Method Article

Всеобъемлющий протокол и пошаговое руководство по интеграции мультиомиксов в биологические исследования

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

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

В этой работе подробно описаны методы интеграции мультиомиксных данных (конкатенация, преобразование и на основе моделей). Комбинируя данные геномики, эпигеномики, транскриптомики, протеомики, метаболомики, метагеномики, липидомики и гликомики, достигается всестороннее понимание биологических систем. В рукописи представлены пошаговые рекомендации, выделенные ограничения, преимущества и инструменты визуализации для интеграции мультиомиксов.

Abstract

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

Эта рукопись представляет собой всеобъемлющее пошаговое руководство по интеграции мультиомиксных данных в биологические исследования.

Мультиомиксная интеграция данных относится к процессу объединения и анализа данных, измеренных на одном и том же наборе биологических образцов с помощью различных омиксных технологий, таких как геномика, эпигеномика, транскриптомика, протеомика, метаболомика, микробиомы, липидомика и гликомика. Несмотря на то, что мультиомические подходы имеют те же цели, что и одноблочный или одноомический анализ (например, описание, различение, классификация или прогнозирование), они способны охватить более широкий спектр молекулярной информации, тем самым обеспечивая более глубокое понимание биологических систем и их сложных взаимодействий. Действительно, комбинация наборов данных с несколькими омиксами позволяет повысить точность прогнозирования и получить более надежные результаты, особенно в тех случаях, когда количество доступных выборок ограничено. Более того, благодаря новейшему развитию методов машинного обучения, мультиомический анализ в настоящее время подходит для выявления скрытых закономерностей и сложных явлений, возникающих среди различных биологических соединений.

Основной целью данной работы является представление полного протокола, который обычно используется в мультиомиксных исследованиях, начиная с первоначальной формулировки задачи и заканчивая инструментами, полезными для биологической интерпретации результатов. В рукописи подробно описываются различные методы интеграции мультиомиксных данных, включая подходы на основе конкатенации (низкоуровневый), трансформационный (средний уровень) и модельный (высокоуровневый) подходы, а также освещаются их ограничения и преимущества, а также представлены общие инструменты визуализации и диагностики.

Introduction

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

В последние годы в области биологических исследований был достигнут значительный прогресс, особенно в области омиксных технологий. Эти технологии дают ценную информацию о сложной природе биологических систем. Тем не менее, каждая омиксная технология предлагает уникальный взгляд на биологические компоненты, что требует интеграции мультиомических данных для получения всестороннего понимания.

Мультиомика охватывает различные классы биомолекул, которые могут быть количественно определены благодаря появлению новых и мощных методов секвенирования с высокой пропускной способностью. К различным типам омиксных технологий относятся геномика, эпигеномика, транскриптомика, протеомика, метаболомика, метагеномика, липидомика и гликомика. Геномика включает в себя изучение геномов организма, в то время как эпигеномика фокусируется на поддерживающей структуре генома, включая связывающие белки и РНК, альтернативные структуры ДНК и химические модификации ДНК. Транскриптомика включает в себя изучение всех молекул РНК, включая мРНК, рРНК, тРНК и другие некодирующие РНК. Протеомика включает в себя изучение белков, в том числе модификаций, вносимых в определенные группы белков. Метаболомика фокусируется на ансамбле малых молекул (метаболитов) в биологической матрице. Метагеномика включает в себя изучение микробных сообществ в четко определенных местообитаниях с определенными физико-химическими свойствами. Липидомика включает в себя изучение всего комплемента клеточных липидов, в то время как гликомика фокусируется на изучении гликома, включаяуглеводы и сахара.

Интеграция мультиомиксных данных привлекает все большее внимание в научном сообществе из-за ее потенциала для разгадки сложных биологических явлений. Комбинируя данные из нескольких омиксных технологий, исследователи могут преодолеть ограничения отдельных наборов данных и получить более целостное представление о биологических системах. Этот комплексный подход позволяет идентифицировать новые биомаркеры, обнаружить механизмы заболевания и прояснить сложные биологические пути.

Количество упоминаний терминов «мультиомика» и «мультиомика» в PubMed значительно увеличилось за последние годы: с 307 в 2018 году до 1414 в 2021 году и до 3933 в 2023 году. Интеграция различных типов омиксных переменных становится все более распространенной, поскольку она позволяет глубже исследовать механизмы, лежащие в основе заболеваний и дисфункций организмов. Подходы с одной омиксой обеспечивают ограниченный, частичный взгляд на скрытую биологию, поскольку они сосредоточены на одной перспективе. Тем не менее, интегрируя мультиомиксные данные, мы можем пролить свет на взаимодействие различных биомолекул, понять взаимосвязи внутри нескольких слоев и преодолеть разрыв между генотипом и фенотипом. В целом, мультиомические подходы могут помочь ответить на такие важные вопросы, как классификация различных подгрупп заболеваний, прогнозирование основных биомаркеров, связанных с заболеванием, и лучшее понимание биологических путей и механизмов. В следующих разделах различные наборы данных по омиксу также можно назвать «представлениями» данных или «блоками» данных.

Методы мультиомиксной интеграции можно разделить на три основные подгруппы, как описано в Reel et al. (2021)2 и Ritchie et al. (2015)3 (рис. 1).

Низкоуровневая, ранняя интеграция или конкатенация: этот подход включает в себя конкатенацию переменных из каждого отдельного набора данных в единую матрицу. Однако ранняя интеграция не учитывает уникальное распределение каждого омиксного типа данных и может присвоить больший вес определенным омиксным типам данных с большими размерностями. Это также создает такие проблемы, как повышенный риск проклятия размерности, дополнительный шум, высококоррелированные переменные и проблемы вычислительной масштабируемости. Несмотря на эти ограничения, ранняя интеграция позволяет идентифицировать скоординированные изменения в нескольких омических слоях и улучшает биологическую интерпретацию.

Интеграция среднего уровня, интеграция среднего уровня или на основе преобразований: В этом подходе математические модели интеграции применяются к нескольким слоям омиксных данных. Промежуточная интеграция фокусируется на слиянии подмножеств или представлений, извлеченных из источников. В рамках промежуточной интеграции существуют два подподхода: подход «средний-восходящий» и «средний-нисходящий». Подход «промежуточный вверх» включает в себя объединенные оценки, полученные за счет уменьшения размерности в каждом блоке, что делает его пригодным для работы с разнородными данными. Тем не менее, ему может не хватать интерпретируемости. Подход «промежуточный» включает в себя выбор локальных переменных и последующий анализ на объединенных подмножествах переменных, что упрощает интерпретацию моделей. Интегрирование по середине обеспечивает такие преимущества, как улучшенное отношение сигнал/шум, уменьшенная размерность и повышенная статистическая мощность.

Высокоуровневый, поздний интегрированный или основанный на моделях: этот подход включает в себя выполнение анализа на каждом отдельном омиксном уровне и объединение результатов в специальной манере. Он включает в себя объединение результатов одноблочных моделей для идентификации биомаркеров из каждого источника и обеспечения совместной интерпретации результатов. Поздняя интеграция не увеличивает размерность входного пространства и работает с уникальным распределением каждого омиксного данных. Это особенно уместно, когда один омический слой более предсказателен, чем другие. Однако поздняя интеграция может упустить из виду кроссомиксные отношения и столкнуться с проблемами, связанными с недостаточным пониманием связей между исходными блоками данных и потенциальной потерей биологической информации в результате индивидуального моделирования.

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

Protocol

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

1. Определение исследовательского вопроса(ов)

  1. Четко сформулируйте конкретные исследовательские вопросы, которые будут решаться с помощью мультиомиксной интеграции. Например, исследовательский вопрос 1: Какие изменения в экспрессии белка и профилях метаболитов коррелируют с ответом на лечение? Исследовательский вопрос 2: Как генетические вариации влияют на паттерны экспрессии генов у пациентов с данным заболеванием? Исследовательский вопрос 3: Как интеграция конкретных омических слоев обеспечивает всестороннее понимание конкретного биологического процесса или механизма заболевания?
  2. Рассмотрите возможность использования нескольких омиксных технологий для поиска биомаркеров или получения механистического представления о сложных заболеваниях. Обратите внимание, что для стратификации пациента может потребоваться увеличение размера выборки.

2. Выбор омиксов

  1. Определите наиболее подходящие омиксные технологии для исследовательского вопроса (вопросов) и изучаемой биологической системы. Например, в случае вопроса 1 соответствующими омическими технологиями являются протеомика и метаболомика; для исследовательского вопроса 2 «Геномика и транскриптомика»; и для исследовательского вопроса 3, несколько омических технологий.
  2. Учитывайте цель исследования и доступные ресурсы при выборе идеальных слоев омикса. Примеры включают метаболомику для исследований в области питания, геномику и транскриптомику для биологии рака, а также протеомику для различных заболеваний.

3. Обеспечение качества данных

ПРИМЕЧАНИЕ: Обеспечьте надежность и воспроизводимость данных по омиксам, выполненным в соответствии с описанными ниже шагами.

  1. Тщательно планируйте эксперимент и поддерживайте последовательные условия эксперимента и методы сбора образцов на всех омиксных слоях, чтобы свести к минимуму пакетные эффекты.
  2. Следуйте установленным протоколам и реализуйте меры контроля качества во время генерации данных для каждого омического набора данных.
    1. Используйте внутренние или внешние стандарты, когда это уместно.
    2. Выполняйте проверки качества в отдельных наборах данных омиксов.
      1. Для данных геномики оценивайте такие метрики, как показатели качества чтения, состав основания и глубина секвенирования, чтобы обеспечить высокое качество данных секвенирования, а также качество выравнивания и картирования и качество вызова вариантов, включая частоту аллелей, глубину чтения и аннотацию вариантов.
      2. Для данных транскриптомики оцените такие метрики, как распределение длины чтения, базовый состав и показатели качества Phred при оценке качества чтения, а также количество транскриптов на миллион (TPM) или фрагментов на килобазу транскрипта на миллион картированных прочтений (FPKM) при оценке качества количественной оценки транскриптов.
      3. Для данных протеомики учитывайте соответствующие метрики, такие как распределение пиковой интенсивности, отношение сигнал/шум и масс-точность при оценке качества данных масс-спектрометрии и покрытия пептидных последовательностей, оценка идентификации белков, частота ложных открытий и воспроизводимость измерений численности белка при оценке качества идентификации белка и количественной оценки.
      4. Для данных метаболомики оцените соответствующие метрики, такие как распределение пиковой интенсивности, отношение сигнал/шум и точность масс-спектрометрии при оценке качества данных масс-спектрометрии и сопоставлении масс-спектров со справочными базами данных или использовании шаблонов фрагментации для структурного выяснения при оценке качества идентификации метаболитов.

4. Предварительная обработка данных

  1. Перекрывающиеся сэмплы
    1. Включайте только те примеры, которые перекрываются в нескольких наборах омиксных данных.
    2. Исключите блоки с недостаточным количеством перекрывающихся выборок по сравнению с другими блоками.
  2. Импутация отсутствующих значений
    1. Обрабатывайте пропущенные значения с помощью статистических методов или методов машинного обучения.
    2. Используйте такие методы, как метод Least-Squares Adaptive (LSA) для импутации пропущенных значений.
    3. Избегайте удаления строк с отсутствующими данными, особенно при работе с ограниченным количеством выборок.
    4. Исключите переменные с высоким процентом пропущенных значений (например, 25% или 30% пропущенных значений в выборках).
  3. Стандартизация
    1. Выполняйте обработку данных для обеспечения согласованного масштабирования функций.
    2. Не позволяйте объектам с большими эффектами доминировать над объектами с меньшими эффектами.
    3. Применяйте распространенные преобразования, такие как логарифмическое преобразование, центрирование и масштабирование.
      ПРИМЕЧАНИЕ: Преобразования должны быть тщательно подобраны, чтобы сохранить интерпретируемость исходных данных.
  4. Идентификация выбросов
    1. Обнаруживайте выбросы и экстремальные значения с помощью таких инструментов, как ящичковые диаграммы или расстояние от медианы значений.
    2. Устраняйте выбросы с помощью соответствующих методов, таких как преобразование или удаление данных.

5. Уменьшение размерности

ПРИМЕЧАНИЕ: Существует два подхода к уменьшению размерности: удаление зашумленных и избыточных переменных (выбор признаков) или комбинация признаков для создания более значимых переменных (извлечение признаков).

  1. Определите, является ли цель исследования прогностической (например, построить модель, способную предсказать, здоров или болен субъект) или аналитической (например, какие переменные являются биомаркерами заболевания).
    Примечание: Если целью исследования является аналитический, выбор признаков является более целесообразным, поскольку извлечение признаков может привести к потере интерпретируемости.
  2. При работе с многоразмерными данными важно выбрать релевантные переменные для изучаемого явления, чтобы облегчить анализ и интерпретацию, сократить необходимые вычислительные ресурсы и устранить шум и избыточную информацию, которые могут исказить результаты.
  3. Выбор функции
    1. Определите подмножество информативных признаков для интересующего явления.
    2. Используйте методы выбора функций, классифицированные по категориям, такие как фильтр, оболочка, встроенные и гибридные методы. В случае мультиомики также могут применяться методы отбора биомаркеров.
      ПРИМЕЧАНИЕ: Учитывайте характеристики набора данных при выборе подходящего метода. Методы-оболочки обеспечивают наиболее точные модели прогнозирования, но они требуют гораздо большего времени вычислений, чем фильтр или встроенные методы. Сводная таблица с преимуществами и недостатками различных методов выбора и извлечения признаков представлена в таблице 1.
    3. Сбалансируйте производительность окончательной модели с вычислительными усилиями, необходимыми для выбора функции.
    4. Оптимизируйте количество выбранных элементов, чтобы избежать недообучения или переобучения.
      ПРИМЕЧАНИЕ: Примеры рисков переобучения обсуждаются в ранее опубликованной работе.
    5. Оценивайте производительность модели с помощью таких метрик, как точность, оценка площади под кривой (AUC) или сбалансированная частота ошибок (BER).
  4. Извлечение признаков
    1. Преобразуйте необработанные данные в сокращенный набор значимых функций:
      1. Применяйте такие методы, как анализ главных компонент (PCA), для выявления важных закономерностей и взаимосвязей путем проецирования данных в пространство более низкой размерности.
      2. Используйте t-SNE для визуализации многомерных данных с сохранением локальных сходств.
      3. Рассмотрите возможность линейного дискриминантного анализа (LDA) для максимизации сепарабельности классов.
      4. Изучите автоэнкодеры, чтобы изучить сжатые представления данных с помощью нейронных сетей.
        ПРИМЕЧАНИЕ: Извлечение признаков может привести к получению представлений, которые будет сложнее интерпретировать. В таблице 1 перечислены выбранные примеры выбора признаков и методов извлечения признаков5.

6. Выбор способа интеграции

  1. Определите наиболее подходящие методы интеграции для применения к данным.
    1. Если образцы совпадают и есть достаточно полных испытуемых, то приступайте к методу ранней интеграции.
    2. Если необходимо учитывать межуровневые взаимодействия, то не следует прибегать к методу поздней интеграции.
    3. Если сигналы могут быть тонкими, но согласованными между слоями, то метод ранней интеграции может быть более подходящим, чем метод позднего интегрирования.
    4. Если важно использовать взаимосвязь данных между различными омиксными слоями, выберите метод промежуточной интеграции.
    5. Низкоуровневая интеграция конкатенации
      1. Если один (или несколько) омиксных блоков остается значительно большим по количеству признаков (переменных), чем остальные, уменьшите его (их) размерность, следуя шагам в разделе 5.
      2. Объединяйте переменные из каждого отдельного набора данных по омиксам в одну широкую матрицу.
      3. Преобразуйте объединенные переменные так, чтобы они имели схожие диапазоны и распределения.
      4. Используйте объединенную матрицу данных для последующего анализа, например для применения алгоритмов машинного обучения или стратегий уменьшения размерности.
        ПРИМЕЧАНИЕ: Наиболее распространенным способом выполнения низкоуровневой интеграции является конкатенация. Однако эти методы могут привести к потере связей между блоками или аналитических сведений, специфичных для блоков.
  2. Интеграция среднего уровня
    1. Выберите одну из шести основных категорий интеграции среднего уровня в зависимости от цели анализа.
      1. Основание на сходстве: используйте этот подход для оценки сходства между различными образцами или особенностями для выявления закономерностей или подтипов в рамках заболеваний, в исследовательском анализе данных, где отношения не известны априори. Пример: SNF6.
      2. Корреляционный: используйте этот метод для выявления и количественной оценки связей между различными переменными, в частности, для оценки того, как одна переменная изменяется вместе с изменениями другой. Пример: CNAMet7.
      3. Сетевые: Используйте сетевые методы для представления сложных отношений между объектами. Это особенно полезно для выявления кластеров в структуре данных и прогнозирования биомаркеров. Примеры: NetICS8, PARADIGM9, scMoMtF10.
      4. Байесовский: используйте этот подход для включения предварительных знаний в анализ или при работе с неопределенностями в данных. Это особенно полезно для вывода подтипов заболеваний и прогнозирования биомаркеров на основе вероятностных моделей. Примеры: MOFA11, iClusterPlus12.
      5. Многомерность: используйте этот метод для одновременного анализа нескольких переменных, особенно когда взаимодействие между этими переменными имеет важное значение для понимания биологической системы. Это полезно как для кластеризации, так и для обнаружения биомаркеров. Примеры: mixOmics13, JIVE14,15.
      6. На основе Fusion: используйте этот метод для объединения данных из разных слоев омикса в единую платформу, чтобы использовать преимущества каждого типа данных. Это особенно полезно для комплексного анализа, требующего интеграции различных наборов данных. Примеры: PFA16, PSDF17.
        ПРИМЕЧАНИЕ: Основанный на надежной статистической обработке или моделировании с помощью методов машинного обучения, он может ограничить проблемы, присутствующие в случае интеграций низкого или высокого уровня.
    2. Примените выбранный метод к набору мультиомических данных.
  3. Высокоуровневая интеграция
    1. Выполняйте полный анализ данных по каждому отдельному омическому блоку независимо.
    2. Совместно интерпретируйте результаты, полученные на предыдущем этапе.

7. Статистический анализ

  1. Анализ дифференциальной экспрессии (ДЭ)
    1. Подготовьте данные, убедившись, что данные правильно отформатированы и нормализованы.
      ПРИМЕЧАНИЕ: В зависимости от используемых пакетов, формат и структура данных могут отличаться. Для анализа DE рекомендуется использовать пакеты R, такие как limma18, edgeR19 или DESeq220 .
    2. Постройте матрицу проектирования, которая включает отдельные коэффициенты для каждой экспериментальной группы, указав условия эксперимента и назначения групп.
    3. Реализуйте линейную модель и примените ее к каждому элементу, включая матрицу проектирования.
    4. Вычисление модерируемой t-статистики и F-статистики для оценки дифференциального выражения.
    5. Используйте эмпирическое байесовское модерирование стандартных ошибок для оценки логарифмических шансов дифференциального выражения.
    6. Определение пороговых значений значимости
      1. Рассмотрим пороговое значение p-значения, равное 0,05, чтобы определить статистическую значимость.
      2. Установите пороговые значения изменения в логарифмическом цикле в зависимости от типа объекта:
      3. Для метаболитов и белков используйте логарифмическое изменение log2(1.1).
      4. Для расшифровки используйте логарифмическое изменение log2(1.5).
  2. Кластеризация
    1. Выберите метод/алгоритм кластеризации для использования.
      ПРИМЕЧАНИЕ: Существуют алгоритмы кластеризации, специально разработанные для мультиомиксных данных, такие как NEMO21, iCluster22 и JIVE23.
    2. Определите количество кластеров, если это требуется методу. Некоторыми альтернативами являются метод локтя, оценка силуэта или статистика разрыва для оценки оптимального количества кластеров.
    3. Запустите выбранный алгоритм кластеризации на очищенных данных.
    4. При необходимости оптимизируйте параметры, специфичные для алгоритма.
    5. Оценивайте качество результатов кластеризации с помощью внутренних или внешних метрик проверки, таких как оценка силуэта или скорректированный индекс Rand.
    6. Если это уместно и возможно, проверьте назначение кластера с использованием независимых данных или тестового набора данных, ранее исключенного из кластерного анализа.
  3. Предиктивное моделирование
    1. Оцените необходимость выполнения прогнозного моделирования в мультиомиксном исследовании.
      ПРИМЕЧАНИЕ: Прогностические модели могут быть применены после мультиомиксной интеграции для сравнения того, как изменяется точность прогноза по классификации результатов на основе признаков, выбранных различными методами.
    2. Если решение, принятое на шаге 7.3.1, является положительным, то следует выполнить следующие шаги: В противном случае перейдите к шагу 8.
    3. Выберите подходящую прогностическую модель для применения.
      ПРИМЕЧАНИЕ: Примером используемой модели является Random Forest (RF), алгоритм машинного обучения, который интегрирует несколько деревьев решений для получения конечного результата.
    4. Тонкая настройка параметров модели (например, с помощью пакета R caret).
    5. Разделите набор данных на обучающий и тестовый (60-40% или 80-20%) сбалансированным образом, чтобы получить одинаковую пропорцию образцов из разных групп.
    6. Запустите модель на поезде.
    7. Точность вычислений и оценка F1 в тестовом наборе для оценки производительности модели.
    8. Повторите шаги со 2 по 4 несколько раз (например, 1000), чтобы увеличить случайность.
    9. Вычислите среднее значение результатов шага 5.
    10. Отчет усреднен по точности и баллу F1. Если это не устраивает, перейдите к шагу 1, чтобы улучшить выбор параметров.
    11. Определение важности признака с помощью среднего снижения точности (DMA) и среднего уменьшения примеси (MDI).

8. Биологическая интерпретация:

  1. Выберите инструмент обогащения контуров (обычно используются инструменты PEA: DAVID, GSEA, Enrichr и Metascape).
  2. Введите список генов или белков в выбранный инструмент анализа обогащения путей.
  3. Выберите соответствующую базу данных путей, например KEGG, Reactome или GO, для выполнения анализа.
    Примечание: Одним из инструментов, специально разработанных для мультиомиксных данных, является Paintomics, который использует базы данных (KEGG, Reactome или Mapman) для предоставления информации о функциональных взаимосвязях между этими биомаркерами, а также об их участии в конкретныхбиологических процессах.
  4. Запустите анализ обогащения пути с помощью выбранного инструмента и базы данных.
  5. При необходимости отрегулируйте параметры, такие как порог значимости, фоновый список генов или метод коррекции.
  6. Визуализируйте и оценивайте окончательные результаты (обогащенные пути, FDR, диаграммы путей, тепловые карты и т. д.).

9. Валидация и последующие эксперименты

  1. Техническая валидация
    1. Убедитесь, что при использовании различных аналитических методов на одних и тех же образцах также были обнаружены эквивалентные результаты.
      ПРИМЕЧАНИЕ: Например, результаты, полученные с помощью протеомики на основе масс-спектрометрии (МС), могут быть впоследствии подтверждены с помощью иммунологического анализа, такого как иммуноферментный анализ (ИФА).
  2. Определите последующие эксперименты для подтверждения полученных результатов.
  3. Если возможно, повторите результат, проанализировав омиксные данные из независимой когорты.
  4. Для клинического применения проведите рандомизированные клинические испытания, чтобы продемонстрировать клиническую достоверность полученных результатов.
    1. Разработать и провести контролируемое исследование с соответствующим размером выборки и рандомизацией для оценки эффективности и безопасности идентифицированных биомаркеров или мишеней.
    2. Соберите соответствующие клинические конечные точки и измерьте влияние выявленных факторов на исходы лечения пациентов.

10. Средства визуализации и диагностики

ПРИМЕЧАНИЕ: Различные типы графиков могут быть использованы для иллюстрации результатов анализа данных, обеспечивая визуальное представление ключевых результатов. К часто используемым графикам относятся графики вулканов, тепловые карты, графики циркоса и графики Манхэттена.

  1. Участки вулкана:
    1. Используйте графики вулкана для суммирования результатов анализа дифференциальной экспрессии (DEA).
    2. Отображение взаимосвязи между статистической значимостью и величиной изменений между испытуемыми группами.
    3. Определите ключевые особенности для дальнейшего изучения на основе их положения на графике.
  2. Тепловые карты:
    1. Используйте тепловые карты для визуализации величины переменной в различных категориях.
    2. Используйте цвета для обозначения интенсивности переменной, что облегчает идентификацию закономерностей и кластеров в наборах данных.
  3. Сюжеты Манхэттена:
    1. Используйте графики Манхэттена для эффективного обобщения результатов DEA и визуализации многочисленных точек данных на одном и том же графике.
    2. Обычно используется в полногеномных ассоциативных исследованиях (GWAS), но также применим в мультиомных исследованиях.
  4. Сюжеты Circos:
    1. Используйте круговые графики, круговые визуализации, чтобы исследовать взаимодействия и корреляции между различными молекулярными особенностями.
    2. Изображайте отношения и связи между различными элементами в всеобъемлющей и визуально привлекательной манере.
      ПРИМЕЧАНИЕ: В этом исследовании представлены примеры репрезентативных результатов для каждого типа графиков, представленных выше, с использованием набора данных для тестов на рак.
  5. Средства диагностики:
    ПРИМЕЧАНИЕ: Инструменты визуализации вместе с метриками производительности очень важны для целей диагностики.
    1. Используйте кривые рабочих характеристик приемника (ROC) для оценки производительности моделей классификации.
    2. Используйте графики загрузки и графики анализа главных компонент (PCA) для визуализации взаимосвязей и закономерностей в данных.
      ПРИМЕЧАНИЕ: Примеры репрезентативных результатов для каждого из этих графиков с использованием набора данных тестов на рак показаны в разделе Репрезентативные результаты.
  6. Метрики производительности для двоичной классификации
    ПРИМЕЧАНИЕ: Следующие метрики могут быть адаптированы для многоклассовой классификации, как в представленном примере, рассматривая каждый класс в сравнении с остальными для каждого класса.
    1. Матрица несоответствий: Используйте матрицу несоответствий (Таблица 2) для обозначения истинно положительных и истинно отрицательных результатов в диагонали, истинно отрицательных результатов в правых нижних блоках, ложноположительных результатов в правых верхних блоках и ложноотрицательных результатов в левых нижних блоках.
    2. Точность: Это доля положительных идентификаций, которые были правильными. Рассчитайте точность по формуле, TP/(TP + FP). Модель с точностью до 1 не имеет ложных срабатываний. Если модель имеет точность 0,5, то в половине случаев она верна.
      figure-protocol-1
    3. Запоминаемость или чувствительность: также известная как частота истинных положительных результатов или частота попаданий, это доля фактических положительных результатов, которые были определены правильно. Рассчитайте полноту или чувствительность по формуле TP/(TP + FN) или TP/pos, где pos = TP + FN — общее количество положительных примеров.
      figure-protocol-2
    4. Специфичность: Это доля фактических отрицательных результатов, которые были идентифицированы правильно. Рассчитайте его по формуле TN/neg, где neg = TN + FP — общее количество отрицательных примеров.
      figure-protocol-3
    5. Точность: доля правильных прогнозов (как положительных, так и отрицательных). Рассчитайте точность по формуле:
      figure-protocol-4
    6. F-Score: F-Score — это гармоническое среднее между запоминаемостью и точностью. Рассчитайте его по формуле:
      figure-protocol-5
    7. Сбалансированная точность: Сбалансированная точность (BAC) — это среднее арифметическое чувствительности и специфичности. Рассчитайте его по формуле:
      figure-protocol-6
      где TPR расшифровывается как True Positive Rate и соответствует воспоминанию, а TNR расшифровывается как True Negative Rate и соответствует специфичности.
    8. Сбалансированная частота ошибок: Сбалансированная частота ошибок (BER) — это среднее арифметическое ошибок в каждом классе. Рассчитайте его по формуле:
      figure-protocol-7
      ПРИМЕЧАНИЕ: Преимущество BER заключается в том, что он учитывает разницу в производительности между классами путем создания сбалансированной меры частоты ошибок, тем самым ограничивая влияние несбалансированного набора данных. Коэффициент ошибок 0,5 представляет собой производительность, аналогичную случайному угадыванию. Для DIABLO BER — это взвешенная частота ошибок классификации для каждого блока, зависящая от корреляции между компонентами и интересующим состоянием. BER является дополнением BA к 1, т.е. BER = (1 - BAC).
    9. Площадь под кривой: Вычислите площадь под кривой (AUC) как площадь ниже ROC (описана в следующем разделе), полученную путем построения графика зависимости чувствительности от специфичности.
      ПРИМЕЧАНИЕ: Какая из этих метрик лучше всего подходит для выполнения задачи, зависит от важности ложноотрицательных результатов и баланса или дисбаланса между классами. Точность фокусируется на минимизации ложноположительных результатов, в то время как запоминаемость фокусируется на минимизации ложноотрицательных результатов. Если доля положительных случаев невелика, то точность сама по себе может быть не лучшим показателем для оценки производительности модели. Code.R предоставляется в виде дополнительного файла 1.

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

Results

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

Как и в одноомическом анализе, визуализация является ключом к исследованию данных, интеграции данных, распознаванию образов, генерации гипотез и передаче результатов. В частности, хорошая визуализация больших данных очень важна на этапах предварительной обработки данных, помогая в проверке нормализации, выявлении выбросов и многом другом. В мультиомике визуализация имеет жизненно важное значение, поскольку она может помочь в оценке тенденций в различных омических слоях/блоках, а наложение информации из каждого блока може...

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

Discussion

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

Определение наиболее релевантного набора данных по омиксам является одним из первых шагов в исследовании интеграции мультиомиксов. В исследованиях в области питания метаболомика представляет собой один из первых слоев омиксы, на который следует обратить внимание, поскольку она может выделить метаболические пути и биохимические процессы, лежащие в основе диетического вмешательства или метаболической реакции на прием пищи. С другой стороны, например, в биологии рака, геномике и транскрипто...

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

Disclosures

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

Э. А., Р. Р. и О. С. являются сотрудниками компании Société des Produits Nestlé SA.

Acknowledgements

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

Авторы выражают признательность за поддержку доктору Михаэлю Аффолтеру, доктору Лоику Дайону, доктору Жану Филиппу Годену, доктору Франческе Джуффрида, доктору Евгении Мильявакка, профессору Анне-Флоренс Битбол и профессору Золтану Куталику.

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)Компьютерная обработка
ggplot2 Пакет Rr-project.org3.4.4Создание визуализаций данных
ggpubr Пакет Rr-project.org0.6.0Создание готовых к публикации графиков
ggrepel Rпакет r-project.org0.9.5Автоматическое позиционирование неперекрывающихся текстовых меток с помощью ggplot2
решетчатый пакет Rr-project.org0.22-5Графика Tellis для R
limma Пакет Rr-project.org3.58.1Линейные модели для микрочипового микса данныхПакет
Omics Rr-project.org6.25.1Проект интеграции данных Omic
NEMO Пакет Rr-project.org0.1.0Кластеризация мультиомики на основе соседства
R r-project.org4.3.2 (2023-10-31)Язык программирования для статистических вычислений и графики
R StudioRStudio2023.12.1+402 (2023.12.1+402)Интегрированная среда разработки для R
SNFtool Пакет Rr-project.org2.3.1Сходство сети fusion
tidyr Пакет Rr-project.org1.3.1Аккуратный меритель беспорядочных данных
R пакетr-project.org1.3.0Аккуратные характеристики производительности модели

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