В отличие от существующих методов, которые применяют статистический анализ к наборам данных в целом, предлагаемый рабочий процесс разбивает исходные данные на более мелкие группы, определяемые известными молекулярными взаимодействиями. Затем к этим группам можно применить статистические методы, что приведет к более точным результатам, чем если бы анализ применялся ко всему набору данных.Было показано, что этот метод улучшает обнаружение генов, связанных с метаболизмом липидов, на примере исследования питания мышей, которое увеличивает наше понимание биохимических колебаний на 15 процентов.Выявление ассоциаций между метаболитами, небольшими молекулами, образующимися в процессе метаболизма, и генами имеет решающее значение для понимания процессов в клетке.
Однако выявление этих взаимосвязей — сложная задача, особенно при интеграции данных, касающихся различных типов молекул. Эту сложность усугубляет огромное количество данных, доступных для анализа, в результате разработки новых экспериментальных высокопроизводительных методов.Первоначально молекулярный рабочий процесс будет применяться для исследования преимуществ брокколи при раке простаты в сотрудничестве с Институтом пищевых исследований. А также применяется для изучения пользы для здоровья флавоноидов, которые являются растительными метаболитами, обнаруженными в различных фруктах и овощах, в сотрудничестве с Университетом Восточной Англии.
Повышая нашу способность интегрировать данные из различных источников и определять связи между метаболитами и генами, этот рабочий процесс обеспечит более подробную 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, объединяющий данные транскриптомики и метаболомики, поможет интерпретировать сигналы, измеряемые методами омики, чтобы расширить наши знания о процессах в конкретных биологических условиях. Таким образом, биологи получают пользу от интерпретации данных, создания более точных гипотез и точного определения генов и метаболитов, участвующих в разгадке механизма интерес.«Это экспериментальное исследование, и в настоящее время мы работаем над улучшением стратегии групповой генерации для свободных областей интерактома и менее аннотированных видов.
Мы применяем этот и другие молекулярные сетевые подходы к данным, генерируемым в совместных проектах Norwich Research. Парк."