应用无监督多组学因子分析来揭示与心血管疾病相关的变异模式和分子过程

我们的工作流程可以轻松分析不同分辨率的复杂多组学数据集。该方法提取变体的主要模式，这些变体要么是唯一的，要么是与特定数据类型共享的，并将它们聚合起来。由此产生的所谓因素可以与分子过程和临床或技术协变量联系起来。

我们的分析是最早将 MOFA 模型应用于多个样本的多组学和单细胞数据的分析之一。重要的是，这些样本来自心脏病发作患者的临床队列。这使我们能够识别与结果和疾病状态相关的多细胞免疫特征。

因此，单细胞和多组学数据集的可用性增加，但通常，这些数据集的特征仅单独分析。这限制了洞察力，因为通常，生物过程是多种特征和细胞类型之间相互作用的结果。使用我们的实验方案，用户可以轻松地对整个数据集进行综合分析并识别这些多细胞程序。

我们认为将此协议应用于其他多组学数据集将产生对其他疾病或背景的新见解。这些见解将为未来的生物标志物或治疗研究提供信息。