DeepOmicsAE：通过蛋白质组学、代谢组学和临床数据的深度学习分析来表示阿尔茨海默病中的信号转导模块

摘要

DeepOmicsAE是一个以应用深度学习方法（即自动编码器）为中心的工作流程，以降低多组学数据的维度，为代表多层组学数据的预测模型和信号转导模块提供基础。

摘要

大型组学数据集正越来越多地用于人类健康研究。本文介绍了 DeepOmicsAE，这是一种针对多组学数据集分析（包括蛋白质组学、代谢组学和临床数据）进行优化的工作流程。该工作流程采用一种称为自动编码器的神经网络，从高维多组学输入数据中提取一组简洁的特征。此外，该工作流还提供了一种优化实现自动编码器所需的关键参数的方法。为了展示这一工作流程，分析了142名健康或被诊断患有阿尔茨海默病的个体的临床数据，以及他们死后大脑样本的蛋白质组和代谢组。从自动编码器的潜在层提取的特征保留了区分健康和患病患者的生物信息。此外，单个提取的特征代表了不同的分子信号转导模块，每个模块都与个体的临床特征相互作用，为整合蛋白质组学、代谢组学和临床数据提供了一种手段。

引言

老龄化人口的比例越来越大，预计未来几十年神经退行性疾病等与年龄相关的疾病的负担将急剧增加¹。阿尔茨海默病是最常见的神经退行性疾病^{类型 2}.鉴于我们对驱动疾病发作和进展的基本分子机制知之甚少，寻找治疗方法的进展缓慢。关于阿尔茨海默病的大部分信息都是在死后通过脑组织检查获得的，这使得区分病因和后果成为一项艰巨的任务³.宗教秩序研究/记忆和衰老项目 （ROSMAP） 是一项雄心勃勃的努力，旨在更广泛地了解神经退行性疾病，其中包括对数千名致力于每年接受医学和心理检查并在他们去世后为研究贡献大脑的人^{的研究 4}.该研究的重点是从大脑正常功能到阿尔茨海默病^{的过渡 2}.在该项目中，使用多种组学方法分析了死后脑样本，包括基因组学、表观基因组学、转录组学、蛋白质组学⁵ 和代谢组学。

由于蛋白质和代谢物丰度与细胞活性之间的直接关系，提供细胞状态功能读数的组学技术（即蛋白质组学和代谢组学）^6,7是解释疾病^8,9,10,11,12

研究方案

注意：此处使用的数据是从 AD 知识门户下载的 ROSMAP 数据。下载和重复使用数据不需要知情同意。本文介绍的方案利用深度学习来分析多组学数据并识别信号转导模块，这些模块根据例如他们的诊断来区分特定的患者或样本组。该协议还提供了一小组提取的特征，这些特征汇总了原始的大规模数据，可用于进一步分析，例如使用机器学习算法训练预测模型（图 1）。有关在执行协议之前访问代码和设置计算环境的信息，请参阅 补充文件 1 和 材料表 。这些方法应按照下面指定的顺序执行。

图 1：DeepOmicsAE 工作流程示意图。 使用工作流程分析多组学数据的工作流程示意图。在自动编码器描述中，矩形表示神经网络的层，圆圈表示层内的神经元。

讨论

数据集的结构对于协议的成功至关重要，应仔细检查。数据的格式应如协议第 1 节所示。正确分配列位置对于该方法的成功也至关重要。蛋白质组学和代谢组学数据的预处理方式不同，由于数据性质不同，特征选择是分开进行的。因此，在协议步骤 1.5、2.3 和 3.3 中正确分配色谱柱位置至关重要。

如果临床数据包含非数值（连续值或二进制值）的数据类型，则用户在运行协议?.......

材料

Name	Company	Catalog Number	Comments
Computer	Apple	Mac Studio	Apple M1 Ultra with 20-core CPU, 48-core GPU, 32-core Neural Engine; 64 GB unified memory
Conda v23.3.1	Anaconda, Inc.	N/A	package management system and environment manager
conda environment DeepOmicsAE	N/A	DeepOmicsAE_env.yml	contains packages necessary to run the worflow
github repository DeepOmicsAE	Microsoft	https://github.com/elepan84/DeepOmicsAE/	provides scripts, Jupyter notebooks, and the conda environment file
Jupyter notebook v6.5.4	Project Jupyter	N/A	a platform for interactive data science and scientific computing
DT01-metabolomics data	N/A	ROSMAP_Metabolon_HD4_Brain 514_assay_data.csv	This data was used to generate the Results reported in the article. Specifically, DT01-DT04 were merged by matching them based on the individualID. The column final consensus diagnosis (cogdx) was filtered to keep only patients classified as healthy or AD. Climnical features were filtered to keep the following: age at death, sex and education. Finally, age reported as 90+ was set to 91, then the age column was transformed to float64. The data is available at https://adknowledgeportal.synapse.org
DT02-TMT proteomics data	N/A	C2.median_polish_corrected_log2 (abundanceRatioCenteredOn MedianOfBatchMediansPer Protein)-8817x400.csv
DT03-clinical data	N/A	ROSMAP_clinical.csv
DT04-biospecimen metadata	N/A	ROSMAP_biospecimen_metadata .csv
Python 3.11.3	Python Software Foundation	N/A	programming language