Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
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.
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.
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, epigenomi....
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
1. Definicja pytania (pytań) badawczych
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Podobnie jak w analizie pojedynczego typu danych omicznych (single-omics), wizualizacja ma kluczowe znaczenie dla eksploracji danych, ich integracji, rozpoznawania wzorców, formułowania hipotez oraz komunikowania wyników. W szczególności właściwa wizualizacja dużych zbiorów danych jest bardzo istotna podczas etapów wstępnego przetwarzania, pomagając w weryfikacji normalizacji, identyfikacji wartości odstających i wielu innych aspektach. W podejściu multiomikowym wizualizacja jest jeszcze bardziej kluczowa, ponieważ może .......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
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.......
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
E. A., R. R i O. C są pracownikami Société des Produits Nestlé SA.
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.
....Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| Apple M2 Pro macOS | Apple | 14.3 (23D56) | Przetwarzanie komputera |
| ggplot2 Pakiet R | r-project.org | 3.4.4 | Utwórz wizualizacje danych |
| ggpubr Pakiet R | r-project.org | 0.6.0 | Utwórz wykresy gotowe do publikacji |
| pakiet ggrepel R | r-project.org | 0.9.5 | Automatycznie umieszczaj nienakładające się etykiety tekstowe za pomocą ggplot2 |
| pakiet kratowy R | r-project.org | 0.22-5 | Grafika Tellis dla R |
| limma Pakiet R | r-project.org | 3.58.1 | Modele liniowe dla mixPakiet danych mikromacierzowych |
| Omics R | r-project.org | 6.25.1 | Projekt integracji danych omic |
| Pakiet NEMO R | r-project.org | 0.1.0 | Klastrowanie multiomiczne oparte na sąsiedztwie |
| R | r-project.org | 4.3.2 (2023-10-31) | Język programowania do obliczeń statystycznych i grafiki |
| R Studio | RStudio | 2023.12.1+402 (2023.12.1+402) | Zintegrowane środowisko programistyczne dla |
| R Pakiet SNFtool R | r-project.org | 2.3.1 | Pakiet Similarity network |
| fusion tidyr | r-project.org | 1.3.1 | Uporządkowany, niechlujny |
| miernik danych R pakiet | r-project.org | 1.3.0 | Uporządkowane charakterystyki wydajności modelu |
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.