用methPLIER进行癌症DNA甲基化分析的进展:使用非负矩阵因子化和基于知识的约束来增强生物解释性
Ken Takasawa1,2, Ken Asada3,4, Syuzo Kaneko3,4
1Division of Medical AI Research and Development, National Cancer Center Research Institute, Tokyo, 104-0045, Japan. ktakazaw@ncc.go.jp.
Experimental & molecular medicine
|March 3, 2024
概括
本研究介绍了methPLIER,这是一种用于跨数据集比较的新型DNA甲基化分析方法. methPLIER能够在不同的数据集,平台和预处理方法上进行强有力的分析,促进了在表观遗传学方面的更广泛研究.
科学领域:
- 表观遗传学 在表观遗传学中,表观遗传学是指表观遗传学.
- 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:
- 基因甲基化是一种关键的表观遗传修饰,在发育和分化过程中调节基因表达.
- 现有的DNA甲基化分析工具主要集中在数据集内的比较上,限制了跨数据集的研究,如罕见疾病或多机构研究.
研究的目的:
- 引入methPLIER,一种新的计算方法,使得DNA甲基化数据的跨数据集比较分析成为可能.
- 解决跨数据集和跨平台DNA甲基化研究当前工具的局限性.
主要方法:
- methPLIER集成了路径级信息提取器 (PLIER),一种非负矩阵分解 (NMF) 方法,与知识矩阵规范化和转移学习.
- 该方法利用来自大规模数据因子化的潜在特征矩阵和来自分析数据的因子加载矩阵进行比较分析.
- methPLIER容纳来自不同预处理管道和平台的数据,减轻分布偏差.
主要成果:
- 使用methPLIER对肺癌数据集的分析表明,数据分解准确地反映了与无复发生存相关的样本特征.
- 该方法成功地减少了由不同的预处理技术和不同的数据采集平台引起的分布偏差.
- methPLIER促进了跨多种DNA甲基化数据集的比较分析.
结论:
- methPLIER为跨数据集DNA甲基化分析提供了一个强大的框架,克服了现有工具的局限性.
- 该方法预计将大大推进跨截面DNA甲基化数据分析,并有助于扩大DNA甲基化数据资源.
- methPLIER提高了来自不同来源的DNA甲基化数据的可比性和实用性.
