CorrelationCalculator i Filigran: narzędzia do sieciowej analizy danych metabolomicznych opartej na danych
10 listopada 2023
Prezentujemy CorrelationCalculator i Filigree, dwa narzędzia do budowy sieci opartej na danych i analizy danych metabolomicznych. CorrelationCalculator obsługuje budowanie pojedynczej sieci interakcji metabolitów na podstawie danych dotyczących ekspresji, podczas gdy Filigree umożliwia budowanie sieci różnicowej, a następnie grupowanie sieci i analizę wzbogacania.
Analiza danych metabolomicznych to wieloetapowy proces, który wykorzystuje wiele specjalistycznych narzędzi programowych. Tę analizę danych można podzielić na trzy główne etapy: przetwarzanie danych i kontrolę jakości, analizę statystyczną i interpretację danych biologicznych. Narzędzia opisane w tym protokole zostały zaprojektowane tak, aby umożliwić drugi etap analizy.
W ciągu ostatniej dekady metabolomika stała się nauką anomiczną ze względu na postęp w technologiach analitycznych, takich jak chromatografia gazowa ze spektrometrią mas i chromatografia cieczowa ze spektrometrią mas. Techniki te umożliwiają jednoczesne pomiary setek do tysięcy metabolitów małocząsteczkowych, tworząc złożone, wielowymiarowe zestawy danych. Analiza danych metabolomicznych wiąże się z kilkoma wyzwaniami dla podejść do wzbogacania opartych na szlakach.
Po pierwsze, znaczna liczba metabolitów nie może być zmapowana na szlaki metaboliczne. Co więcej, pokrycie szlaku metabolizmu wtórnego i lipidowego nie jest wystarczające. W związku z tym potrzebne są alternatywne podejścia do biologicznej interpretacji danych.
Techniki analizy sieci opartej na danych mogą pomóc w przezwyciężeniu wyzwań związanych z opartą na wiedzy analizą wzbogacania szlaków dla danych metabolomicznych. Na przykład sieci korelacji mogą pomóc w określeniu relacji między znanymi i nieznanymi metabolitami, a tym samym ułatwić adnotacje dotyczące nieznanych.
Wyświetl pełny transkrypt i uzyskaj dostęp do tysięcy filmów naukowych
Przegląd
Niniejszy artykuł omawia wyzwania związane z interpretacją danych biologicznych w metabolomice, dziedzinie, która zyskała na znaczeniu dzięki zaawansowanym technologiom analitycznym. Przedstawia on dwa narzędzia, CorrelationCalculator oraz Filigree, zaprojektowane w celu usprawnienia konstrukcji sieci na podstawie danych oraz analizy danych metabolomicznych.
Kluczowe elementy badania
Obszar badań
- Metabolomika
- Techniki analizy danych
- Tworzenie sieci
Wstęp
- Metabolomika polega na analizie złożonych zestawów danych uzyskanych poprzez pomiar metabolitów będących małymi cząsteczkami.
- Obecne metody napotykają trudności w przypisywaniu metabolitów do szlaków metabolicznych.
- Istnieje potrzeba opracowania alternatywnych podejść do interpretacji biologicznej.
Zastosowane metody
- Analiza sieci oparta na danych
- Sieci korelacyjne dla zależności między metabolitami
- Metody statystyczne i klastrowanie w celu wzbogacenia sieci
Główne wyniki
- CorrelationCalculator pomaga w konstruowaniu pojedynczej sieci oddziaływań metabolitów.
- Filigree ułatwia budowanie sieci różnicowej oraz wspiera klastrowanie sieci i analizę wzbogacenia.
- Narzędzia te pomagają przezwyciężyć ograniczenia tradycyjnej analizy wzbogacenia szlaków.
Wnioski
- Badanie przedstawia skuteczne strategie radzenia sobie ze złożonością analizy danych metabolomicznych.
- Wprowadzenie tych narzędzi ma ogromne znaczenie dla rozwoju badań biologicznych w dziedzinie metabolomiki.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Analiza sieci oparta na danych jest kluczowa dla wyciągania praktycznych wniosków ze złożonych zbiorów danych metabolomicznych, zwłaszcza gdy tradycyjne mapowanie szlaków jest ograniczone. CorrelationCalculator oraz Filigree umożliwiają zespołom badawczo-rozwojowym w sektorze biofarmaceutycznym konstruowanie i analizowanie sieci metabolitów, co wspiera generowanie hipotez i ograniczanie ryzyka mechanistycznego we wczesnych etapach odkryć. Narzędzia te zwiększają pewność predykcyjną i usprawniają podejmowanie decyzji portfelowych poprzez ujawnianie relacji pomiędzy metabolitami znanymi i nieznanymi.
Strategiczne zastosowania w badaniach i rozwoju biofarmaceutycznym
Wczesne etapy odkrywania i walidacja celu
- Umożliwia badanie zależności między metabolitami poza uznanymi szlakami w celu walidacji celów.
- Wspiera ograniczanie ryzyka biologicznego poprzez wyjaśnienie funkcjonalnych powiązań między metabolitami.
- Zwiększa pewność prognostyczną wczesnych hipotez poprzez włączenie nieznanych metabolitów do modeli sieciowych.
Przesiewanie i opracowanie testu
- Przygotowuje zwalidowane sieci metabolomiczne do dalszych procesów przesiewowych i workflow oceny związków.
- Standaryzuje konstrukcję sieci w celu zapewnienia powtarzalnej i ilościowej analizy danych metabolomicznych.
- Umożliwia skalowalne testy oparte na sieciach dla wysokowymiarowego profilowania metabolitów.
Badania translacyjne i przedkliniczne
- Umożliwia dopasowanie wyników sieci metabolomicznych do istotnych biologicznie procesów chorobowych w przypadku niepełnych baz danych szlaków.
- Wspiera ciągłość procesu od etapu odkrycia po walidację przedkliniczną poprzez umożliwienie adnotacji nieznanych metabolitów.
- Zapewnia mechanistyczną redukcję ryzyka w identyfikacji biomarkerów translacyjnych w złożonych systemach metabolicznych.
Integracja potoków i przepływów pracy
CorrelationCalculator oraz Filigree wpisują się w kontinuum od odkrycia do badań przedklinicznych, umożliwiając rzetelną analizę sieciową danych metabolomicznych w sytuacjach, gdy liczba próbek jest ograniczona, a zakres pokrycia szlaków jest niepełny.
- Biologia odkrywcza: Wspiera testowanie hipotez i wyjaśnianie szlaków poprzez konstrukcję sieci opartych na korelacji cząstkowej.
- Przesiewanie: Dostarcza powtarzalne, ilościowe wyniki sieciowe do analizy porównawczej między grupami eksperymentalnymi.
- Analityka: Zapewnia możliwości analizy statystycznej i wzbogacenia dla interpretacji danych metabolomicznych w oparciu o sieci.
- Badania translacyjne: Uzupełnia luki w wiedzy o szlakach poprzez ułatwianie adnotacji i klastrowania nieznanych metabolitów.
- Ponowne wykorzystanie w przedsiębiorstwie: Oferuje reużywalne ramy analityczne dla różnorodnych zbiorów danych metabolomicznych i projektów eksperymentalnych.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność prognostyczną i redukuje niejednoznaczność mechanistyczną w badaniach odkrywczych opartych na metabolomice.
- Wartość operacyjna: Standaryzuje przepływy pracy w analizie sieci w celu zapewnienia powtarzalności i skalowalności w różnych projektach.
- Wartość strategiczna: Poprawia decyzje typu go/no-go oraz efektywność kapitałową poprzez umożliwienie interpretacji biologicznej opartej na danych.
- Wpływ na portfolio: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój celów terapeutycznych zidentyfikowanych dzięki metabolomice.
Uwagi dotyczące wdrożenia
- Wymaga doświadczenia w przetwarzaniu danych metabolomicznych i analizie sieciowej.
- Zależy od dostępu do danych LC-MS oraz infrastruktury obliczeniowej służącej do konstruowania sieci.
- Wymaga standaryzacji formatów danych i parametrów analizy pomiędzy zespołami.
- Możliwość dostosowania do różnych projektów badań metabolomicznych i wielkości próbek.
- Ograniczone przez jakość i kompletność wprowadzanych danych metabolomicznych.
Najczęściej zadawane pytania dotyczące biofarmacji
Chapters in this video
0:00
Introduction
1:43
CorrelationCalculator: A Bioinformatics Tool for Building Single Interaction Metabolites Network Based on Expression Data
3:53
Filigree: A Bioinformatics Tool for Building Differential Network Clustering and Enrichment Analysis
