Anwendung der unüberwachten Multi-Omik-Faktorenanalyse zur Aufdeckung von Variationsmustern und molekularen Prozessen im Zusammenhang mit Herz-Kreislauf-Erkrankungen

Unser Workflow ermöglicht es, komplexe Multi-Omics-Datensätze mit unterschiedlichen Auflösungen einfach zu analysieren. Der Ansatz extrahiert ein Hauptmuster von Varianten, die entweder eindeutig sind oder für die spezifischen Datentypen freigegeben sind, und aggregiert sie. Die dabei entstehenden sogenannten Faktoren können dann mit molekularen Prozessen und klinischen oder technischen Kovariaten in Verbindung gebracht werden.

Unsere Analyse war eine der ersten, die das MOFA-Modell auf Multi-Omics- und Einzelzelldaten mehrerer Proben anwendete. Wichtig ist, dass diese Proben aus einer klinischen Kohorte von Herzinfarktpatienten stammten. Dies ermöglichte es uns, multizelluläre Immunsignaturen zu identifizieren, die mit dem Ergebnis und dem Krankheitszustand assoziiert sind.

Die Verfügbarkeit von Einzelzell- und Multi-Omik-Datensätzen nimmt also zu, aber oft werden die Merkmale dieser Datensätze nur separat analysiert. Dies schränkt die Erkenntnisse ein, da biologische Prozesse in der Regel das Ergebnis der Wechselwirkungen zwischen mehreren Merkmalen und Zelltypen sind. Mit unseren Protokollen können Benutzer auf einfache Weise eine integrierte Analyse des gesamten Datensatzes durchführen und diese mehrzelligen Programme identifizieren.

Wir glauben, dass die Anwendung dieses Protokolls auf zusätzliche Multi-Omics-Datensätze neue Erkenntnisse über andere Krankheiten oder Kontexte generieren wird. Diese Erkenntnisse fließen dann in zukünftige Biomarker- oder Therapiestudien ein.