生物学研究におけるマルチオミクス統合のための包括的なプロトコルとステップバイステップガイド

Summary

この研究では、マルチオミクスデータを統合する方法(連結、変換、およびモデルベース)について詳しく説明します。ゲノミクス、エピゲノミクス、トランスクリプトミクス、プロテオミクス、メタボロミクス、メタゲノミクス、リピドミクス、グリコミクスのデータを組み合わせることで、生物学的システムの包括的な理解が達成されます。この原稿には、マルチオミクス統合のための制限、利点、視覚化ツールが強調された段階的なガイドラインが記載されています。

Abstract

この原稿は、生物学研究にマルチオミクスデータを統合するための包括的なステップバイステップのガイドを提供します。

マルチオミクス データ統合とは、同じ生体サンプル セットで測定されたデータを、ゲノミクス、エピゲノミクス、トランスクリプトミクス、プロテオミクス、メタボロミクス、マイクロバイオーム、リピドミクス、グリコミクスなどのさまざまなオミクス技術と組み合わせて分析するプロセスを指します。マルチオミクスアプローチは、シングルブロックまたはシングルオミクス分析と同様の目的(記述、識別、分類、予測など)を持っていますが、より広範囲の分子情報をキャプチャできるため、生物学的システムとその複雑な相互作用をより深く理解できます。実際、マルチオミクスデータセットを組み合わせることで、特に利用可能なサンプルの数が限られている場合に、予測精度が向上し、より堅牢な結果が得られます。さらに、機械学習技術の最新の開発のおかげで、マルチオミクス分析は、さまざまな生物学的化合物間で発生する隠れたパターンや複雑な現象を明らかにするのに適しています。

この研究の主な目的は、問題の最初の定式化から結果の生物学的解釈に役立つツールまで、マルチオミクス研究で一般的に使用される完全なプロトコルを提示することです。この原稿では、連結ベース(低レベル)、変換ベース(中レベル)、モデルベース(高レベル)のアプローチなど、マルチオミクスデータを統合するさまざまな方法を詳細に説明し、それらの限界と利点を強調するとともに、一般的な視覚化および診断ツールの提示を行っています。

Introduction

生物学研究の分野は近年、特にオミクス技術の分野で大きな進歩を遂げています。これらのテクノロジーは、生物学的システムの複雑な性質についての貴重な洞察を提供します。ただし、それぞれのオミクス技術は生物学的成分について独自の視点を提供するため、包括的な理解を得るにはマルチオミクス データを統合する必要があります。

マルチオミクスには、新しく強力なハイスループットシーケンシング技術の出現により、定量的に定義できるさまざまなクラスの生体分子が含まれます。オミクス技術には、ゲノミクス、エピゲノミクス、トランスクリプトミクス、プロテオミクス、メタボロミクス、メタゲノミクス、リピドミクス、グリコミクスなどがある。ゲノミクスは生物のゲノムの研究を含み、エピゲノミクスはタンパク質とRNA結合体、代替DNA構造、DNAの化学修飾など、ゲノムの支持構造に焦点を当てています。トランスクリプトミクスには、mRNA、rRNA、tRNA、その他のノンコーディング RNA を含むすべての RNA 分子の研究が含まれます。プロテオミクスには、タンパク質の特定のグループに加えられた修飾を含むタンパク質の研究が含まれます。メタボロミクスは、生物学的マトリックス内の小分子(代謝産物)のアンサンブルに焦点を当てています。メタゲノミクスには、特定の物理化学的特性を持つ明確に定義された生息地における微生物群集の研究が含まれます。リピドミクスは細胞脂質の補体全体の研究を網羅し、グリコミクスは炭水化物や糖を含むグリコームの研究に焦点を当てています¹。

マルチオミクス データの統合は、複雑な生物学的現象を解明する可能性があるため、科学界でますます注目を集めています。複数のオミクス技術からのデータを組み合わせることで、研究者は個々のデータセットの制限を克服し、生物学的システムのより全体的なビューを得ることができます。この統合されたアプローチにより、新しいバイオマーカーの同定、疾患メカニズムの発見、複雑な生物学的経路の解明が可能になります。

PubMed における「マルチオミクス」および「マルチオミクス」という用語の引用数は、2018 年の 307 件から 2021 年の 1414 件、2023 年には 3933 件と、年々大幅に増加しています。さまざまな種類のオミクス変数の統合は、生物の病気や機能不全の根底にあるメカニズムをより深く調査できるため、ますます一般的になってきています。シングルオミクスアプローチは、単一の視点に焦点を当てているため、隠れた生物学の限定的で部分的なビューを提供します。しかし、マルチオミクスデータを統合することで、異なる生体分子の相互作用に光を当て、複数の層内の関係を理解し、遺伝子型と表現型の間のギャップを埋めることができます。全体として、マルチオミクス アプローチは、疾患のさまざまなサブグループの分類、基本的な疾患関連バイオマーカーの予測、生物学的経路とメカニズムの理解の深まりなどの重要な質問に答えるのに役立ちます。次のセクションでは、さまざまなオミクスデータセットをデータ「ビュー」またはデータ「ブロック」と呼ぶこともできます。

マルチオミクス統合の手法は、Reel et al. (2021)² およびRitchie et al. (2015)³ で説明されているように、3つの主要なサブグループに分類できます(図1)。

低レベルの早期統合または連結: このアプローチでは、各データセットの変数を 1 つのマトリックスに連結します。ただし、早期統合では、各オミクスデータ型の固有の分布は考慮されず、より大きなディメンションを持つ特定のオミクスデータ型により多くの重みを割り当てる可能性があります。また、次元の呪いのリスクの増加、ノイズの増加、相関性の高い変数、計算のスケーラビリティの問題などの課題ももたらします。これらの制限にもかかわらず、早期の統合により、複数のオミック層にわたる協調的な変化の識別が可能になり、生物学的解釈が強化されます。

中間レベル、中間統合、または変換ベース:このアプローチでは、数学的統合モデルがオミクスデータの複数の層に適用されます。中間統合は、ソースから抽出されたサブセットまたは表現の融合に焦点を当てています。ミドルインテグレーション内の2つのサブアプローチは、ミドルアップアプローチとミドルダウンアプローチです。ミドルアップアプローチでは、各ブロックの次元削減から得られたスコアを連結し、異種データの処理に適しています。ただし、解釈可能性に欠ける可能性があります。ミドルダウンアプローチでは、局所変数の選択と、連結された変数サブセットに対するその後の分析が含まれ、モデルの解釈が容易になります。中間積分には、信号対雑音比の向上、次元の低減、統計的検出力の向上などの利点があります。

高レベルの後期統合またはモデルベース:このアプローチでは、各単一オミックレベルで分析を実行し、結果をアドホックな方法で組み合わせます。これには、単一ブロックモデルからの結果を融合して、各ソースからのバイオマーカーを特定し、結果の共同解釈を提供することが含まれます。後期積分は入力空間の次元を増加させず、各オミクスデータの固有の分布で機能します。これは、1つのオミック層が他のオミック層よりも予測性が高い場合に特に適しています。ただし、統合が遅れると、クロスオミクス関係が見落とされ、初期データブロック間のつながりの理解の欠如と、個々のモデリングによる生物学的情報の潜在的な損失に関連する課題に直面する可能性があります。

Protocol

1. 研究課題の定義

1. マルチオミクス統合を通じて対処される特定の研究課題を明確に表現します。例:研究課題1:治療反応と相関するタンパク質発現と代謝物プロファイルの変化は何ですか?研究課題 2: 遺伝的変異は、特定の疾患を持つ患者の遺伝子発現パターンにどのように影響しますか?研究課題 3: 特定のオミック層の統合は、特定の生物学的プロセスまたは疾患メカニズムの包括的な理解をどのように提供しますか?
2. バイオマーカーを検索したり、複雑な疾患についてメカニズムの洞察を得たりするために、複数のオミクス技術を含めることを検討してください。患者の層別化にはサンプルサイズを増やす必要がある場合があることに注意してください。

2. オミクスの選択

1. 研究課題と研究中の生物学的システムに最も関連性の高いオミクス技術を特定します。例えば、質問1の場合、関連するオミクス技術はプロテオミクスとメタボロミクスである。研究課題 2、ゲノミクスとトランスクリプトミクス。研究課題 3 については、いくつかのオミック技術があります。
2. 理想的なオミクス層を選択する際には、研究の目的と利用可能なリソースを考慮してください。例としては、栄養研究のためのメタボロミクス、がん生物学のためのゲノミクスとトランスクリプトミクス、さまざまな疾患のためのプロテオミクスなどがあります。

3. データ品質の確保

注:以下に説明する手順に従って生成されたオミクスデータのデータの信頼性と再現性を確保してください。

1. 実験を慎重に設計し、バッチ効果を最小限に抑えるために、すべてのオミクス層にわたって一貫した実験条件とサンプル収集方法を維持します。
2. 確立されたプロトコルに従い、各オミクスデータセットのデータ生成中に品質管理措置を実施します。
   1. 必要に応じて、内部または外部の標準を使用します。
   2. 個々のオミクスデータセットで品質チェックを実行します。
      1. ゲノミクスデータの場合、リード品質スコア、塩基組成、シーケンシング深度などの指標を評価して、高品質のシーケンシングデータ、アライメントとマッピングの品質、対立遺伝子頻度、リード深度、バリアントアノテーションなどのバリアント呼び出し品質を確保します。
      2. トランスクリプトミクスデータの場合、リード品質を評価する場合はリード長分布、塩基組成、Phred品質スコア、転写産物定量品質を評価する場合は、100万本あたりの転写産物数(TPM)または100万枚あたりの転写産物キロベースあたりのフラグメント数(FPKM)などの指標を評価します。
      3. プロテオミクスデータの場合、タンパク質の同定と定量の品質を評価する際には、質量分析データの品質とペプチド配列カバレッジ、タンパク質同定スコア、誤発見率、タンパク質存在量測定の再現性を評価する際には、ピーク強度分布、信号対雑音比、質量精度などの関連指標を考慮してください。
      4. メタボロミクスデータの場合、質量分析データの品質を評価し、質量スペクトルをリファレンスデータベースと照合したり、代謝物の同定品質を評価する際にフラグメンテーションパターンを使用して構造解明にフラグメンテーションパターンを使用したりする際に、ピーク強度分布、S/N比、質量精度などの関連指標を評価します。

4. データの前処理

1. 重複するサンプル
   1. 複数のオミクスデータセットにまたがるサンプルのみを含めます。
   2. 他のブロックと比較して重複するサンプルの数が不十分なブロックを除外します。
2. 欠損値代入
   1. 統計的または機械学習の手法を使用して欠損値を処理します。
   2. 欠損値代入には、最小二乗適応法 (LSA) 法などの手法を使用します。
   3. 特に限られたサンプルを扱う場合は、欠落しているデータを含む行を削除しないでください。
   4. 欠損値の割合が高い変数を除外します(例:サンプル間で25%または30%の欠損値)。
3. 標準化
   1. データ操作を実行して、特徴の一線を一貫したスケーリングを確保します。
   2. 効果が大きい特徴が、効果が小さい特徴が支配されないようにします。
   3. 対数変換、センタリング、スケーリングなどの一般的な変換を適用します。
      注: 元のデータの解釈可能性を維持するために、変換は慎重に選択する必要があります。
4. 外れ値の識別
   1. 箱ひげ図や値の中央値からの距離などのツールを使用して、外れ値や極値を検出します。
   2. データの変換や削除などの適切な方法で外れ値に対処します。

5. 次元削減

注:次元削減には、ノイズの多い冗長な変数の除去(特徴量の選択)と、より意味のある変数を作成するための特徴量の組み合わせ(特徴量抽出)の2つのアプローチがあります。

1. 研究の目的が予測的であるか (例: 被験者が健康か病気かを予測できるモデルを構築する) か、分析的であるか (例: どの変数が疾患のバイオマーカーであるか) を特定します。
   注:研究の目的が分析的なものである場合、特徴抽出は解釈可能性の喪失につながる可能性があるため、特徴の選択がより適切です。
2. 次元性の高いデータを扱う場合、分析と解釈を容易にし、必要な計算リソースを削減し、結果を混乱させるノイズや冗長な情報を取り除くために、調査した現象に関連する変数を選択することが重要です。
3. 機能の選択
   1. 関心のある現象の有益な特徴のサブセットを特定します。
   2. フィルター、ラッパー、埋め込み、ハイブリッドなどのカテゴリに分類された特徴選択方法を使用します。マルチオミクスの場合、バイオマーカー選択法も適用できます。
      注: 適切な方法を選択するときは、データセットの特性を考慮してください。ラッパー メソッドは最も正確な予測モデルを提供しますが、フィルターや埋め込みメソッドよりもはるかに長い計算時間を必要とします。さまざまな特徴選択および抽出方法の長所と短所をまとめた要約表を 表 1 に示します。
   3. 最終モデルのパフォーマンスと特徴選択に必要な計算作業のバランスをとります。
   4. 選択した特徴の数を最適化して、過小適合または過剰適合を回避します。
      注:過学習リスクの例は、以前に発表された研究で説明されています。
   5. 精度、曲線下面積 (AUC) スコア、バランス エラー率 (BER) などの指標を使用して、モデルのパフォーマンスを評価します。
4. 特徴抽出
   1. 生データを意味のある特徴量の縮小セットに変換します。
      1. 主成分分析 (PCA) などの手法を適用して、データを低次元空間に投影することで重要なパターンと関係を特定します。
      2. t-SNE を利用して、局所的な類似性を維持しながら高次元データを視覚化します。
      3. クラス分離可能性を最大化するために、線形判別分析 (LDA) を検討してください。
      4. オートエンコーダーを調べて、ニューラルネットワークを使用してデータの圧縮表現を学習します。
         注:特徴抽出により、解釈が困難な表現が生じる可能性があります。 表 1 は 、特徴選択と特徴抽出方法の選択例を示しています⁵.

6. 統合方法の選択

1. データに適用する最も関連性の高い統合方法を特定します。
   1. サンプルが一致し、完全な被験者が十分にある場合は、早期統合法に進みます。
   2. 層間の相互作用を考慮する必要がある場合は、後期積分法を続行しないでください。
   3. 信号が微妙であるが、層間で一貫している場合は、後期積分法よりも早期積分法の方が適している可能性があります。
   4. 異なるオミック層間のデータの相互関係を活用することが重要な場合は、中間統合方法を選択します。
   5. 連結の低レベル統合
      1. オミクスブロックの1つ(または複数)が特徴(変数)の数が他のブロックよりもはるかに多い場合は、セクション5の手順に従ってその(それらの)次元を減らします。
      2. 各単一オミクスデータセットの変数を1つの幅の広い行列に連結します。
      3. 連結された変数を変換して、類似した範囲と分布を持つようにします。
      4. 連結されたデータ マトリックスは、機械学習アルゴリズムや次元削減戦略の適用など、後続の分析に使用します。
         注: 低レベルの統合を実行する最も一般的な方法は、連結を使用することです。ただし、これらの方法では、ブロック間の関係やブロック固有の洞察が失われる可能性があります。
2. 中間レベルの統合
   1. 分析の目標に応じて、中間レベル統合の 6 つの主要なカテゴリから選択します。
      1. 類似性ベース: このアプローチを使用して、関係がアプリオリに知られていない探索的データ分析において、異なるサンプルまたは特徴間の類似性を評価し、疾患内のパターンまたはサブタイプを特定します。例:SNF⁶。
      2. 相関ベース: この方法を使用して、異なる変数間の関連性を特定および定量化し、特に 1 つの変数が別の変数の変化によってどのように変化するかを評価します。例: CNAMet⁷.
      3. ネットワークベース: ネットワークベースの方法を使用して、特徴間の複雑な関係を表します。データ構造内のクラスターを発見し、バイオマーカーを予測するのに特に役立ちます。例:NetICS⁸、PARADIGM⁹、scMoMtF¹⁰。
      4. ベイジアンベース: このアプローチは、分析に事前知識を組み込んだり、データの不確実性を扱ったりする場合に使用します。これは、疾患のサブタイプを推測し、確率モデルに基づいてバイオマーカーを予測するのに特に役立ちます。例:MOFA¹¹、iClusterPlus¹²。
      5. 多変量ベース: この方法を使用して、特にこれらの変数間の相互作用が生物学的システムの理解に不可欠な場合に、複数の変数を同時に分析します。クラスタリングとバイオマーカーの発見の両方に役立ちます。例:mixOmics¹³、JIVE^14,15_。
      6. フュージョンベース:この方法を使用して、異なるオミクス層のデータを単一のフレームワークに結合し、各タイプのデータの長所を活用します。これは、多様なデータセットの統合を必要とする包括的な分析に特に役立ちます。例:PFA¹⁶、PSDF¹⁷。
         注: 強力な統計処理または機械学習技術によるモデリングに基づいて、低レベルまたは高レベルの統合の場合に存在する問題が制限される場合があります。
   2. 選択したメソッドをマルチオミクスデータセットに適用します。
3. 高レベルの統合
   1. 各オミックブロックに対して完全なデータ解析を個別に実行します。
   2. 前のステップで得られた結果を共同で解釈します。

7. 統計分析

1. 差次発現(DE)解析
   1. データが適切にフォーマットされ、正規化されていることを確認して、データを準備します。
      注: 使用するパッケージによっては、データ形式と構造が異なる場合があります。DE解析には、limma¹⁸、edgeR¹⁹、DESeq2²⁰ などのRパッケージを使用することをお勧めします。
   2. 実験グループごとに個別の係数を含む設計行列を構築し、実験条件とグループの割り当てを指定します。
   3. 線形モデルを実装し、設計行列を組み込んで各特徴に適用します。
   4. 緩和された t 統計量と F 統計量を計算して、差分発現を評価します。
   5. 標準誤差の経験的ベイズモデレーションを使用して、微分式の対数オッズを推定します。
   6. 有意性しきい値の決定
      1. 統計的有意性を判断するために、0.05 の p 値カットオフを検討します。
      2. 特徴量のタイプに基づいて、ログ倍数の変化しきい値を設定します。
      3. 代謝産物とタンパク質には、log2(1.1)の対数倍数変化を使用します。
      4. 転写物には、log2(1.5)の対数倍数変化を使用します。
2. クラスタ リング
   1. 使用するクラスタリング方法/アルゴリズムを選択します。
      注:NEMO²¹、iCluster²² 、JIVE²³など、マルチオミクスデータ用に特別に設計されたクラスタリングアルゴリズムがあります。
   2. メソッドで必要な場合は、クラスターの数を決定します。いくつかの代替手段は、最適なクラスター数を推定するためのエルボ法、シルエットスコア、またはギャップ統計です。
   3. クリーンアップされたデータに対して、選択したクラスタリングアルゴリズムを実行します。
   4. 必要に応じてアルゴリズム固有のパラメーターを最適化します。
   5. シルエット スコアや調整済みランド インデックスなどの内部または外部の検証メトリックを使用して、クラスタリング結果の品質を評価します。
   6. 適切かつ実行可能な場合は、独立したデータまたはクラスター分析から以前に除外されたテスト データセットを使用して、クラスターの割り当てを検証します。
3. 予測モデリング
   1. マルチオミクス研究で予測モデリングを実行する必要性を評価します。
      注:予測モデルは、マルチオミクス統合後に適用して、さまざまな方法で選択された特徴に基づいて結果分類の予測精度がどのように変化するかを比較できます。
   2. ステップ7.3.1で下された決定が肯定的である場合は、次の手順に進みます。それ以外の場合は、手順 8 に進みます。
   3. 適用する適切な予測モデルを選択します。
      注: 使用するモデルの例としては、複数の決定木を統合して最終結果を得る機械学習アルゴリズムであるランダム フォレスト (RF) があります。
   4. モデル パラメーターを微調整します (例: R キャレット パッケージを使用)。
   5. データセットをトレーニングとテスト (60-40% または 80-20%) に分割し、異なるグループからのサンプルの割合を同じ割合で持つようにバランスのとれた方法で分割します。
   6. トレイン セットでモデルを実行します。
   7. モデルのパフォーマンスを評価するためのテスト セットの精度と F1 スコアを計算します。
   8. 手順 2 から 4 を複数回 (例: 1000) 繰り返して、ランダム性を高めます。
   9. 手順 5 の結果の平均を計算します。
   10. レポートの平均精度と F1 スコア。満足のいくものでない場合は、手順 1 に進み、パラメータの選択を改善します。
   11. 精度の平均低下 (DMA) と不純物の平均減少 (MDI) を使用して特徴の重要度を決定します。

8. 生物学的解釈:

1. 経路濃縮ツールを選択します(一般的に使用されるPEAツールは、DAVID、GSEA、Enrichr、およびMetascapeです)。
2. 選択した経路濃縮解析ツールに遺伝子またはタンパク質のリストを入力します。
3. 分析を実行するには、KEGG、Reactome、GOなどの適切な経路データベースを選択します。
   注:マルチオミクスデータ用に特別に設計されたツールの1つは、データベース(KEGG、Reactome、またはMapman)を使用して、これらのバイオマーカー間の機能的関係、および特定の生物学的プロセスへの関与に関する情報を提供するペイントミクスです²⁵。
4. 選択したツールとデータベースを使用して、経路濃縮解析を実行します。
5. 有意性閾値、遺伝子のバックグラウンドリスト、補正方法などのパラメータを必要に応じて調整します。
6. 最終結果(エンリッチドパスウェイ、FDR、パスウェイ図、ヒートマップなど)を視覚化して評価します。

9. 検証と追跡実験

1. 技術検証
   1. 同じサンプルで異なる分析手法を使用した場合、同等の結果も見つかることを確認します。
      注:たとえば、質量分析(MS)ベースのプロテオミクスを使用して得られた結果は、酵素結合免疫吸着アッセイ(ELISA)などの免疫学的アッセイを使用して後で検証できます。
2. 得られた結果を検証するためのフォローアップ実験を特定します。
3. 可能であれば、独立したコホートからのオミクスデータを分析して、発見を再現します。
4. 臨床応用については、ランダム化臨床試験を実施して、所見の臨床的妥当性を実証します。
   1. 特定されたバイオマーカーまたは標的の有効性と安全性を評価するために、適切なサンプルサイズと無作為化による対照研究を設計および実施します。
   2. 関連する臨床エンドポイントを収集し、特定された要因が患者の転帰に及ぼす影響を測定します。

10. 視覚化および診断ツール

注: さまざまなタイプのプロットを利用してデータ分析の結果を説明し、主要な調査結果を視覚的に表現できます。一般的に使用されるプロットには、火山プロット、ヒートマップ、サーコスプロット、マンハッタンプロットなどがあります。

1. 火山のプロット:
   1. Volcanoプロットを使用して、差次発現解析(DEA)の結果を要約します。
   2. 統計的有意性とテストされたグループ間の変化の大きさの関係を表示します。
   3. プロット内の位置に基づいて、さらに調査する主要な特徴を特定します。
2. ヒートマップ:
   1. ヒートマップを利用して、さまざまなカテゴリにわたる変数の大きさを視覚化します。
   2. 色を使用して変数の強度を示し、データセット内のパターンとクラスターの識別を容易にします。
3. マンハッタンのプロット:
   1. マンハッタンプロットを使用して、DEAの結果を効率的に要約し、同じプロット上の多数のデータポイントを視覚化します。
   2. ゲノムワイド関連研究(GWAS)で一般的に使用されますが、マルチオミクス研究にも適用できます。
4. サーコスのプロット:
   1. 円形ビジュアライゼーションであるサーコスプロットを使用して、さまざまな分子特徴間の相互作用と相関関係を調査します。
   2. さまざまな要素間の関係とつながりを包括的かつ視覚的に魅力的な方法で描写します。
      注:この研究では、がん検査データセットを使用して、上記の各プロットタイプの代表的な結果の例を提供します。
5. 診断ツール:
   注: 視覚化ツールは、パフォーマンス メトリックとともに、診断目的で非常に重要です。
   1. 受信者動作特性 (ROC) 曲線を利用して、分類モデルのパフォーマンスを評価します。
   2. 負荷プロットと主成分分析(PCA)プロットを使用して、データ内の関係とパターンを視覚化します。
      注:がん検査データセットを使用したこれらの各プロットの代表的な結果の例は、代表的な結果のセクションに示されています。
6. 二項分類のパフォーマンス メトリック
   注: 次のメトリックはすべて、各クラスの各クラスと残りのクラスを考慮することにより、提示された例のように、マルチクラス分類に適応できます。
   1. 混同行列: 混同行列 (表 2) を使用して、対角線の真陽性と真陰性、右下のブロックに真陰性、右上のブロックに偽陽性、左下のブロックに偽陰性を示します。
   2. 精度: 正しかった肯定的な識別の割合です。式TP/(TP + FP)を使用して精度を計算します。精度が 1 のモデルには誤検知はありません。モデルの精度が 0.5 の場合、モデルは半分の確率で正しいです。
      
   3. 想起率または感度: 真陽性率またはヒット率とも呼ばれ、正しく特定された実際の陽性の割合です。式 TP/(TP + FN) または TP/pos を使用して再現率または感度を計算します (pos = TP + FN は正の例の総数です)。
      
   4. 特異性:これは、正しく識別された実際の陰性の割合です。式 TN/neg を使用して計算します。ここで、neg = TN + FP は負の例の総数です。
      
   5. 精度: 正しい予測の割合 (正と負の両方)。次の式を使用して精度を計算します。
      
   6. Fスコア:Fスコアは、再現率と精度の間の調和平均です。次の式を使用して計算します。
      
   7. バランス精度: バランス精度 (BAC) は、感度と特異度の平均です。次の式を使用して計算します。
      
      ここで、TPRは真陽性率を表して再現率に対応し、TNRは真陰性率を表して特異性に対応します。
   8. バランス エラー率: バランス エラー率 (BER) は、各クラスのエラーの平均です。次の式を使用して計算します。
      
      注: BER には、エラー率のバランスの取れた尺度を作成することでクラス間のパフォーマンスの違いを考慮し、不均衡なデータセットの影響を制限できるという利点があります。エラー率 0.5 は、ランダム推測と同様のパフォーマンスを表します。DIABLOの場合、BERは、コンポーネントと対象の条件の間の相関関係に応じて、各ブロックからの重み付けされた分類エラー率です。BERは、BAの1の補数、つまりBER =(1 - BAC)です。
   9. 曲線下面積:感度と特異度をプロットして得られるROCの下の面積(次のセクションで説明)として、曲線下面積(AUC)を計算します。
      注: これらのメトリックのうち、どのメトリックがタスクに最も適しているかは、偽陰性の重要性とクラス間のバランスまたは不均衡によって異なります。Precisionは誤検知を最小限に抑えることに焦点を当て、recallは偽陰性を最小限に抑えることに焦点を当てています。陽性ケースの割合が低い場合、精度だけではモデルのパフォーマンスを評価するための最良の指標ではない可能性があります。Code.R は 補足ファイル 1 として提供されています。

Results

シングルオミクス解析と同様に、視覚化は、データ探索、データ統合、パターン認識、仮説生成、および結果の伝達の鍵となります。具体的には、データの前処理ステップでは、大規模なデータの適切な視覚化が非常に重要であり、正規化の検証、外れ値の特定などに役立ちます。マルチオミクスでは、さまざまなオミック層/ブロックの傾向の評価に役立ち、各ブロックからの情報を重ね合わせることで、ブロック間で共有された情報を特定できるため、視覚化はさらに重要です。

ケーススタディー
マルチオミクスアプローチを例示するために、テストデータセットとして「mixOmics TCGAデータセット」²⁶、乳がんの3つのサブタイプ(すなわち、LumA、Her2、およびBasal)のオミクスデータの2つの正規化およびクレンジングされたサブセットを選択し^ました。

トレーニングデータ:トレーニングデータセットは、プロテオミクス、miRNA、およ...

Discussion

最も関連性の高いオミクスデータセットを特定することは、マルチオミクス統合研究の最初のステップの1つです。栄養研究では、メタボロミクスは、食事介入または食物摂取に対する代謝反応に基づいて代謝経路と生化学的プロセスを強調できるため、最初に検討すべきオミクス層の1つです。一方、例えば、がん生物学では、DNA、遺伝的変異、遺伝子発現調節不全に関する情報を提供するゲノミクスやトランスクリプトミクスは、腫瘍の病因や不均一性の理解に役立ち、新規バイオマーカーの同定につながります。プロテオミクスは、心血管疾患、自己免疫疾患、神経変性疾患などの幅広い疾患においても重要な役割を果たしています。全体として、バイオマーカーの特定と標的療法の開発の基礎となる疾患特異的タンパク質、翻訳後修飾、タンパク質間相互作用の発見に役立ちます。

次元性の高いデータを扱う場合、分析と解釈を容易にし、必要な計算リソースを削減し、結果を混乱させるノイズや冗長な情報を取り除くために、調査した現象に関連する変数を選択することが重要です。

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Apple M2 Pro macOS Apple		14.3 (23D56)	コンピュータの処理
ggplot2 R パッケージ	r-project.org	3.4.4	データビジュアライゼーションの作成
ggpubr R パッケージ	r-project.org	0.6.0	出版準備完了プロットの作成
ggrepel R パッケージ	r-project.org	0.9.5	ggplot2 で重ならないテキストラベルを自動的に配置する
0.22-5	r-project.org	is	for R
limma R パッケージ	r-project.org	3.58.1	マイクロアレイ データ混合用の線形モデル
Omics R パッケージ	r-project.org	6.25.1	Omic データ統合プロジェクト
NEMO R パッケージ	r-project.org	0.1.0	傍ベースのマルチオミクス クラスタリング
R	r-project.org	4.3.2 (2023-10-31)	統計計算・グラフィックス用プログラミング言語
R Studio	RStudio	2023.12.1+402 (2023.12.1+402)	R SNFtool
Rパッケージ	r-project.org	2.3.1	類似性ネットワーク融合
tidyr R パッケージ	r-project.org	1.3.1	整然とした乱雑なデータ
基準 Rパッケージ	r-project.org	1.3.0	のパフォーマンスのきちんとした特性評価