无监督多欧米因子分析的应用,以揭示与心血管疾病相关的变异模式和分子过程
Corinna Losert1, Kami Pekayvaz2, Viktoria Knottenberg2
1Institute of Computational Biology, German Research Center for Environmental Health, Helmholtz Zentrum München; Department of Computer Science, TUM School of Computation, Information and Technology, Technical University of Munich.
Journal of visualized experiments : JoVE
|October 7, 2024
概括
我们介绍了一种使用多组因子分析 (MOFA) 探索冠状动脉综合征复杂免疫反应数据的方法. 这种无监督的方法揭示了跨多种数据类型的关键分子变异,有助于发现疾病机制.
科学领域:
- 计算生物学 计算生物学
- 系统生物学 系统生物学
- 免疫学 免疫学 免疫学
背景情况:
- 疾病机制涉及分子过程的复杂相互作用.
- 多维omics数据提供了洞察力,但由于高维度而带来分析挑战.
- 无监督分析对于探索复杂的生物数据集至关重要.
研究的目的:
- 提出一种无监督的方法来分析和探索复杂的多omics数据集.
- 在冠状动脉综合征中的血液免疫应答数据上应用多奥米克因子分析 (MOFA).
- 展示一个工作流程,用于整合和分析不同的OMIC数据类型.
主要方法:
- 数据预处理和协调多omics数据 (细胞因子,蛋白质因子,prime-seq,scRNA-seq).
- 用MOFA模型进行估计,以确定主要的差异来源.
- 下游分析,将确定的模式与疾病状况和分子过程联系起来.
主要成果:
- 成功地将MOFA应用于冠状动脉综合征的复杂多omics数据集.
- 在免疫反应数据中识别主要变异轴.
- 证明将分子特征与疾病状态联系起来.
结论:
- 提出的工作流允许对复杂的多omics数据集进行无监督的探索.
- MOFA有效地识别了高维数据中的关键生物变异.
- 这种方法可以应用于各种多学科数据集和生物背景.
