심혈관 질환과 관련된 변동 패턴 및 분자 과정을 밝히기 위한 비지도 다중 오믹 요인 분석의 적용

당사의 워크플로우를 통해 다양한 해상도의 복잡한 다중 오믹스 데이터 세트를 쉽게 분석할 수 있습니다. 이 접근 방식은 고유하거나 특정 데이터 유형에 공유되는 변형의 주요 패턴을 추출하고 집계합니다. 그 결과로 생성된 소위 요인은 분자 과정 및 임상 또는 기술 공변량에 연결될 수 있습니다.

우리의 분석은 MOFA 모델을 여러 샘플의 다중 오믹스 및 단일 세포 데이터에 적용한 최초의 분석 중 하나였습니다. 중요한 것은 이 샘플이 심장마비 환자의 임상 코호트에서 채취한 것이라는 점입니다. 이를 통해 결과 및 질병 상태와 관련된 다세포 면역 신호를 식별할 수 있었습니다.

따라서 single-cell 및 multi-omic 데이터 세트의 가용성이 증가하지만 이러한 데이터 세트의 특징은 개별적으로만 분석되는 경우가 많습니다. 이는 일반적으로 생물학적 과정이 여러 특징과 세포 유형 간의 상호 작용의 결과이기 때문에 통찰력을 제한합니다. 당사의 프로토콜을 통해 사용자는 전체 데이터 세트에 대한 통합 분석을 쉽게 수행하고 이러한 다세포 프로그램을 식별할 수 있습니다.

우리는 이 프로토콜을 추가적인 다중 오믹스 데이터 세트에 적용하면 다른 질병이나 상황에 대한 새로운 통찰력을 얻을 수 있다고 생각합니다. 이러한 통찰력은 미래의 바이오마커 또는 치료 연구에 정보를 제공할 것입니다.