ナノ毒性学におけるTRIumph:トランスクリプトミクスを単一の予測変数に簡素化する

科学分野:

• トキシゲノミクス
• コンピュータ生物学
• ナノ毒性学

背景:

• トランスクリプトミックのデータ分析は,高次元性のために課題を提示します.
• 既存の方法はかなりの計算リソースを必要とします.
• 動物実験を減らすために新しいアプローチの方法論 (NAM) の必要性

研究 の 目的:

• トランスクリプトミックのデータを簡素化するために新しいトランスクリプトミックの応答指数 (TRI) を導入する.
• TRIを吸入された多壁炭素ナノチューブ (MWCNT) の物理化学的性質と関連付けます.
• MWCNTの特性に基づく遺伝子発現変化の予測モデルを開発する.

主な方法:

• トランスクリプトミック・レスポンス・インデックス (TRI) を開発し,トランスクリプトミック空間を単一の変数に圧縮した.
• 定量構造-活性関係 (QSAR) とナノQSARモデルを使用した.
• 何千もの差異的に発現する遺伝子 (DEGs) の折り畳み変化を訓練したモデル.

主要な成果:

• TRIは5167のDEGを単一の変数に圧縮し,トランスクリプトミックの99.9%を説明しました.
• TRIとMWCNTの性質を結びつけるナノQSARモデルは,高い統計的有意性を達成した (R2=0.83,Q_CV2=0.8,Q2=0.78).
• 単一の変数を用いて遺伝子発現の変化を予測する能力を示した.

結論:

• TRIはトランスクリプトミックの複雑さを管理する強力なアプローチを提供します.
• この方法論は,動物実験と計算負荷を減らすことで,NAMをサポートします.
• 規制科学における機械学習モデル開発のためのユーザーフレンドリーなツールであるChemBioMLプラットフォームを開発しました.