基于10,000多个数据集的OMIC景观的特征

科学领域:

• 多主题数据分析数据分析.
• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.

背景情况:

• 来自omics技术的数据特征极大地影响下游计算分析,如数据协调和差异丰度测试.
• 跨数据集的omics数据特征的变化导致对比研究的结果不一致,影响方法选择.
• 由于假定特定技术的数据特征,omics分析工具通常在特定社区内开发.

研究的目的:

• 调查和描述蛋白质组学,代谢组学,脂质组学,转录组学和微生物组数据集中的数据变化.
• 开发一种工具,用于评估其学科内的奥米克数据集的代表性.
• 为了说明数据特征对分析的影响,以缺失值的规范化为例.

主要方法:

• 分析了超过一万个omics数据集.
• 识别不同omics类型的数据特征中的模式.
• 开发和应用数据集代表性评估工具.
• 关于考虑缺少数据的规范化方法的案例研究.

主要成果:

• 确定了蛋白质组学,代谢组学,脂质组学,转录组学和微生物组数据的独特数据特征模式.
• 开发了一个工具来评估omics数据集的代表性.
• 证明数据特征,如缺失值,如何影响规范化程序.
• 突出了数据特征在奥米克学科的显著变化.

结论:

• 欧米克数据表现出技术特定的特征模式,影响计算分析.
• 对数据特征的系统检查对于可靠的基准分析和下游分析至关重要.
• 开发的工具有助于研究人员了解数据集的代表性.
• 解决数据特征的变化对于防止次优方法选择和分析偏差至关重要.