纵向代谢学数据分析由机械模型提供信息

科学领域:

• 代谢学 代谢学 代谢学
• 系统生物学 系统生物学
• 计算生物学 计算生物学

背景情况:

• 代谢学数据经常受到噪音,小样本大小和缺失值的影响,阻碍了准确的分析.
• 虽然数据驱动的方法是有用的,但结合对代谢途径的先前知识可以显著改善洞察力.
• 现有的方法可能无法充分利用机理学理解来解释代谢学数据.

研究的目的:

• 为代谢学引入一种新的数据分析方法,集成机械模型.
• 通过将真实测量与模拟数据相结合,增强噪音和不完整的代谢学数据的分析.
• 改进生物相关模式和生物标志物的发现.

主要方法:

• 来自血样本 (COPSAC2000队列) 的时间解析代谢学数据以第三阶张量结构 (受试者x代谢物x时间).
• 来自人体全身代谢模型的模拟数据也以张量结构 (虚拟受试者x代谢物x时间).
• 结合式张量分解被用来共同分析真实数据和模拟数据,在代谢物模式下结合.

主要成果:

• 与单独分析真实数据相比,对真实数据和模拟数据的联合分析显示,与男性的BMI相关的表型有更好的模式发现和更高的相关性.
• 在女性的联合和仅实数据分析中,表现是可比的.
• 该方法在处理不完整的测量方面表现出了稳健性,但突出了不正确的先前信息带来的局限性.

结论:

• 使用联张量分解的联合分析有效地将机械学先前信息集成到代谢学数据分析中.
• 这种混合方法指导真实数据的解释,并揭示了更多可解释的模式.
• 该方法为稳健的代谢学分析提供了一个有希望的策略,特别是在处理数据不完美时.