解码疾病机制的多组学框架:从甲基马龙酸性的洞察力
Jianbo Fu1, Vito R T Zanotelli2, Cedric Howald3
1Department of Health Sciences and Technology, Institute of Translational Medicine, Swiss Federal Institute of Technology, ETH Zurich, Zurich, Switzerland; Swiss Institute of Bioinformatics (SIB), Lausanne, Switzerland; ETH PHRT Swiss Multi-Omics Center (SMOC), Zurich, Switzerland.
Molecular & cellular proteomics : MCP
|May 28, 2025
概括
多omics数据集成揭示了甲基马龙酸性尿 (MMA),一种遗传代谢障碍的关键分子途径. 这种方法突显了谷氨代谢和溶酶体功能障碍,改善了对MMA病原学的理解.
科学领域:
- 基因组学就是基因组学.
- 文字转录学 (Transcriptomics) 是一个学科.
- 蛋白质组学是指蛋白质组学.
- 代谢学 代谢学 代谢学
- 系统生物学 系统生物学
背景情况:
- 整合多学科数据对于理解复杂的疾病与不太了解的机制至关重要.
- 甲基氨酸尿 (MMA) 是一种遗传性代谢障碍,具有复杂的发病因子.
- 从230名患者 (210名MMA患者,20名对照组) 的FAIR多组数据可供重复使用.
研究的目的:
- 通过整合各种omics数据来阐明MMA中的分子扰动.
- 开发和应用先进的数据整合策略,以发现疾病机制.
- 为了确定关键的分子途径涉及到MMA的发病.
主要方法:
- 与临床和生化数据集成多omics数据 (基因组,转录组,蛋白质组,代谢组).
- 对蛋白质定量特征位点 (pQTLs) 的分析.
- 相关性网络分析,基因组丰富和转录因子分析.
主要成果:
- 蛋白质定量特征局部分析确定了谷甲代谢在MMA病变发生过程中很重要.
- 综合的多奥米克网络分析显示,MMA患者的溶酶体功能受损.
- 来自多个奥米克级别的证据优先考虑了关键分子通路中的干扰.
结论:
- 多omics数据集成提供了一个强大的框架,用于剖析复杂的遗传代谢障碍,如MMA.
- 谷氨代谢和溶酶体功能是MMA涉及的关键途径.
- 这种方法提高了对疾病机制的理解,并有助于识别治疗点.
