翻译神经科学中的综合性多学科和系统生物信息学:数据挖掘视角

科学领域:

• 神经科学是一个神经科学.
• 生物信息学是一种生物信息学.
• 基因组学就是基因组学.
• 蛋白质组学是指蛋白质组学.
• 代谢学 代谢学 代谢学

背景情况:

• 数据分析,称为神经信息学,在现代生物学中至关重要.
• 欧米克数据集的数据挖掘产生了神经退行性疾病的假设.
• 了解复杂的生物调节需要整合多omics数据.

研究的目的:

• 审查对阿尔茨海默病,帕金森病和多发性硬化症的个体omics数据集的数据挖掘研究.
• 讨论解释生物数据的多学科整合方法.
• 评估用于脑网络重建的数据挖掘中的多omics集成.

主要方法:

• 总结个别的奥米克数据挖掘研究 (表观遗传学,转录组学,蛋白质组学,代谢组学,脂组学,空间奥米克).
• 讨论多学科整合方法 (独立的生物和无监督的整合).
• 评估系统生物信息学的综合多学科数据挖掘.

主要成果:

• 个人奥米克数据挖掘为神经退行性疾病机制提供了洞察力.
• 多omics集成增强了复杂的生物数据的解释.
• 综合的多omics方法为大脑网络重建提供了概念验证.

结论:

• 在翻译神经科学中,建议将高维生物信息学分析与实验验证相结合.
• 综合的多学科和系统生物信息学可以实现神经退行性疾病的精确表型.
• 未来的机遇在于针对大脑疾病的个性化医疗.