可解释的多omics集成与UMAP嵌入式和基于密度的集群集成

科学领域:

• 计算生物学 计算生物学
• 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:

• 整合多学科数据对于全面了解生物系统至关重要.
• 现有的方法很难在高维的细胞数据中捕捉复杂的非线性关系.
• 单一的奥米克方法往往提供对生物控制机制的不完整见解.

研究的目的:

• 开发一种新的,无监督的方法来整合多种omics数据类型.
• 发现基因,蛋白质和代谢物之间的非线性关系.
• 为了促进可解释的可视化和生物标志物识别从集成的多omics数据集.

主要方法:

• 开发了GAUDI (通过UMAP数据集成进行组聚),一种非线性,无监督的集成方法.
• 利用独立的UMAP (统一多重近似和投影) 嵌入式,对多个omics数据进行并发分析.
• 应用该方法以聚类样本基于多原子形状,并确定每个原子层内的潜在因素.

主要成果:

• 与最先进的方法相比,高迪在发现非线性关系方面表现出卓越的表现.
• 该方法成功地根据其集成的多原子配置文件对样品进行了分组.
• 高迪确定了潜在的因素,提供了有助于样本集群的可解释特征.

结论:

• 高迪提供了一个强大的和可解释的方法,用于多omics数据集成.
• 该方法增强了新生物见解和潜在生物标志物的识别.
• 高迪在各种实验设计中为复杂的生物数据分析提供了直观的可视化.