メタボロミクスにおける単一試料経路解析:性能評価と応用【JST・京大機械翻訳】

Wieder, C.; Lai, R. P.; Ebbels, T.

プレプリント

J-GLOBAL ID：202202203468500828 整理番号：22P0331088

メタボロミクスにおける単一試料経路解析:性能評価と応用【JST・京大機械翻訳】

Single sample pathway analysis in metabolomics: performance evaluation and application

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年04月12日プレプリントサーバーでの情報更新日： 2022年04月12日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

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】

, , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

有機化合物の物理分析 , 遺伝子発現

, , , , ,

前のページに戻る