评估多omics整合的性能:甲状腺毒性病例研究

科学领域:

• 系统毒理学和监管风险评估.
• 化学暴露分析的多omics数据集成.

背景情况:

• 之前的审查强调了多组组的潜力,但指出在毒理学中缺乏高质量的多层数据集.
• 现有数据的局限性阻碍了对整合效益和个体的贡献的全面评估.
• 之前已经建立了实验设计,数据采集和集成的最佳实践.

研究的目的:

• 进行一项符合最佳实践的甲状腺毒性多组组学研究.
• 为了比较多omics与单omics方法的有效性.
• 评估不同欧米克层的贡献及其与临床数据的整合.

主要方法:

• 一个28天加14天的恢复口服大鼠毒性研究,使用甲 (PTU) 和氨酸诱导甲状腺毒性.
• 收集临床和组织病理学数据.
• 从血,甲状腺和肝脏中获取六个奥米克层 (转录体,蛋白质体,蛋白质体,代谢体).

主要成果:

• 多omics方法在识别调节通路响应方面表现出优于单个omics的优势.
• 将omics数据与临床和病理学参数的整合改善了数据的解释.
• 多omics集成表明非编码RNA在转录后调节中的参与,并促进了分组分析.

结论:

• 多omics数据集成是系统毒理学的强大工具,提供比单个omics更深入的见解.
• 坚持最佳实践对于有毒学中强大的多学科研究至关重要.
• 这项研究提供了一个框架,用于评估个人和组合的奥米克层在毒理学评估中的贡献.