Новый метод улучшает интерпретацию высокопроизводительных биологических данных

Разработан новый биоинформатический подход для выявления ассоциаций между молекулами из обширных источников данных. Он применяется в исследованиях, направленных на измерение метаболизма в тканях при различных условиях, например, генетики, диет и окружающей среды.

В отличие от текущих методов, которые применяют статистический анализ к наборам данных в целом, предложенный рабочий процесс разбивает исходные данные на меньшие группы, определяемые известными молекулярными взаимодействиями. Затем к этим группам применяются статистические методы, что даёт более точные результаты, чем анализ всего набора данных.

Эта техника улучшила обнаружение генов, связанных с метаболизмом липидов, на примере исследования питания мышей, что увеличило понимание биохимических флуктуаций на 15%.

Выявление ассоциаций между метаболитами (малыми молекулами, образующимися в процессе метаболизма) и генами критически важно для понимания процессов в клетке. Однако раскрытие этих взаимосвязей — сложная задача, особенно при интеграции данных о различных типах молекул. Сложность усугубляется огромным объёмом данных, доступных для анализа, что является результатом развития новых экспериментальных высокопроизводительных технологий.

Первоначально молекулярный рабочий процесс будет применён в исследованиях пользы брокколи при раке простаты в сотрудничестве с Институтом исследований питания. Он также будет использован для изучения пользы для здоровья флавоноидов (растительных метаболитов, содержащихся в различных фруктах и овощах) совместно с Университетом Восточной Англии.

Улучшая нашу способность интегрировать данные из различных источников и выявлять связи между метаболитами и генами, этот подход обеспечит более детальную диагностику клеточного метаболизма и экспрессии генов в биологических процессах.

Соавтор Виктор Юрковски, руководитель группы интегративной геномики в TGAC, сказал: «Знания, собранные в молекулярных сетях, можно использовать для улучшения интеграции и интерпретации данных. Наш подход, интегрирующий данные транскриптомики и метаболомики, поможет интерпретировать сигналы, измеряемые омиксными технологиями, чтобы расширить наши знания о процессах в конкретных биологических условиях. Это поможет биологам интерпретировать данные, создавать лучшие гипотезы и точно определять вовлечённые гены и метаболиты, чтобы раскрыть интересующий механизм. Это исследование — доказательство концепции, и в настоящее время мы работаем над улучшением стратегии генерации групп для разреженных областей интерактома и менее аннотированных видов. Мы применяем этот и другие подходы молекулярных сетей к данным, полученным в совместных проектах в рамках Norwich Research Park».