Method Article

Kompleksowy protokół i przewodnik krok po kroku dotyczący integracji multi-omiki w badaniach biologicznych

DOI:

10.3791/66995

⸱

August 8th, 2025

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

In This Article

Summary

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

Ta praca szczegółowo opisuje metody integracji danych multiomicznych (konkatenacja, transformacja i oparte na modelach). Łącząc dane z genomiki, epigenomiki, transkryptomiki, proteomiki, metabolomiki, metagenomiki, lipidomiki i glikomiki, uzyskuje się kompleksowe zrozumienie systemów biologicznych. Manuskrypt zawiera wskazówki krok po kroku, podkreślając ograniczenia, zalety i narzędzia do wizualizacji integracji multi-omicznej.

Abstract

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

Ten manuskrypt zawiera obszerny przewodnik krok po kroku dotyczący integracji danych multiomicznych w badaniach biologicznych.

Integracja danych multiomicznych odnosi się do procesu łączenia i analizowania danych mierzonych na tym samym zestawie próbek biologicznych za pomocą różnych technologii omicznych, takich jak genomika, epigenomika, transkryptomika, proteomika, metabolomika, mikrobiomy, lipidomika i glikomika. Mimo że podejścia multiomiczne mają podobne cele jak analizy jednoblokowe lub jednotomiczne (na przykład opis, dyskryminacja, klasyfikacja lub przewidywanie), są one w stanie uchwycić szersze spektrum informacji molekularnych, zapewniając w ten sposób głębsze zrozumienie systemów biologicznych i ich złożonych interakcji. Rzeczywiście, połączenie zbiorów danych multi-omicznych umożliwia poprawę dokładności prognozowania i daje bardziej wiarygodne wyniki, zwłaszcza w przypadkach, gdy liczba dostępnych próbek jest ograniczona. Co więcej, również dzięki najnowszym osiągnięciom technik uczenia maszynowego, analizy multiomiczne są obecnie odpowiednie do odkrywania ukrytych wzorców i złożonych zjawisk powstających wśród różnych związków biologicznych.

Głównym celem tej pracy jest przedstawienie pełnego protokołu, który jest powszechnie stosowany w badaniach multiomicznych, od wstępnego sformułowania problemu do narzędzi przydatnych do biologicznej interpretacji wyników. W artykule szczegółowo opisano różne metody integracji danych multiomicznych, w tym podejścia oparte na konkatenacji (niskopoziomowe), transformacyjne (mid-level) i modelowe (high-level), a także podkreślono ich ograniczenia i zalety, a także przedstawiono ogólne narzędzia wizualizacyjne i diagnostyczne.

Introduction

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

Dziedzina badań biologicznych odnotowała znaczący postęp w ostatnich latach, szczególnie w dziedzinie technologii omicznych. Technologie te dostarczają cennych informacji na temat złożonej natury systemów biologicznych. Jednak każda technologia omiczna oferuje unikalną perspektywę na komponenty biologiczne, co wymaga integracji danych multiomicznych w celu uzyskania kompleksowego zrozumienia.

Multiomika obejmuje różne klasy biomolekuł, które mogą być ilościowo zdefiniowane dzięki pojawieniu się nowych i potężnych technik sekwencjonowania o wysokiej przepustowości. Wśród różnych rodzajów technologii omicznych znajdują się genomika, epigenomika, transkryptomika, proteomika, metabolomika, metagenomika, lipidomika i glikomika. Genomika obejmuje badanie genomów organizmu, podczas gdy epigenomika koncentruje się na strukturze nośnej genomu, w tym na spoiwach białkowych i RNA, alternatywnych strukturach DNA i modyfikacjach chemicznych DNA. Transkryptomika obejmuje badanie wszystkich cząsteczek RNA, w tym mRNA, rRNA, tRNA i innych niekodujących RNA. Proteomika obejmuje badanie białek, w tym modyfikacje dokonywane w określonych grupach białek. Metabolomika koncentruje się na zespole małych cząsteczek (metabolitów) w matrycy biologicznej. Metagenomika polega na badaniu zbiorowisk drobnoustrojów w dobrze zdefiniowanych siedliskach o określonych właściwościach fizykochemicznych. Lipidomika obejmuje badanie całego zestawu lipidów komórkowych, podczas gdy glikomika koncentruje się na badaniu glikomu, w tym węglowodanów i cukrów1.

Integracja danych multiomicznych zyskuje coraz większe zainteresowanie w społeczności naukowej ze względu na jej potencjał do odkrywania złożonych zjawisk biologicznych. Łącząc dane z wielu technologii omicznych, naukowcy mogą przezwyciężyć ograniczenia poszczególnych zestawów danych i uzyskać bardziej holistyczne spojrzenie na systemy biologiczne. To zintegrowane podejście umożliwia identyfikację nowych biomarkerów, odkrycie mechanizmów chorobowych i wyjaśnienie skomplikowanych szlaków biologicznych.

Liczba cytowań terminów "Multiomics" i "Multi-omics" w PubMed znacznie wzrosła na przestrzeni lat, z 307 w 2018 r. do 1414 w 2021 r. do 3933 w 2023 r. Integracja różnych typów zmiennych omicznych staje się coraz bardziej powszechna, ponieważ pozwala na głębsze badanie mechanizmów leżących u podstaw chorób i dysfunkcji organizmów. Podejścia jednoomiczne zapewniają ograniczony, częściowy wgląd w ukrytą biologię, ponieważ koncentrują się na jednej perspektywie. Jednak integrując dane multiomiczne, możemy rzucić światło na wzajemne oddziaływanie różnych biomolekuł, zrozumieć relacje w wielu warstwach i wypełnić lukę między genotypem a fenotypem. Ogólnie rzecz biorąc, podejścia multiomiczne mogą pomóc w znalezieniu odpowiedzi na ważne pytania, takie jak klasyfikacja różnych podgrup chorób, przewidywanie podstawowych biomarkerów związanych z chorobą oraz lepsze zrozumienie szlaków i mechanizmów biologicznych. W poniższych sekcjach różne zestawy danych omicznych mogą być również nazywane "widokami" danych lub "blokami" danych.

Techniki integracji multi-omicznej można podzielić na trzy główne podgrupy, jak opisali Reel et al. (2021)2 i Ritchie et al. (2015)3 (Rysunek 1).

Niskopoziomowa, wczesna integracja lub konkatenacja: To podejście polega na łączeniu zmiennych z każdego pojedynczego zestawu danych w jedną macierz. Jednak wczesna integracja nie uwzględnia unikalnego rozkładu każdego typu danych omicznych i może przypisywać większą wagę niektórym typom danych omicznych o większych wymiarach. Stwarza to również wyzwania, takie jak zwiększone ryzyko klątwy wymiarowości, dodatkowy szum, wysoce skorelowane zmienne i problemy ze skalowalnością obliczeniową. Pomimo tych ograniczeń, wczesna integracja pozwala na identyfikację skoordynowanych zmian w wielu warstwach omicznych i poprawia interpretację biologiczną.

Średni, średni poziom integracji lub oparty na transformacji: W tym podejściu, matematyczne modele integracji są stosowane do wielu warstw danych omicznych. Integracja środkowa koncentruje się na fuzji podzbiorów lub reprezentacji wyodrębnionych ze źródeł. Dwa podejścia cząstkowe w ramach integracji środkowej to podejście środkowe i podejście środkowe. Podejście środkowe polega na konkatenacji wyników uzyskanych w wyniku redukcji wymiarowości w każdym bloku, dzięki czemu nadaje się do obsługi danych heterogenicznych. Może jednak brakować możliwości interpretacji. Podejście środkowe obejmuje wybór zmiennych lokalnych i późniejszą analizę połączonych podzbiorów zmiennych, co pozwala na łatwiejszą interpretację modeli. Środkowa integracja oferuje takie korzyści, jak lepszy stosunek sygnału do szumu, zmniejszona wymiarowość i lepsza moc statystyczna.

Wysokopoziomowe, późna integracja lub oparte na modelu: To podejście polega na przeprowadzaniu analiz na każdym poziomie omicznym i łączeniu wyników w sposób ad-hoc. Obejmuje on fuzję wyników z pojedynczych modeli blokowych w celu identyfikacji biomarkerów z każdego źródła i zapewnienia wspólnej interpretacji wyników. Późna integracja nie zwiększa wymiarowości przestrzeni wejściowej i działa z unikalną dystrybucją poszczególnych danych omicznych. Jest to szczególnie odpowiednie, gdy jedna warstwa omiczna jest bardziej predykcyjna niż inne. Jednak późna integracja może przeoczyć relacje krzyżowe i stanąć przed wyzwaniami związanymi z brakiem zrozumienia powiązań między początkowymi blokami danych i potencjalną utratą informacji biologicznej w wyniku indywidualnego modelowania.

Access restricted. Please log in or start a trial to view this content.

Protocol

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

1. Definicja pytania badawczego

  1. Jasno sformułuj konkretne pytania badawcze, które zostaną rozwiązane poprzez integrację multiomiczną. Np. Pytanie badawcze 1: Jakie są zmiany w ekspresji białek i profilach metabolitów, które korelują z odpowiedzią na leczenie? Pytanie badawcze 2: Jak wariacje genetyczne wpływają na wzorce ekspresji genów u pacjentów z daną chorobą? Pytanie badawcze 3: W jaki sposób integracja określonych warstw omicznych zapewnia kompleksowe zrozumienie określonego procesu biologicznego lub mechanizmu chorobowego?
  2. Rozważ włączenie wielu technologii omicznych w celu poszukiwania biomarkerów lub uzyskania mechanistycznego wglądu w złożone choroby. Należy pamiętać, że zwiększenie wielkości próby może być konieczne do stratyfikacji pacjentów.

2. Wybór omiki

  1. Zidentyfikuj najistotniejsze technologie omiczne dla pytania badawczego (pytań) badawczego i badanego systemu biologicznego. Na przykład w przypadku pytania 1 odpowiednimi technologiami omicznymi są proteomika i metabolomika; dla pytania badawczego 2, genomika i transkryptomika; a w przypadku pytania badawczego 3 – kilka technologii omicznych.
  2. Weź pod uwagę cel badania i dostępne zasoby przy wyborze idealnych warstw omicznych. Przykłady obejmują metabolomikę w badaniach żywieniowych, genomikę i transkryptomikę w biologii nowotworów oraz proteomikę w różnych chorobach.

3. Zapewnienie jakości danych

UWAGA: Upewnij się, że dane są wiarygodne i powtarzalne w sposób generowany zgodnie z krokami opisanymi poniżej.

  1. Starannie zaprojektuj eksperyment i utrzymuj spójne warunki eksperymentalne i metody pobierania próbek we wszystkich warstwach omicznych, aby zminimalizować efekty wsadowe.
  2. Postępuj zgodnie z ustalonymi protokołami i wdrażaj środki kontroli jakości podczas generowania danych dla każdego zestawu danych omicznych.
    1. W razie potrzeby stosuj standardy wewnętrzne lub zewnętrzne.
    2. Przeprowadzanie kontroli jakości w poszczególnych zestawach danych omicznych.
      1. W przypadku danych genomicznych oceń wskaźniki, takie jak wyniki jakości odczytu, skład bazy i głębokość sekwencjonowania, aby zapewnić wysokiej jakości dane sekwencjonowania, a także jakość dopasowania i mapowania oraz jakość wywoływania wariantów, w tym częstotliwość alleli, głębokość odczytu i adnotację wariantu.
      2. W przypadku danych transkryptomicznych oceń wskaźniki, takie jak rozkład długości odczytu, skład podstawowy i wyniki jakości Phred podczas oceny jakości odczytu oraz transkrypt na milion (TPM) lub fragmenty na kilobazę transkryptu na milion zmapowanych odczytów (FPKM) podczas oceny jakości kwantyfikacji transkryptu.
      3. W przypadku danych proteomicznych należy wziąć pod uwagę odpowiednie wskaźniki, takie jak rozkład intensywności pików, stosunek sygnału do szumu i dokładność masy podczas oceny jakości danych spektrometrii mas i pokrycia sekwencji peptydów, wynik identyfikacji białka, wskaźnik fałszywych odkryć i odtwarzalność pomiarów obfitości białek podczas oceny jakości identyfikacji białek i kwantyfikacji.
      4. W przypadku danych metabolomicznych należy ocenić odpowiednie wskaźniki, takie jak rozkład intensywności pików, stosunek sygnału do szumu i dokładność masy, oceniając jakość danych spektrometrii mas i dopasowując widma mas do referencyjnych baz danych lub wykorzystując wzorce fragmentacji w celu wyjaśnienia strukturalnego podczas oceny jakości identyfikacji metabolitów.

4. Wstępne przetwarzanie danych

  1. Nakładające się próbki
    1. Uwzględnij tylko próbki, które nakładają się na siebie w wielu zestawach danych omicznych.
    2. Wyklucz bloki z niewystarczającą liczbą nakładających się próbek w porównaniu z innymi blokami.
  2. Imputacja brakującej wartości
    1. Obsługa brakujących wartości przy użyciu metod statystycznych lub uczenia maszynowego.
    2. Stosuj techniki, takie jak metoda adaptacyjna najmniejszych kwadratów (LSA), do imputacji brakujących wartości.
    3. Unikaj usuwania wierszy z brakującymi danymi, zwłaszcza w przypadku ograniczonych próbek.
    4. Wyklucz zmienne z wysokim procentem brakujących wartości (np. 25% lub 30% brakujących wartości w próbkach).
  3. normalizacja
    1. Wykonywanie manipulacji danymi w celu zapewnienia spójnego skalowania funkcji.
    2. Zapobiega dominacji obiektów o większych efektach nad tymi o mniejszych efektach.
    3. Stosowanie typowych przekształceń, takich jak transformacja logarytmiczna, centrowanie i skalowanie.
      UWAGA: Przekształcenia powinny być starannie dobrane, aby zachować możliwość interpretacji oryginalnych danych.
  4. Identyfikacja wartości odstających
    1. Wykrywaj wartości odstające i skrajne za pomocą narzędzi, takich jak wykresy skrzynkowe lub odległość od mediany wartości.
    2. Rozwiązuj problemy odstające za pomocą odpowiednich metod, takich jak przekształcanie lub usuwanie danych.

5. Redukcja wymiarowości

UWAGA: Istnieją dwa podejścia do redukcji wymiarowości: usunięcie hałaśliwych i zbędnych zmiennych (wybór cech) lub kombinacja cech w celu stworzenia bardziej znaczących zmiennych (ekstrakcja cech).

  1. Określ, czy cel badania jest predykcyjny (np. zbuduj model zdolny do przewidywania, czy pacjent jest zdrowy, czy chory) czy analityczny (np. które zmienne są biomarkerami choroby).
    UWAGA: Jeśli celem badania jest analiza, wybór cech jest bardziej odpowiedni, ponieważ ekstrakcja cech może spowodować utratę możliwości interpretacji.
  2. Kiedy mamy do czynienia z danymi wielowymiarowymi, ważne jest, aby wybrać odpowiednie zmienne do badanego zjawiska, aby ułatwić analizę i interpretację, zmniejszyć potrzebne zasoby obliczeniowe oraz usunąć szumy i nadmiarowe informacje, które mogą zakłócić wyniki.
  3. Wybór funkcji
    1. Zidentyfikuj podzbiór cech informacyjnych dla interesującego nas zjawiska.
    2. Korzystaj z metod wyboru funkcji podzielonych na kategorie, takie jak metody filtrowania, otoki, osadzone i hybrydowe. W przypadku multi-omiki można również zastosować metody selekcji biomarkerów.
      UWAGA: Przy wyborze odpowiedniej metody należy wziąć pod uwagę charakterystykę zestawu danych. Metody opakowujące zapewniają najdokładniejsze modele predykcyjne, ale wymagają znacznie dłuższego czasu obliczeń niż metody filtrujące lub osadzone. Tabela podsumowująca z zaletami i wadami różnych metod wyboru cech i ekstrakcji znajduje się w tabeli 1.
    3. Zrównoważ wydajność końcowego modelu z wysiłkiem obliczeniowym wymaganym do wyboru funkcji.
    4. Zoptymalizuj liczbę wybranych elementów, aby uniknąć niedopasu lub nadmiernego dopasowania.
      UWAGA: Przykłady zagrożeń związanych z nadmiernym dopasowaniem zostały omówione we wcześniej opublikowanej pracy.
    5. Oceń wydajność modelu przy użyciu metryk, takich jak dokładność, wynik pola pod krzywą (AUC) lub zrównoważony poziom błędów (BER).
  4. Wyodrębnianie cech
    1. Przekształć nieprzetworzone dane w zredukowany zestaw istotnych funkcji:
      1. Zastosuj techniki, takie jak analiza głównych składowych (PCA), aby zidentyfikować ważne wzorce i relacje, rzutując dane na przestrzeń niskowymiarową.
      2. Wykorzystaj t-SNE do wizualizacji danych wielowymiarowych przy jednoczesnym zachowaniu lokalnych podobieństw.
      3. Rozważ liniową analizę dyskryminacyjną (LDA), aby zmaksymalizować rozdzielność klas.
      4. Eksploruj autoenkodery, aby nauczyć się skompresowanych reprezentacji danych za pomocą sieci neuronowych.
        UWAGA: Wyodrębnianie cech może skutkować trudniejszymi do zinterpretowania reprezentacjami. Tabela 1 zawiera wybrane przykłady wyboru cech i metod ekstrakcji cech5.

6. Wybór metody integracji

  1. Zidentyfikuj najodpowiedniejszą metodę lub metody integracji, które należy zastosować do danych.
    1. Jeśli próbki są dopasowane i jest wystarczająca liczba kompletnych obiektów, postępuj zgodnie z metodą wczesnej integracji.
    2. Jeśli konieczne jest uwzględnienie interakcji międzywarstwowych, nie należy stosować metody późnej integracji.
    3. Jeśli sygnały mogą być subtelne, ale spójne we wszystkich warstwach, wówczas metoda wczesnej integracji może być bardziej odpowiednia niż metoda późnej integracji.
    4. Jeśli ważne jest wykorzystanie wzajemnych powiązań danych między różnymi warstwami omicznymi, wybierz metodę integracji środkowej.
    5. Niskopoziomowa integracja konkatenacji
      1. Jeśli jeden (lub więcej) bloków omicznych pozostaje znacznie większy pod względem liczby cech (zmiennych) niż pozostałe, zmniejsz jego (ich) wymiarowość, postępując zgodnie z krokami opisanymi w sekcji 5.
      2. Połącz zmienne z każdego pojedynczego zestawu danych omicznych w jedną szeroką macierz.
      3. Przekształć połączone zmienne tak, aby miały podobne zakresy i rozkłady.
      4. Użyj połączonej macierzy danych do późniejszej analizy, takiej jak zastosowanie algorytmów uczenia maszynowego lub strategii redukcji wymiarów.
        UWAGA: Najczęstszym sposobem przeprowadzania integracji niskiego poziomu jest konkatenacja. Jednak te metody mogą spowodować utratę relacji między blokami lub szczegółowych informacji specyficznych dla bloku.
  2. Integracja średniego poziomu
    1. Wybierz jedną z sześciu głównych kategorii integracji średniego poziomu w zależności od celu analizy.
      1. Oparte na podobieństwie: Użyj tego podejścia do oceny podobieństwa między różnymi próbkami lub cechami w celu zidentyfikowania wzorców lub podtypów w obrębie chorób, w eksploracyjnej analizie danych, w której relacje nie są znane a priori. Przykład: SNF6.
      2. Oparte na korelacji: Zastosuj tę metodę do identyfikacji i ilościowego określenia powiązań między różnymi zmiennymi, w szczególności do oceny, jak jedna zmienna zmienia się wraz ze zmianami innej. Przykład: CNAMet7.
      3. Oparte na sieci: Użyj metod opartych na sieci, aby przedstawić złożone relacje między obiektami. Jest to szczególnie przydatne do odkrywania klastrów w strukturze danych i przewidywania biomarkerów. Przykłady: NetICS8, PARADIGM9, scMoMtF10.
      4. Podejście bayesowskie: Podejście to umożliwia uwzględnienie wcześniejszej wiedzy w analizie lub w przypadku niepewności danych. Jest to szczególnie przydatne do wnioskowania o podtypach chorób i przewidywania biomarkerów na podstawie modeli probabilistycznych. Przykłady: MOFA11, iClusterPlus12.
      5. Oparte na wielu zmiennych: Użyj tej metody, aby analizować wiele zmiennych jednocześnie, zwłaszcza gdy interakcje między tymi zmiennymi są niezbędne do zrozumienia systemu biologicznego. Jest przydatny zarówno do grupowania, jak i odkrywania biomarkerów. Przykłady: mixOmics13, JIVE14,15.
      6. Oparte na fuzji: Użyj tej metody, aby połączyć dane z różnych warstw omicznych w jedną strukturę, aby wykorzystać mocne strony każdego typu danych. Jest to szczególnie przydatne w przypadku kompleksowych analiz, które wymagają integracji różnych zbiorów danych. Przykłady: PFA16, PSDF17.
        UWAGA: Opierając się na silnym przetwarzaniu statystycznym lub modelowaniu za pomocą technik uczenia maszynowego, może ograniczyć problemy, które występują w przypadku integracji niskiego lub wysokiego poziomu.
    2. Zastosuj wybraną metodę do zestawu danych multiomicznych.
  3. Integracja na wysokim poziomie
    1. Przeprowadź pełną analizę danych dla każdego pojedynczego bloku omicznego niezależnie.
    2. Wspólnie zinterpretuj wyniki uzyskane w poprzednim kroku.

7. Analiza statystyczna

  1. Analiza wyrażeń różnicowych (DE)
    1. Przygotuj dane, upewniając się, że są prawidłowo sformatowane i znormalizowane.
      UWAGA: W zależności od używanych pakietów, format i struktura danych mogą się różnić. Zaleca się używanie pakietów języka R, takich jak limma18, edgeR19 lub DESeq220 do analizy DE.
    2. Skonstruuj macierz projektową, która zawiera oddzielne współczynniki dla każdej grupy eksperymentalnej, określając warunki eksperymentu i przypisania grup.
    3. Zaimplementuj model liniowy i zastosuj go do każdej funkcji, uwzględniając macierz projektu.
    4. Obliczanie moderowanych statystyk t i statystyk F w celu oceny wyrażenia różnicowego.
    5. Użyj empirycznej moderacji błędów standardowych Bayesa, aby oszacować logarytmiczne szanse wyrażenia różniczkowego.
    6. Określanie progów istotności
      1. Rozważmy wartość odcięcia wartości p równą 0,05, aby określić istotność statystyczną.
      2. Ustaw progi zmiany logarytmu w zależności od typu obiektu:
      3. W przypadku metabolitów i białek należy zastosować logarytmiczną zmianę log2(1.1).
      4. W przypadku transkrypcji użyj zmiany log-fold log2(1.5).
  2. Klastrowanie
    1. Wybierz metodę/algorytm grupowania, który ma być używany.
      UWAGA: Istnieją algorytmy grupowania zaprojektowane specjalnie dla danych multiomicznych, takie jak NEMO21, iCluster22 i JIVE23.
    2. Określ liczbę klastrów, jeśli wymaga tego metoda. Niektóre alternatywy to metoda łokcia, ocena sylwetki lub statystyka odstępów w celu oszacowania optymalnej liczby klastrów.
    3. Uruchom wybrany algorytm klastrowania na oczyszczonych danych.
    4. W razie potrzeby zoptymalizuj parametry specyficzne dla algorytmu.
    5. Oceń jakość wyników grupowania przy użyciu wewnętrznych lub zewnętrznych wskaźników walidacji, takich jak wynik sylwetki lub skorygowany indeks Rand.
    6. Jeśli jest to właściwe i wykonalne, zweryfikuj przypisanie klastra przy użyciu niezależnych danych lub testowego zestawu danych wcześniej wykluczonego z analizy skupień.
  3. Modelowanie predykcyjne
    1. Oceń potrzebę przeprowadzenia modelowania predykcyjnego w badaniu multiomicznym.
      UWAGA: Modele predykcyjne można zastosować po integracji multiomicznej w celu porównania, jak zmienia się dokładność przewidywania klasyfikacji wyników w zależności od cech wybranych różnymi metodami.
    2. Jeśli decyzja podjęta w kroku 7.3.1 jest pozytywna, należy postępować zgodnie z poniższymi krokami; w przeciwnym razie przejdź do kroku 8.
    3. Wybierz odpowiedni model predykcyjny do zastosowania.
      UWAGA: Przykładem modelu, którego można użyć, jest Random Forest (RF), algorytm uczenia maszynowego, który integruje wiele drzew decyzyjnych w celu uzyskania końcowego wyniku.
    4. Dostosuj parametry modelu (np. przy użyciu pakietu karetki języka R).
    5. Podziel zestaw danych na trenowanie i testowanie (60-40% lub 80-20%) w zrównoważony sposób, aby uzyskać taką samą proporcję próbek z różnych grup.
    6. Uruchom model w zestawie pociągów.
    7. Dokładność obliczeniowa i wynik F1 w zestawie testowym do oceny wydajności modelu.
    8. Powtórz kroki od 2 do 4 wiele razy (np. 1000), aby zwiększyć losowość.
    9. Oblicz średnią wyników kroku 5.
    10. Raportuj uśrednioną dokładność i wynik F1. Jeśli wynik nie jest zadowalający, przejdź do kroku 1, aby poprawić wybór parametrów.
    11. Określ ważność funkcji na podstawie średniego spadku dokładności (DMA) i średniego spadku zanieczyszczeń (MDI).

8. Interpretacja biologiczna:

  1. Wybierz narzędzie do wzbogacania ścieżek (powszechnie używane narzędzia PEA to DAVID, GSEA, Enrichr i Metascape).
  2. Wprowadź listę genów lub białek do wybranego narzędzia do analizy wzbogacania szlaku.
  3. Wybierz odpowiednią bazę danych ścieżek, taką jak KEGG, Reactome lub GO, aby przeprowadzić analizę.
    UWAGA: Jednym z narzędzi, które zostało specjalnie zaprojektowane do danych multiomicznych, jest Paintomics, które wykorzystuje bazy danych (KEGG, Reactome lub Mapman) w celu dostarczenia informacji o funkcjonalnych związkach między tymi biomarkerami, a także o ich udziale w określonych procesach biologicznych25.
  4. Uruchom analizę wzbogacania ścieżek przy użyciu wybranego narzędzia i bazy danych.
  5. Dostosuj parametry zgodnie z potrzebami, takie jak próg istotności, lista genów lub metoda korekcji.
  6. Wizualizacja i ocena wyników końcowych (między innymi wzbogacone ścieżki, FDR, diagramy ścieżek, mapy cieplne).

9. Walidacja i eksperymenty uzupełniające

  1. Walidacja techniczna
    1. Sprawdzić, czy przy użyciu różnych technik analitycznych na tych samych próbkach uzyskano również równoważne wyniki.
      UWAGA: Na przykład wyniki uzyskane przy użyciu proteomiki opartej na spektrometrii mas (MS) można później zwalidować za pomocą testu immunologicznego, takiego jak test immunoenzymatyczny (ELISA).
  2. Zidentyfikuj eksperymenty uzupełniające, aby zweryfikować uzyskane wyniki.
  3. Jeśli to możliwe, powtórz wynik, analizując dane omiczne z niezależnej kohorty.
  4. W przypadku zastosowań klinicznych należy przeprowadzić randomizowane badania kliniczne, aby wykazać kliniczną ważność wyników.
    1. Zaprojektuj i wdróż kontrolowane badanie z odpowiednią wielkością próby i randomizacją w celu oceny skuteczności i bezpieczeństwa zidentyfikowanych biomarkerów lub celów.
    2. Zbierz odpowiednie kliniczne punkty końcowe i zmierz wpływ zidentyfikowanych czynników na wyniki pacjentów.

10. Narzędzia do wizualizacji i diagnostyki

UWAGA: Różne rodzaje wykresów mogą być wykorzystane do zilustrowania wyników analizy danych, dostarczając wizualnych reprezentacji kluczowych wyników. Powszechnie używane wykresy obejmują wykresy wulkanów, mapy cieplne, wykresy circos i wykresy Manhattanu.

  1. Działki wulkaniczne:
    1. Wykresy wulkaniczne służą do podsumowywania wyników analizy wyrażeń różnicowych (DEA).
    2. Wyświetlanie zależności między istotnością statystyczną a wielkością zmian między badanymi grupami.
    3. Zidentyfikuj kluczowe cechy do dalszego zbadania na podstawie ich pozycji na wykresie.
  2. Mapy popularności:
    1. Wykorzystaj mapy cieplne, aby zwizualizować wielkość zmiennej w różnych kategoriach.
    2. Użyj kolorów, aby wskazać intensywność zmiennej, ułatwiając identyfikację wzorców i klastrów w zestawach danych.
  3. Działki na Manhattanie:
    1. Wykorzystaj wykresy Manhattan, aby skutecznie podsumować wyniki DEA i zobrazować wiele punktów danych na tym samym wykresie.
    2. Powszechnie stosowany w badaniach asocjacyjnych całego genomu (GWAS), ale ma również zastosowanie w badaniach multiomicznych.
  4. Działki Circos:
    1. Korzystaj z wykresów circos, wizualizacji kołowych, aby badać interakcje i korelacje między różnymi cechami molekularnymi.
    2. Przedstaw relacje i powiązania między różnymi elementami w kompleksowy i atrakcyjny wizualnie sposób.
      UWAGA: To badanie zawiera przykłady reprezentatywnych wyników dla każdego typu wykresu przedstawionego powyżej przy użyciu zestawu danych testów na raka.
  5. Narzędzia diagnostyczne:
    UWAGA: Narzędzia do wizualizacji, wraz ze wskaźnikami wydajności, są bardzo ważne do celów diagnostycznych.
    1. Wykorzystaj krzywe charakterystyki operacyjnej odbiornika (ROC) do oceny wydajności modeli klasyfikacji.
    2. Użyj wykresów ładowania i wykresów analizy głównych składowych (PCA), aby zwizualizować relacje i wzorce w danych.
      UWAGA: Przykłady reprezentatywnych wyników dla każdej z tych działek przy użyciu zestawu danych testów na raka są pokazane w sekcji Reprezentatywne wyniki.
  6. Metryki wydajności dla klasyfikacji binarnej
    UWAGA: Poniższe metryki można dostosować do klasyfikacji wieloklasowej, tak jak w przedstawionym przykładzie, biorąc pod uwagę każdą klasę w porównaniu z pozostałymi, dla każdej klasy.
    1. Macierz pomyłek: Użyj macierzy pomyłek (tabela 2), aby wskazać wyniki prawdziwie dodatnie i prawdziwie ujemne po przekątnej, prawdziwie ujemne w prawych dolnych blokach, wyniki fałszywie dodatnie w prawych górnych blokach i wyniki fałszywie ujemne w lewych dolnych blokach.
    2. Precyzja: Jest to odsetek pozytywnych identyfikacji, które były poprawne. Oblicz precyzję za pomocą wzoru TP/(TP + FP). Model z dokładnością do 1 nie ma wyników fałszywie dodatnich. Jeśli model ma dokładność 0,5, oznacza to, że model jest poprawny w połowie czasu.
      figure-protocol-1
    3. Przypomnienie lub wrażliwość: Znana również jako wskaźnik prawdziwie dodatnich wyników lub współczynnik trafień, jest to odsetek rzeczywistych wyników pozytywnych, które zostały prawidłowo zidentyfikowane. Oblicz przypomnienie lub czułość za pomocą wzoru TP/(TP + FN) lub TP/pos, gdzie pos = TP + FN to całkowita liczba pozytywnych przykładów.
      figure-protocol-2
    4. Specyficzność: Jest to odsetek rzeczywistych negatywów, które zostały prawidłowo zidentyfikowane. Oblicz to za pomocą wzoru TN/neg, gdzie neg = TN + FP to całkowita liczba ujemnych przykładów.
      figure-protocol-3
    5. Dokładność: Odsetek prawidłowych prognoz (zarówno pozytywnych, jak i negatywnych). Oblicz dokładność za pomocą wzoru:
      figure-protocol-4
    6. F-Score: F-Score to średnia harmoniczna między przywołaniem a precyzją. Oblicz to za pomocą wzoru:
      figure-protocol-5
    7. Zrównoważona dokładność: Zrównoważona dokładność (BAC) to średnia czułości i swoistości. Oblicz to za pomocą wzoru:
      figure-protocol-6
      gdzie TPR oznacza True Positive Rate i odpowiada zapamiętaniu, a TNR oznacza True Negative Rate i odpowiada specyficzności.
    8. Zrównoważony poziom błędów: Zrównoważony poziom błędów (BER) to średnia błędów w każdej klasie. Oblicz go za pomocą wzoru:
      figure-protocol-7
      UWAGA: Zaletą rozporządzenia w sprawie wyłączeń grupowych jest uwzględnienie różnicy w wydajności między klasami poprzez utworzenie zrównoważonej miary poziomu błędu, ograniczając w ten sposób wpływ niezrównoważonego zbioru danych. Współczynnik błędów wynoszący 0,5 reprezentuje podobną wydajność do zgadywania losowego. W przypadku DIABLO BER jest ważonym poziomem błędu klasyfikacji dla każdego bloku, w zależności od korelacji między składnikami a warunkiem zainteresowania. BER jest dopełnieniem BA do 1, tj. BER = (1 - BAC).
    9. Obszar pod krzywą: Oblicz pole pod krzywą (AUC) jako pole poniżej ROC (opisane w następnej sekcji), uzyskane przez wykreślenie czułości w funkcji swoistości.
      UWAGA: To, która z tych metryk najlepiej nadaje się do zadania, zależy od znaczenia wyników fałszywie ujemnych oraz równowagi lub braku równowagi między klasami. Precyzja koncentruje się na minimalizacji wyników fałszywie dodatnich, podczas gdy wycofywanie koncentruje się na minimalizacji wyników fałszywie ujemnych. Jeśli odsetek pozytywnych przypadków jest niski, sama precyzja może nie być najlepszym wskaźnikiem do oceny wydajności modelu. Code.R jest dostarczany jako plik uzupełniający 1.

Access restricted. Please log in or start a trial to view this content.

Results

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

Podobnie jak w analizie jednoomicznej, wizualizacja jest kluczem do eksploracji danych, integracji danych, rozpoznawania wzorców, generowania hipotez i przekazywania wyników. W szczególności dobra wizualizacja dużych zbiorów danych jest bardzo ważna podczas etapów wstępnego przetwarzania danych, pomagając w weryfikacji normalizacji, identyfikacji wartości odstających i wielu innych. W multi-omice, tym bardziej, wizualizacja jest niezbędna, ponieważ może pomóc w ocenie trendów w różnych warstwach/blokach omicznych, a nakł...

Access restricted. Please log in or start a trial to view this content.

Discussion

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

Zidentyfikowanie najistotniejszego zestawu danych omicznych jest jednym z pierwszych kroków w badaniu integracji multi-omicznej. W badaniach żywieniowych metabolomika stanowi jedną z pierwszych warstw omiki, której należy się przyjrzeć, ponieważ może uwypuklić szlaki metaboliczne i procesy biochemiczne leżące u podstaw interwencji dietetycznej lub odpowiedzi metabolicznej na spożycie pokarmu. Z drugiej strony, na przykład w biologii nowotworów, genomika i transkryptomika, które dostarczają informacji o DNA, wariantach ge...

Access restricted. Please log in or start a trial to view this content.

Disclosures

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

E. A., R. R i O. C są pracownikami Société des Produits Nestlé SA.

Acknowledgements

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

Autorzy dziękują za wsparcie dr Michaela Affoltera, dr Loïca Dayona, dr Jeana Philippe'a Godina, dr Francesca Giuffrida, dr Eugenii Migliavacca, prof. Anne-Florence Bitbol i prof. Zoltana Kutalika.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Apple M2 Pro macOSApple14.3 (23D56)Przetwarzanie komputera
ggplot2 Pakiet Rr-project.org3.4.4Utwórz wizualizacje danych
ggpubr Pakiet Rr-project.org0.6.0Utwórz wykresy gotowe do publikacji
pakiet ggrepel Rr-project.org0.9.5Automatycznie umieszczaj nienakładające się etykiety tekstowe za pomocą ggplot2
pakiet kratowy Rr-project.org0.22-5Grafika Tellis dla R
limma Pakiet Rr-project.org3.58.1Modele liniowe dla mixPakiet danych mikromacierzowych
Omics Rr-project.org6.25.1Projekt integracji danych omic
Pakiet NEMO Rr-project.org0.1.0Klastrowanie multiomiczne oparte na sąsiedztwie
R r-project.org4.3.2 (2023-10-31)Język programowania do obliczeń statystycznych i grafiki
R StudioRStudio2023.12.1+402 (2023.12.1+402)Zintegrowane środowisko programistyczne dla
R Pakiet SNFtool Rr-project.org2.3.1Pakiet Similarity network
fusion tidyrr-project.org1.3.1Uporządkowany, niechlujny
miernik danych R pakietr-project.org1.3.0Uporządkowane charakterystyki wydajności modelu

References

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

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

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

Related Articles