基因表达基因基因基因表达基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因基因
Suraj Sharma1,2, Roland Sauter3, Madlen Hotze4
1Department of Biomedicine, University of Bergen, 5020 Bergen, Norway.
NAR genomics and bioinformatics
|February 3, 2025
概括
我们开发了一种新的算法,即基于基因表达的代谢物中心性分析工具 (GEMCAT),用于解释多omics数据. 根据基因表达或蛋白质数据,GEMCAT可以预测代谢变化,有助于发现疾病生物标志物.
科学领域:
- 系统生物学 系统生物学
- 代谢学 代谢学 代谢学
- 基因组学就是基因组学.
背景情况:
- 解释多组数据对于理解疾病生理学和识别生物标志物至关重要.
- 高通量技术产生复杂的数据集,需要先进的分析工具.
研究的目的:
- 介绍一种新的算法,即基于基因表达的代谢物中心性分析工具 (GEMCAT),用于整合多omics数据.
- 为了能够预测代谢变化并追溯到基因表达或蛋白质基因变化的基础.
主要方法:
- GEMCAT采用以代谢物为中心的基因组规模代谢建模方法.
- 它将转录组学或蛋白质组学数据与代谢网络集成在一起.
- 该算法预测了代谢物度的变化,并将其与基因/蛋白质表达数据联系起来.
主要成果:
- 在人类细胞系,老鼠和炎症性肠道疾病患者的三个不同数据集上,GEMCAT表现出了预测能力.
- 预测准确度达到70%的老鼠多组织数据和79%的炎症性肠病患者数据.
- 该工具成功地将预测的代谢变化与潜在的基因表达和蛋白质组变化联系起来.
结论:
- GEMCAT提供了一种功能解释和整合多omics数据的强大方法.
- 该算法有助于预测和验证代谢变化,促进生物标志物的发现和疾病机制的理解.
