Um protocolo abrangente e um guia passo a passo para integração multiômica em pesquisa biológica

Resumo

Este trabalho detalha métodos para integrar dados multi-ômicos (concatenação, transformação e baseado em modelo). Ao combinar dados de genômica, epigenômica, transcriptômica, proteômica, metabolômica, metagenômica, lipidômica e glicômica, é alcançada uma compreensão abrangente dos sistemas biológicos. O manuscrito fornece diretrizes passo a passo, destacando limitações, vantagens e ferramentas de visualização para integração multiômica.

Resumo

Este manuscrito fornece um guia passo a passo abrangente para integrar dados multi-ômicos na pesquisa biológica.

A integração de dados multiômica refere-se ao processo de combinação e análise de dados medidos no mesmo conjunto de amostras biológicas com diferentes tecnologias ômicas, como genômica, epigenômica, transcriptômica, proteômica, metabolômica, microbiomas, lipidômica e glicômica. Embora as abordagens multiômicas tenham objetivos semelhantes às análises de bloco único ou ômica única (por exemplo, descrição, discriminação, classificação ou previsão), elas são capazes de capturar um espectro mais amplo de informações moleculares, fornecendo assim uma compreensão mais profunda dos sistemas biológicos e suas interações complexas. De fato, a combinação de conjuntos de dados multiômicos permite a melhoria da precisão da previsão e produz resultados mais robustos, especialmente nos casos em que o número de amostras disponíveis é limitado. Além disso, graças também ao desenvolvimento mais recente de técnicas de aprendizado de máquina, as análises multiômicas são hoje adequadas para descobrir padrões ocultos e fenômenos complexos que surgem entre diferentes compostos biológicos.

O objetivo principal deste trabalho é apresentar o protocolo completo que é comumente utilizado em estudos multiômicos, desde a formulação inicial do problema até as ferramentas úteis para a interpretação biológica dos resultados. O manuscrito descreve em detalhes os vários métodos de integração de dados multiômicos, incluindo abordagens baseadas em concatenação (baixo nível), baseadas em transformação (nível médio) e baseadas em modelo (alto nível), e destaca suas limitações e vantagens, juntamente com a apresentação de ferramentas gerais de visualização e diagnóstico.

Introdução

O campo da pesquisa biológica testemunhou avanços significativos nos últimos anos, particularmente na área de tecnologias ômicas. Essas tecnologias fornecem informações valiosas sobre a natureza complexa dos sistemas biológicos. No entanto, cada tecnologia ômica oferece uma perspectiva única sobre os componentes biológicos, necessitando da integração de dados multiômicos para obter uma compreensão abrangente.

A multiômica abrange várias classes de biomoléculas que podem ser definidas quantitativamente graças ao advento de novas e poderosas técnicas de sequenciamento de alto rendimento. Entre os diferentes t....

Protocolo

1. Definição de questão(ões) de pesquisa

1. Articule claramente a(s) questão(ões) de pesquisa específica(s) que será(ão) abordada(s) por meio da integração multiômica. Por exemplo, Questão de pesquisa 1: Quais são as mudanças na expressão de proteínas e perfis de metabólitos que se correlacionam com a resposta ao tratamento? Questão de pesquisa 2: Como as variações genéticas influenciam os padrões de expressão gênica em pacientes com uma determinada doença? Questão de pesquisa 3: Como a integração de camadas ômicas específicas fornece uma compreensão abrangente de um processo biológico específico ou mecanismo de doença?
2. Considere a ....

Resultados

Como na análise de ômica única, a visualização é fundamental para a exploração de dados, integração de dados, reconhecimento de padrões, geração de hipóteses e comunicação de resultados. Especificamente, uma boa visualização de grandes volumes de dados é muito importante durante as etapas de pré-processamento de dados, auxiliando na verificação da normalização, identificação de outliers e muito mais. Em multiômicas, ainda mais, a visualização é vital, pois pode auxiliar na avaliação de tendências nas diferentes camadas/b.......

Discussão

Identificar o conjunto de dados ômicos mais relevante é um dos primeiros passos em um estudo de integração multiômica. Na pesquisa nutricional, a metabolômica representa uma das primeiras camadas ômicas a serem observadas, pois pode destacar as vias metabólicas e os processos bioquímicos na base da intervenção dietética ou da resposta metabólica à ingestão de alimentos. Por outro lado, por exemplo, na biologia do câncer, a genômica e a transcriptômica, que fornecem informações sobre DNA,.......

Materiais

Lista de materiais utilizados neste artigo

Nome	Empresa	Número de catálogo	Comentários
Apple M2 Pro macOS	Apple	14.3 (23D56)	Computador de processamento
ggplot2 R pacote	r-project.org	3.4.4	Criar visualizações de dados
ggpubr Pacote R	r-project.org	0.6.0	Criar gráficos prontos para publicação
ggrepel Pacote R	r-project.org	0.9.5	Posicionar automaticamente rótulos de texto não sobrepostos com ggplot2
pacote R	de rede r-project.org	0.22-5	Gráficos Tellis para o
pacote R limma R	r-project.org	3.58.1	Modelos lineares para mix de dados de microarrayOmics
Pacote	R r-project.org	6.25.1	Projeto de integração de dados ômicos
Pacote NEMO R	r-project.org	0.1.0	Agrupamento multi-ômico baseado em vizinhança
R	r-project.org	4.3.2 (2023-10-31)	Linguagem de programação para computação estatística e gráficos
R Studio	RStudio	2023.12.1+402 (2023.12.1+402)	Ambiente de desenvolvimento integrado para o
pacote R SNFtool R	r-project.org	2.3.1	Fusão de rede de similaridade
tidyr R pacote	r-project.org	1.3.1	Parâmetro de dados bagunçado arrumado
R pacote	r-project.org	1.3.0	Caracterizações organizadas do desempenho do modelo