Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.

Dans cet article

  • Résumé
  • Résumé
  • Introduction
  • Protocole
  • Résultats Représentatifs
  • Discussion
  • Déclarations de divulgation
  • Remerciements
  • matériels
  • Références
  • Réimpressions et Autorisations

Résumé

Nous présentons CorrelationCalculator et Filigree, deux outils pour la construction de réseaux basés sur les données et l’analyse des données métabolomiques. CorrelationCalculator prend en charge la création d’un réseau d’interaction unique de métabolites basé sur des données d’expression, tandis que Filigree permet de construire un réseau différentiel, suivi d’une analyse de clustering et d’enrichissement du réseau.

Résumé

L’un des principaux défis de l’analyse des données omiques est l’extraction de connaissances biologiques exploitables. La métabolomique ne fait pas exception. Le problème général de la relation entre les changements dans les niveaux de métabolites individuels et des processus biologiques spécifiques est aggravé par le grand nombre de métabolites inconnus présents dans les études non ciblées de chromatographie liquide et de spectrométrie de masse (LC-MS). De plus, le métabolisme secondaire et le métabolisme des lipides sont mal représentés dans les bases de données existantes sur les voies. Pour pallier ces limitations, notre groupe a développé plusieurs outils de construction et d’analyse de réseaux basés sur les données. Il s’agit notamment de CorrelationCalculator et de Filigree. Les deux outils permettent aux utilisateurs de construire des réseaux basés sur des corrélations partielles à partir de données métabolomiques expérimentales lorsque le nombre de métabolites dépasse le nombre d’échantillons. CorrelationCalculator prend en charge la construction d’un réseau unique, tandis que Filigree permet de créer un réseau différentiel à l’aide de données provenant de deux groupes d’échantillons, suivi d’une analyse de clustering et d’enrichissement du réseau. Nous décrirons l’utilité et l’application des deux outils pour l’analyse de données métabolomiques réelles.

Introduction

Au cours de la dernière décennie, la métabolomique a émergé en tant que science omique en raison des progrès des technologies analytiques telles que la chromatographie en phase gazeuse-spectrométrie de masse (GC-MS) et la chromatographie liquide-spectrométrie de masse (LC-MS). Ces techniques permettent de mesurer simultanément des centaines, voire des milliers de métabolites de petites molécules, créant ainsi des ensembles de données multidimensionnels complexes. Les expériences de métabolomique peuvent être réalisées en mode ciblé ou non ciblé. Des expériences de métabolomique ciblées mesurent des classes spécifiques de métabolites. Elles sont généralement fondées su....

Protocole

1. Calculateur de corrélation

  1. Téléchargez un exemple de fichier d’entrée délimité par des virgules contenant une liste de métabolites avec des mesures expérimentales au http://metscape.med.umich.edu/kora_data_240.csv.
  2. Double-cliquez sur le fichier d’exemple téléchargé pour l’ouvrir.
    1. Assurez-vous que le fichier contient des étiquettes pour les échantillons et les métabolites.
    2. Étant donné que les échantillons sont en lignes, vérifiez que la première colonne correspond aux noms des échantillons et que la première ligne correspond aux noms des métabolites.
  3. Téléchargez l’application Java Correlati....

Résultats Représentatifs

Pour illustrer l’utilisation de CorrelationCalculator, nous avons construit un réseau de corrélation partielle à l’aide d’un sous-ensemble des données métabolomiques de l’étude de population KORA décrite dans Krumsiek et al.24. L’ensemble de données contenait 151 métabolites et 240 échantillons. La figure 1 montre le réseau de corrélation partielle qui en résulte et qui a été visualisé dans Cytoscape. Le réseau contient 148 nœuds e.......

Discussion

Les méthodes d’analyse de réseau basées sur les corrélations partielles mises en œuvre dans CorrelationCalculator et Filigree aident à surmonter certaines des limites des analyses des voies métaboliques basées sur les connaissances, en particulier pour les ensembles de données avec une prévalence élevée de métabolites inconnus et une couverture limitée des voies métaboliques (par exemple, les données lipidomiques). Ces outils ont été largement utilisés par la communauté des chercheurs pour analyser .......

Déclarations de divulgation

Les auteurs n’ont pas d’intérêts financiers concurrents.

Remerciements

Ce travail a été soutenu par une subvention NIH 1U01CA235487.

....

matériels

NameCompanyCatalog NumberComments
CorrelationCalculatorJAVAhttp://metscape.med.umich.edu/calculator.html
clusterNethttps://github.com/Karnovsky-Lab/clusterNet
CytoscapeCytoscapehttps://cytoscape.org/
FiligreeJAVAhttp://metscape.med.umich.edu/filigree.html
MetScapeCytoscapehttps://apps.cytoscape.org/apps/metscapeCytoscape application that allows for the creation and exploration of correlation networks.

Références

  1. Sas, K. M., Karnovsky, A., Michailidis, G., Pennathur, S. Metabolomics and diabetes: analytical and computational approaches. Diabetes. 64 (3), 718-732 (2015).
  2. Cottret, L., et al. MetExplore: Collaborative edition ....

Réimpressions et Autorisations

Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE

Demande d’autorisation

Explorer plus d’articles

BiologieNum ro 201

This article has been published

Video Coming Soon

JoVE Logo

Confidentialité

Conditions d'utilisation

Politiques

Recherche

Enseignement

À PROPOS DE JoVE

Copyright © 2025 MyJoVE Corporation. Tous droits réservés.