可视化自动组合的疾病地图和罕见疾病的路径图
Piotr Gawron1, David Hoksza1,2, Janet Piñero3,4,5
1Luxembourg Centre for Systems Biomedicine (LCSB), University of Luxembourg, Luxembourg, Luxembourg.
Frontiers in bioinformatics
|July 28, 2023
概括
这项研究引入了一种自动化工作流程,用于构建罕见疾病的分子机制图. 它将多样化的路径图集成到一个统一的资源中,帮助研究人员生成假设和数据可视化.
科学领域:
- 系统生物学 系统生物学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 研究罕见疾病的分子机制需要整合来自多个存储库的数据.
- 现有的资源提供疾病特异性路径图,但缺乏统一的收集方法.
- 手动整合这些图表是耗时和资源密集的.
研究的目的:
- 介绍一种自动化工作流程,用于构建罕见疾病的综合分子机制图.
- 为了促进对罕见疾病研究的假设构建和数据解释.
- 提供疾病相关分子机制的统一视觉存储库.
主要方法:
- 使用标准化疾病标识符 (Orphanet/HPO) 来收集相关的基因和变异.
- 开发了一种自动化工作流程,用于从各种系统生物学格式 (SBML,GPML) 组装和统一图表.
- 集成的数据叠加,包括遗传变异浏览器和蛋白质结构查看器.
主要成果:
- 成功构建了川崎病和视网膜色素炎的分子机制图.
- 通过将视网膜炎色素体的omics数据 (差异表达的基因) 纳入工作流适应性的证明.
- 工作流保留了图表布局和图形风格,同时将它们整合到一个单一的资源中.
结论:
- 自动化工作流大大减少了创建分子疾病地图所需的努力.
- 为罕见疾病研究提供高效的视觉探索,假设生成和数据可视化.
- 开源代码促进了该领域的可访问性和进一步发展.


