Artykuł metodologiczny

CorrelationCalculator i Filigran: narzędzia do sieciowej analizy danych metabolomicznych opartej na danych

DOI:

10.3791/65512

⸱

10 listopada 2023

 ,  ,  ,  , 
1Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, 2Taubman Health Sciences Library, University of Michigan, Ann Arbor, 3Department of Statistics, University of Florida

W tym artykule

Podsumowanie

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

Prezentujemy CorrelationCalculator i Filigree, dwa narzędzia do budowy sieci opartej na danych i analizy danych metabolomicznych. CorrelationCalculator obsługuje budowanie pojedynczej sieci interakcji metabolitów na podstawie danych dotyczących ekspresji, podczas gdy Filigree umożliwia budowanie sieci różnicowej, a następnie grupowanie sieci i analizę wzbogacania.

Streszczenie

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

Znaczącym wyzwaniem w analizie danych omicznych jest wydobycie praktycznej wiedzy biologicznej. Metabolomika nie jest wyjątkiem. Ogólny problem powiązania zmian poziomów poszczególnych metabolitów z określonymi procesami biologicznymi jest spotęgowany przez dużą liczbę nieznanych metabolitów obecnych w badaniach nieukierunkowanej chromatografii cieczowej ze spektrometrią mas (LC-MS). Co więcej, metabolizm wtórny i metabolizm lipidów są słabo reprezentowane w istniejących bazach danych szlaków. Aby przezwyciężyć te ograniczenia, nasza grupa opracowała kilka narzędzi do budowy i analizy sieci opartej na danych. Należą do nich CorrelationCalculator i Filigree. Oba narzędzia umożliwiają użytkownikom budowanie sieci opartych na częściowej korelacji na podstawie eksperymentalnych danych metabolomicznych, gdy liczba metabolitów przekracza liczbę próbek. CorrelationCalculator obsługuje budowę pojedynczej sieci, podczas gdy Filigree umożliwia budowę sieci różnicowej z wykorzystaniem danych z dwóch grup próbek, a następnie grupowanie sieci i analizę wzbogacania. Opiszemy użyteczność i zastosowanie obu narzędzi do analizy rzeczywistych danych metabolomicznych.

Wprowadzenie

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

W ostatniej dekadzie, metabolomika stała się nauką omiczną dzięki postępom w technologiach analitycznych, takich jak chromatografia gazowa-spektrometria mas (GC-MS) i chromatografia cieczowa-spektrometria mas (LC-MS). Techniki te umożliwiają jednoczesny pomiar setek do tysięcy metabolitów małocząsteczkowych, tworząc złożone, wielowymiarowe zestawy danych. Eksperymenty metabolomiczne mogą być przeprowadzane w trybie ukierunkowanym lub nieukierunkowanym. Ukierunkowane eksperymenty metabolomiczne służą do pomiaru określonych klas metabolitów. Są one zwykle oparte na hipotezach, podczas gdy podejścia nieukierunkowane próbują zmierzyć jak najwięcej metabolitów i mają chara....

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

1. Kalkulator korelacji

  1. Pobierz przykładowy plik wejściowy rozdzielany przecinkami zawierający listę metabolitów z pomiarami eksperymentalnymi w http://metscape.med.umich.edu/kora_data_240.csv.
  2. Kliknij dwukrotnie pobrany przykładowy plik, aby go otworzyć.
    1. Upewnij się, że plik zawiera etykiety zarówno dla próbek, jak i metabolitów.
    2. Ponieważ próbki znajdują się w wierszach, upewnij się, że pierwsza kolumna to nazwy próbek, a pierwszy wiersz to nazwy metabolitów.
  3. Pobierz aplikację Java CorrelationCalculator (http://metscape.med.umich.edu/calculator.html). Kliknij dwukrotnie pobrany plik....

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Aby zilustrować użycie kalkulatora korelacji, skonstruowaliśmy częściową sieć korelacji, korzystając z podzbioru danych metabolomicznych z badania populacji KORA opisanego w Krumsiek et al.24. Zbiór danych zawierał 151 metabolitów i 240 próbek. Rysunek 1 pokazuje wynikową sieć korelacji cząstkowej, która została zwizualizowana w Cytoscape. Sieć składa się ze 148 węzłów i 272 krawędzi. Kolor węzłów reprezentuje metabolity należące do różnych klas chemicznych, .......

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

Metody analizy sieci oparte na częściowej korelacji zaimplementowane w CorrelationCalculator i Filigree pomagają przezwyciężyć niektóre ograniczenia analiz szlaków metabolicznych opartych na wiedzy, szczególnie w przypadku zestawów danych o wysokim występowaniu nieznanych metabolitów i ograniczonym pokryciu szlaków metabolicznych (np. dane lipidomiczne). Narzędzia te są szeroko stosowane przez społeczność badawczą do analizy szerokiego zakresu danych metabolomicznych i lipidomicznych 14,22,27,28,29,30.<.......

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają konkurencyjnych interesów finansowych.

Podziękowania

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

Ta praca była wspierana przez grant NIH 1U01CA235487.

....

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Kalkulator korelacjiJAVAhttp://metscape.med.umich.edu/calculator.html
clusterNethttps://github.com/Karnovsky-Lab/clusterNet
CytoscapeCytoscapehttps://cytoscape.org/
filigranJAVAhttp://metscape.med.umich.edu/filigree.html
MetScapeCytoscapehttps://apps.cytoscape.org/apps/metscapeaplikacja Cytoscape, która pozwala na tworzenie i eksplorację sieci korelacji.

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sas, K. M., Karnovsky, A., Michailidis, G., Pennathur, S. Metabolomics and diabetes: analytical and computational approaches. Diabetes. 64 (3), 718-732 (2015).
  2. Cottret, L., et al. MetExplore: Collaborative edition and exploration of metabolic networks. ....

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Sieci korelacjikorelacja cz ciowasie r nicowaanaliza wzbogacenianarz dzia metabolomiczneanaliza LC MSmetabolizm lipid wwzbogacenie szlak w

Powiązane artykuły