相关性计算器和菲利格里:数据驱动的网络分析的工具 代谢学数据数据的分析

科学领域:

• 生物化学 生物化学
• 生物信息学是一种生物信息学.
• 系统生物学 系统生物学

背景情况:

• 奥米克斯数据分析,特别是代谢学,在提取可操作的生物知识方面面临挑战.
• 无针对性的液态染色体质谱学 (LC-MS) 研究往往含有大量未知的代谢物,使代谢物水平与生物过程之间的联系复杂化.
• 现有的途径数据库不能充分代表二次和脂质代谢.

研究的目的:

• 介绍新的计算工具,用于数据驱动的网络构建和分析在代谢学.
• 解决当前代谢学数据分析的局限性,包括未知的代谢物和不完整的途径数据库.
• 为了证明CorrelationCalculator和Filigree对分析现实生活中的代谢学数据的实用性.

主要方法:

• 相关性计算器的开发用于从代谢学数据构建单个部分相关性网络,即使代谢物超过样本.
• 从两个样本组构建差分网络的Filigree开发,随后进行网络聚类和丰富分析.
• 将这两种工具应用于现实生活中的代谢学数据集,以展示它们的功能.

主要成果:

• 相关性计算器允许从代谢学数据构建网络,其中样本比代谢产物少.
• 菲利格里方便差异网络分析,聚类和丰富,提供更深入的生物学见解.
• 这两种工具都在分析复杂的,现实世界的代谢学数据方面表现出实际实用性.

结论:

• 关联计算器和菲利格里为克服代谢学数据分析中的关键挑战提供了有效的解决方案.
• 这些工具通过实现强大的网络构建和分析来增强从omics数据中提取生物知识.
• 提出的方法改善了代谢学研究的解释,特别是涉及未知的代谢物和代谢途径不足的代谢物研究.