抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多くの分子レベルでのハイスループットプロファイリングの一定減少コストにより,いわゆるマルチオミクスデータを大量に生成する。2つ以上のオミックレベルに関する1つの生物医学的疑問の研究は,根底にある分子過程または疾患病態生理へのより深い洞察を提供する。マルチオミクスデータプロジェクトの大部分に対して,データ解析は,レベルごとに実行され,続いて結果の組み合わせ解釈が行われる。例えば,量的形質解析に対するペアワイズ統合のような例外は存在しなかった。しかし,統合データ解析のフルポテンシャルは,おそらくデータの複雑性とツールセットの欠如のため,まだ活用されていない。ここでは,多レベル統合解析を行うための多目的アプローチを提案する:知識guIed Multi-Omicsネットワーク推論アプローチ,KiMONo。KiMONoは,生物源からの事前情報を利用する強力な知識誘導戦略のトップに関する統計的モデリングを用いてネットワーク推論を行う。得られたネットワーク内で,ノードは,すべての入力タイプの特徴を表し,エッジは,それらの間の関連,例えば,病気の根底にある。提案手法は,スパースグループ化LASSO回帰とゲノム位置制約バイオグリッド蛋白質-蛋白質相互作用を組み合わせて,ネットワークを推論する。包括的評価において,この方法がノイズに対してロバストであり,低サンプルサイズデータに対してまだ機能することを示した。公的に利用可能なPan-癌収集,KiMONO統合変異,エピジェネティクス,トランスクリプトミクス,プロテオミクスおよび臨床情報の5レベルデータセットに適用して,癌特異的染色体特徴を検出した。さらに,遺伝的,エピジェネティック,転写および臨床データを含む,主要な抑鬱障害コホートから4レベルデータセットを分析した。ここでは,発現量的形質メチル化部位と遺伝子座を同定し,最先端の方法に対する利点を示すKiMONos分析力を示した。これらの結果は,全スペクトルマルチオミクスデータに対する一般的適用性を示し,KiMONoがデータセットの全ポテンシャルをレバーする強力なアプローチであることを示した。この方法はRパッケージ(https://github.com/cellmapslab/kimono)として自由に利用可能である。【JST・京大機械翻訳】
