Notre flux de travail permet d’analyser facilement des ensembles de données multi-omiques complexes de différentes résolutions. L’approche extrait un grand nombre de modèles de variantes uniques ou partagées avec des types de données spécifiques et les agrège. Les facteurs qui en résultent peuvent ensuite être liés à des processus moléculaires et à des covariables cliniques ou techniques.
Notre analyse a été parmi les premières à appliquer le modèle MOFA à des données multi-omiques et à des données unicellulaires de plusieurs échantillons. Il est important de noter que ces échantillons provenaient d’une cohorte clinique de patients victimes d’une crise cardiaque. Cela nous a permis d’identifier des signatures immunitaires multicellulaires associées à l’issue et à l’état de la maladie.
Ainsi, la disponibilité des ensembles de données unicellulaires et multi-omiques augmente, mais souvent, les caractéristiques de ces ensembles de données ne sont analysées que séparément. Cela limite les connaissances car, généralement, les processus biologiques sont le résultat des interactions entre plusieurs caractéristiques et types de cellules. Grâce à nos protocoles, les utilisateurs peuvent facilement effectuer une analyse intégrée de l’ensemble complet des données et identifier ces programmes multicellulaires.
Nous pensons que l’application de ce protocole à d’autres ensembles de données multi-omiques générera de nouvelles connaissances sur d’autres maladies ou contextes. Ces informations éclaireront ensuite de futures études sur les biomarqueurs ou les thérapies.