ACMTF-R: Integración supervisada de datos multiómicos que descubre variaciones compartidas y distintas asociadas con...

Área de la Ciencia:

• Bioinformática
• Biología Computacional
• Ciencia de Datos

Sus antecedentes:

• Los datos biológicos de alta dimensionalidad requieren técnicas de fusión avanzadas.
• Los métodos actuales como ACMTF carecen de asociación con los resultados, mientras que NPLS no puede identificar estructuras compartidas.

Objetivo del estudio:

• Presentar ACMTF-R, un método novedoso que combina la exploración de datos y la predicción para la fusión de datos multidireccionales.
• Descomponer simultáneamente datos multidireccionales y capturar la variación asociada con los resultados.

Principales métodos:

• Se desarrolló ACMTF-R, una extensión de ACMTF con un paso de regresión integrado.
• Se formuló la base matemática, el algoritmo de optimización y la implementación.
• Se evaluó el rendimiento mediante simulaciones y un conjunto de datos multiómico del mundo real.

Principales resultados:

• ACMTF-R identifica de manera robusta la variación compartida y distinta asociada con los resultados.
• Recuperó con éxito un pequeño componente relacionado con los resultados en simulaciones, superando a NPLS y ACMTF.
• Identificó nuevas relaciones madre-hijo asociadas con el IMC materno en un conjunto de datos del mundo real.

Conclusiones:

• ACMTF-R es una herramienta versátil para la fusión de datos multidireccionales en la investigación multiómica.
• Integra eficazmente la variación común, local y distinta en el contexto de una variable dependiente.
• Ofrece nuevas perspectivas sobre sistemas biológicos complejos y efectos intergeneracionales.