NMFProfiler:一种多omics集成方法,用于分组分层的样本

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:

• 高通量测序产生了大量的"omics"数据,需要先进的分析方法.
• 综合统计方法对于分析配对的多omics数据集至关重要,以了解复杂的生物系统.
• 现有的方法可能无法充分利用样本分层来发现特定群体的签名.

研究的目的:

• 引入NMFProfiler,一种集成监督的非负矩阵因子化 (NMF) 方法.
• 为了使分层的多组数据的分析,以识别特定群体的生物特征.
• 为揭示不同分子水平之间的关系提供一个强大的工具.

主要方法:

• NMFProfiler采用了综合监督的非负矩阵因子化方法.
• 该方法旨在考虑样本分层到生物学相关的群体.
• 它作为一个用户友好的Python包实现.

主要成果:

• NMFProfiler成功地提取了标志着生物群体特征的签名.
• 性能与最先进的方法相当或超过.
• 应用于亚托皮肤炎,它确定了组合蛋白质和转录生物标志物.
• 在癌症数据集中,它揭示了与患者生存相关的签名.

结论:

• NMFProfiler是一个有效的工具,用于综合分析多omics数据.
• 该方法可以识别新的生物标志物和临床相关的签名.
• 它为了解复杂的疾病和生物系统提供了一种有价值的方法.