适应性稀疏多块PLS差异分析:用于识别从多组数据中的关键生物标志物的综合方法

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 高通量技术产生了大量的多学科数据,用于疾病机制的探索.
• 整合多样化的OMIC数据对于理解宿主疾病分子关联至关重要.

研究的目的:

• 为多omics数据集成提供适应性稀疏多块部分最小平方区分分析 (asmbPLS-DA).
• 识别不同OMIC数据类型的相关特征,以区分多种疾病的结果.
• 评估asmbPLS-DA在生物标志物发现和疾病分类方面的表现.

主要方法:

• 开发了asmbPLS的扩展,命名为asmbPLS-DA,用于集成式多omics分析.
• 在各种场景下利用模拟数据和来自癌症基因组图谱 (TCGA) 的真实数据集.
• 将asmbPLS-DA与现有的特征选择和分类性能方法进行比较.

主要成果:

• asmbPLS-DA确定了与其他方法相比具有更好的生物相关性的关键生物标志物.
• 该方法证明了疾病状态和表型的竞争性分类性能,特别是与其他算法相结合时.
• 一个R包,asmbPLS,实现该方法在GitHub上可用.

结论:

• asmbPLS-DA是多学科研究的宝贵工具,在特征选择和分类方面表现出色.
• 综合性方法提高了对疾病背后的分子机制的理解.
• 该方法提供了从多omics数据中发现生物标志物的改善生物相关性.