一种用于多omics网络集成和可视化的新工具:对质瘤异质性的研究
Roberta Coletti1, João F Carrilho2, Eduarda P Martins3
1Center for Mathematics and Applications (NOVA Math), NOVA School of Science and Technology, 2829-516, Caparica, Portugal.
Computers in biology and medicine
|February 18, 2025
概括
这项研究引入了一种新的框架,使用多种OMIC数据来寻找质瘤生物标志物. MINGLE方法整合了各种数据,揭示了对理解质瘤异质性和改善瘤分类至关重要的分子联系.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 质瘤是复杂的,异质的脑瘤,预后不佳.
- 了解质瘤异质性需要整合多omics数据和网络分析.
- 高维度和数据复杂性对多层次的生物信息集成构成挑战.
研究的目的:
- 开发一个框架来识别质瘤类型特定的生物标志物.
- 为解决结合多学科数据用于质瘤研究的挑战.
- 揭示基质瘤异质性的关键分子特征和关系.
主要方法:
- 一个两步变量选择框架,使用跨omics数据集的稀疏网络估计.
- 实施MINGLE (图形探索多学科综合网络) 来合并多学科数据.
- 集成网络可视化,以识别潜在的分子关系.
主要成果:
- 从综合的OMIC数据中识别潜在的质瘤类型特定生物标志物.
- 通过MINGLE发现了反映质瘤异质性的分子关系.
- 根据当前的分类,成功地将框架应用于基于质瘤遗传学数据集.
结论:
- 开发的框架有效地整合了多学科数据,用于在质瘤中发现生物标志物.
- 敏格 (MINGLE) 有助于识别分子关系,这对于理解质瘤异质性至关重要.
- 这种方法支持生物解释,并有助于推进质瘤分类和治疗策略.
