INLAomics用于可扩展和可解释的空间多原子数据集成
bioRxiv : the preprint server for biology
|July 14, 2025
概括
INLAomics整合了空间转录组学和蛋白质组学,以获得生物学见解. 这种贝叶斯框架改进了基因-蛋白质网络分析和空间蛋白质预测,提供了一个可扩展,可解释的解决方案.
科学领域:
- 计算生物学是一种计算生物学.
- 系统生物学 系统生物学
- 生物信息学是一种生物信息学.
背景情况:
- 空间多学科的整合对于理解组织架构和生物调节至关重要.
- 当前的方法往往忽略空间上下文,限制可解释性和可扩展性.
- 现有的方法在维度减少和多式数据自动编码器方面扎.
研究的目的:
- 开发一种新的多变量层次贝叶斯框架,INLAomics,用于整合空间转录和蛋白质组学数据.
- 通过结合组织学特征和空间因素来解决当前方法的局限性.
- 为了能够在完整的组织架构中准确地建模蛋白质丰富度.
主要方法:
- 开发了INLAomics,一个多变量层次贝叶斯框架.
- 从空间转录组学中利用组织学特征和潜在的空间因素.
- 在组织段中建模蛋白质丰度,用于整合性分析.
主要成果:
- INLAomics确定了新的空间基因共同表达程序和基因-蛋白质关联.
- 该框架显著提高了空间蛋白质表达预测的准确性.
- 在各种数据集中证明了计算效率和生物解释性.
结论:
- INLAomics提供了一个可扩展和可解释的解决方案,用于空间多omics集成.
- 该框架增强了在组织背景下对生物调节的理解.
- 为发现基因-蛋白质关系和预测蛋白质表达提供了强大的工具.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
1.5K
07:51A Multi-Omics Extraction Method for the In-Depth Analysis of Synchronized Cultures of the Green Alga Chlamydomonas reinhardtii
Published on: August 8, 2019
7.7K
