神经发育,神经退行和精神疾病的多学科整合的局限性和机会:系统性审查
Luiza Marques Prates Behrens1, Guilherme da Silva Fernandes2, Gabriela Flores Gonçalves1
1Laboratory of Structural Bioinformatics and Computational Biology (SBCB Lab), Federal University of Rio Grande do Sul, Porto Alegre, Rio Grande do Sul, Brazil; Graduate Program in Cell and Molecular Biology, Center of Biotechnology, Federal University of Rio Grande do Sul, Porto Alegre, Rio Grande do Sul, Brazil.
整合多omics数据对于了解阿尔茨海默氏症等复杂疾病至关重要. 当前的研究往往只结合了两种数据类型,突出显示了对先进的计算工具和实验验证的需求,以获得更好的神经学的见解.
科学领域:
- * 计算生物学和生物信息学
- *基因组学,转录组学,蛋白质组学,表观组学和代谢组学.
- *神经疾病研究神经疾病研究.
背景情况:
- *高通量技术产生了跨多个"omics"级别的庞大的生物数据集.
- *整合这些多主题数据集对于全面了解复杂的人类疾病至关重要.
- * 由于神经系统疾病是多因素的,因此它们是多组学方法的首选候选者.
研究的目的:
- * 系统地审查当前的神经学研究中多学科整合的现状.
- * 识别常见的奥米克配对,经常研究的疾病和现有的计算方法.
- * 突出这一领域的挑战和未来方向.
主要方法:
- * 在五个主要数据库中进行系统的文献搜索.
- *包括和分析了156项相关研究.
- *研究的分类基于整合的奥米克层和研究的神经条件.
主要成果:
- *阿尔茨海默病,抑郁症和帕金森病是研究最多的疾病.
- *表观基因组学-转录基因组学和基因组学-代谢基因组学是最常见的奥米克配对.
- *大多数研究只整合了两个omics层,对>2omics整合工具的使用有限.
- * 挑战包括数据的可访问性,缺乏标准化框架,以及实验验证不足.
结论:
- *在神经学研究的多学科整合方面取得了显著进展,但仍然存在挑战.
- * 需要先进的计算工具来进行全面的多层omics建模 (>2层).
- *未来的研究应该专注于开发可扩展的算法,利用开放访问数据,并将计算预测与临床应用的实验验证相结合.
更多相关视频
07:43Immunohistochemical Visualization of Hippocampal Neuron Activity After Spatial Learning in a Mouse Model of Neurodevelopmental Disorders
Published on: May 12, 2015
06:30Quantitative Analysis of Climbing Defects in a Drosophila Model of Neurodegenerative Disorders
Published on: June 13, 2015
相关概念视频
Review and Preview
Percentiles are a type of fractile that partition data into...
Review and Preview
Limiting Reactant
The Number e as a Limit
Random and Systematic Errors
Systematic Sampling Method
Systematic sampling is one of the simplest methods...
