在代谢学数据中对高维度调解的评估方法

科学领域:

• 代谢学 代谢学 代谢学
• 统计遗传学 统计遗传学
• 生物信息学是一种生物信息学.

背景情况:

• 代谢学中的高维数据对调解分析提出了挑战.
• 像HIMA和HDMA这样的现有方法需要对准确性和可扩展性进行评估.
• 了解间接影响对于阐明生物途径至关重要.

研究的目的:

• 为了比较高维度调解分析方法 (HIMA,HDMA) 和"相遇在中间" (MITM) 方法的性能.
• 评估估计总间接影响 (TIE) 和组件间接影响 (CIE) 的准确性.
• 在各种模拟场景中评估灵敏度和特异性.

主要方法:

• 模拟的代谢学数据具有不同的样本大小,调解器集大小和相关性结构.
• 对HIMA (等) 的评价 和HDMA (Gao等人) 的使用. 用于估计TIE和CIEs.
• 评估中途会议 (MITM) 方法及其绩效指标.

主要成果:

• 在独立的代谢物场景中,HDMA提供了最准确的TIE估计;HIMA也显示了可靠的CIE估计.
• MITM通常低估了TIE; HIMA的TIE估计随着更大的调解效应大小而有所改善.
• 在相关的设置中,CIE估计是不可行的,所有方法都低估了TIE;随着效应和样本大小较小,灵敏度下降.

结论:

• HIMA提供准确的调解结果,但可能会减少维度,可能会排除特征.
• 建议应用并行调解方法 (MITM,HIMA) 并关注重叠的结果.
• 需要强大的,可扩展的调解方法,特别是针对非目标代谢学数据.