针对多主题数据的方向整合和路径丰富分析

科学领域:

• 生物信息学是一种生物信息学.
• 系统生物学 系统生物学
• 基因组学就是基因组学.

背景情况:

• 欧米克技术提供了全面的生物分子概况,但需要综合分析来理解整体系统.
• 对多种omics数据模式的联合分析对于破译复杂的生物系统至关重要.

研究的目的:

• 介绍DPM,一种用于整合omics数据集的数据融合方法,使用方向性和意义估计.
• 使用户能够根据实验设计或生物关系来定义数据集之间的预期方向相互作用.
• 优先考虑在数据集中显示一致变化的基因和途径,同时惩罚不一致的方向性.

主要方法:

• 开发了DPM,一个数据融合框架,用于多omics集成.
• 利用基因,转录或蛋白质的方向性和意义估计.
• 将DPM应用于IDH突变质瘤中的转录组,蛋白组和DNA甲基化数据集.
• 综合生存信息与卵巢癌中的OMIC数据.

主要成果:

• 在IDH突变性质瘤中通过联合奥米克分析特征化基因和通路调节.
• 在卵巢癌中识别了具有一致的预后信号的候选生物标志物,在转录和蛋白质表达中具有一致的预后信号.
• 证明了DPM能够优先考虑不断变化的基因和途径的能力.

结论:

• DPM是一种通用且可适应的基因优先级和多omics数据集中的途径分析框架.
• 该方法通过整合各种数据模式,促进对生物系统的更深入的理解.
• DPM有助于识别不同层的强大的生物信号和潜在的生物标志物.