェアツールを}活用する多段階のプロセスです1。大きく分けて、(1)データ処理と品質管理、(2)統計解析、(3)生物学的データの解釈の3つに分けられます。ここで説明するツールは、解析の後半のステップを可能にするように設計されています。

メタボロミクスデータを解釈する直感的で一般的な方法は、実験測定値を代謝経路にマッピングすることです。

Protocol

1.相関電卓

1. http://metscape.med.umich.edu/kora_data_240.csv での実験的測定値を含む代謝物のリストを含むサンプルのコンマ区切り入力ファイルをダウンロードします。
2. ダウンロードしたサンプルファイルをダブルクリックして開きます。
   1. ファイルにサンプルと代謝物の両方のラベルが含まれていることを確認します。
   2. サンプルは行単位であるため、最初の列がサンプル名、最初の行が代謝物名であることを確認します。
3. CorrelationCalculator Java アプリケーション (http://metscape.med.umich.edu/calculator.html) をダウンロードします。ダウンロードした .jar ファイルをダブルクリックして、アプリケーションを起動します。
4. 「入力」タブで、「参照」ボタンをクリックして入力ファイルをアップロードします。
5. [ ファイル形式の指定] で、ドロップダウン矢印を使用して適切な入力ファイル形式を選択します。行内の サンプル を選択します(補足図1)。
6. ウィンドウの右下にある [....

Results

CorrelationCalculatorの使用を説明するために、 Krumsiek et ^al.24に記載されているKORA集団研究のメタボロミクスデータのサブセットを使用して偏相関ネットワークを構築しました。データセットには、151 の代謝物と 240 のサンプルが含まれていました。 図1 は、Cytoscapeで可視化した偏相関ネットワークを示しています。ネットワークには 148 個のノードと 272 個のエッジが含まれています。ノードの色は異なる化学クラスに属する代謝物を表し、エッジは偏相関係数の調整済みp値(調整済みp値<0.05)を表します。特に、事前情報を使用していないにもかかわらず、CorrelationCalculatorは化学的に関連する代謝物をグループ化することができました。例えば、ホスファチジルコリンとリゾホスファチジルコリンはネットワーク内で密接に接続されています。このタイプのネットワークのコンテキストで代謝物の変化を視覚化することで、仮説の生成が容易になり、将来の実験計画や原稿作.......

Discussion

CorrelationCalculator と Filigree に実装された部分相関ベースのネットワーク解析手法は、特に未知の代謝物の有病率が高く、代謝経路のカバレッジが限られているデータセット(リピドミクスデータなど)において、知識ベースの代謝経路解析の限界を克服するのに役立ちます。これらのツールは、幅広いメタボロミクスおよびリピドミクスデータを分析するために研究コミュニティで広く使用されています14,22,27,28,29,30。たとえば、CorrelationCalculatorは、マイクロバイオームや植物から人間の病気に至るまで、多くの生物学的システムからのデータを分析するために使用されています^31<.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
CorrelationCalculator	JAVA	http://metscape.med.umich.edu/calculator.html
clusterNet		https://github.com/Karnovsky-Lab/clusterNet
Cytoscape	Cytoscape	https://cytoscape.org/
Filigree	JAVA	http://metscape.med.umich.edu/filigree.html
MetScape	Cytoscape	https://apps.cytoscape.org/apps/metscape	相関ネットワークの作成と探索を可能にする Cytoscape アプリケーション。