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。
単一試料経路分析(ssPA)は,分子レベルのオミクスデータを経路レベルに変換し,患者特異的経路シグネチャの発見を可能にする。従来の経路解析と比較して,ssPAは,経路ベースの機械学習のような多数の下流分析を促進することにより,マルチグループ比較を可能にすることにより限界を克服する。トランスクリプトミクスssPAは広く使用されている技術であるが,メタボロミクスに対する適合性を評価する文献はほとんどない。ここでは,半合成メタボロミクスデータを用いた確立されたssPA法(ssGSEA,GSVA,SVD(PLAGE)およびzスコア)の徹底的なベンチマークを提供し,2つの新規方法(ssClstPAおよびkPCA)の評価を行った。GSEAベースおよびzスコア法は,想起に関して他者よりも性能が優れていたが,クラスタリング/次元縮小ベース法は,中程度から高い効果サイズでより高い精度を与えた。炎症性腸疾患に対するssPAを適用した事例研究は,これらの方法が,例えば,経路に基づく患者サブタイプ特異的相関ネットワークを可視化するためのクラスタ化経路スコアにより,従来のアプローチより解釈のはるかに豊富な深さをもたらすことを示す。また,著者らは,sspa pythonパッケージ(https://pypi.org/project/sspa/で自由に利用できる)を開発し,本研究でベンチマークしたすべての方法の実装を提供した。本研究は,価値ssPA法がメタボローム研究に追加でき,メタボロミクスデータにssPA法を適用するための有用な参照を提供することを示した。【JST・京大機械翻訳】