Reproducible and Multi-Study Transcriptomic Integration with disint, Disease Integration and Clustering Toolkit, and...

Área de la Ciencia:

• Bioinformática
• Biología Computacional
• Genómica

Sus antecedentes:

• La integración de conjuntos de datos transcriptómicos a gran escala en diversas enfermedades presenta desafíos significativos debido a la inconsistencia en el preprocesamiento y la falta de marcos analíticos estandarizados.
• Las canalizaciones existentes a menudo implican la sintonización manual de parámetros y scripts fragmentados, lo que dificulta la comparabilidad entre conjuntos de datos y la interpretación downstream.

Objetivo del estudio:

• Desarrollar un marco de Python de código abierto, disint (disease integration and clustering toolkit), para la integración, incrustación y agrupación estandarizadas de datos transcriptómicos entre conjuntos de datos.
• Implementar un módulo downstream prototipo, disease reposition, para extraer firmas de genes específicas de la enfermedad e identificar posibles candidatos para el reposicionamiento de fármacos.

Principales métodos:

• El marco disint emplea la normalización basada en genes de referencia y el cálculo del log2 fold-change específico de la enfermedad.
• Presenta la optimización automática de hiperparámetros de Uniform Manifold Approximation and Projection (UMAP) y la agrupación adaptativa K-means.
• Un módulo downstream analiza las firmas de genes para componentes compartidos y el potencial de reposicionamiento de fármacos.

Principales resultados:

• El marco se validó en 28 conjuntos de datos transcriptómicos, que abarcan 34 categorías de enfermedades y 386 muestras (255 de pacientes, 131 sanos).
• Procesó un total de 194.182 genes, demostrando escalabilidad y reproducibilidad.
• Los resultados subrayan la utilidad del marco para extraer firmas de enfermedades significativas y explorar oportunidades terapéuticas.

Conclusiones:

• El marco disint ofrece una solución estandarizada, reproducible y escalable para integrar y analizar datos transcriptómicos a gran escala en diversas enfermedades.
• Su rendimiento validado destaca su versatilidad traslacional para el análisis de firmas de enfermedades y el reposicionamiento de fármacos.
• Este conjunto de herramientas aborda desafíos críticos en la integración de big data dentro de la investigación biomédica.