Generación de datos correlacionados para la simulación ómica

Área de la Ciencia:

• Biología computacional
• La bioinformática
• Modelado estadístico

Sus antecedentes:

• La simulación realista de datos ómicos es vital para la evaluación comparativa de las tuberías computacionales.
• Los datos ómicos a menudo exhiben correlaciones entre las características medidas, que con frecuencia se ignoran en las simulaciones debido a los desafíos computacionales.
• Los métodos de simulación existentes luchan por incorporar las dependencias de características de manera eficiente.

Objetivo del estudio:

• Introducir métodos eficientes para la generación de datos a escala ómica con medidas correlacionadas.
• Demostrar el impacto de incluir correlaciones en estudios de evaluación comparativa.
• Proporcionar un paquete R flexible para simular datos ómicos dependientes.

Principales métodos:

• Desarrolló tres enfoques de simulación basados en un modelo de cópula gaussiana.
• Utilizó una descomposición de matriz de covarianza (diagonal y de rango bajo) para la eficiencia computacional.
• Métodos aplicados en el paquete R para varias distribuciones marginales.

Principales resultados:

• Se mostró una mayor varianza en los resultados de DESeq2 cuando se incluyó la dependencia de las características.
• Mejoras de rendimiento demostradas para CYCLOPS en la inferencia del tiempo circadiano con dependencias gen-gen.
• Validación de la importancia de la correlación en la simulación de los datos omicos para una evaluación comparativa precisa.

Conclusiones:

• La simulación eficiente de los datos ómicos correlacionados es posible y es esencial para una evaluación comparativa sólida.
• La incorporación de dependencias de características puede afectar significativamente el rendimiento de las herramientas de análisis omics.
• El paquete "dependientes" ofrece una solución práctica para generar datos ópticos realistas y dependientes.