Наш рабочий процесс позволяет легко анализировать сложные мультиомические наборы данных различных разрешений. Этот подход извлекает основные шаблоны вариантов, которые являются уникальными или общими для конкретных типов данных, и агрегирует их. Результирующие так называемые факторы могут быть затем связаны с молекулярными процессами и клиническими или техническими ковариатами.
Наш анализ был одним из первых, в котором модель MOFA была применена к мультиомике и одноклеточным данным нескольких образцов. Важно отметить, что эти образцы были взяты из клинической когорты пациентов с сердечным приступом. Это позволило нам идентифицировать многоклеточные иммунные сигнатуры, которые связаны с исходом и состоянием заболевания.
Таким образом, доступность одноклеточных и мультиомических наборов данных увеличивается, но часто особенности этих наборов данных анализируются только отдельно. Это ограничивает понимание, потому что обычно биологические процессы являются результатом взаимодействия между многочисленными особенностями и типами клеток. С помощью наших протоколов пользователи могут легко выполнить интегрированный анализ всего набора данных и идентифицировать эти многоклеточные программы.
Мы считаем, что применение этого протокола к дополнительным наборам мультиомиксных данных позволит получить новое представление о других заболеваниях или контекстах. Эти выводы затем послужат основой для будущих исследований биомаркеров или терапевтических исследований.