Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • Representative Results
  • Discussion
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

Apresentamos CorrelationCalculator e Filigrana, duas ferramentas para construção de redes baseadas em dados e análise de dados metabolômicos. O CorrelationCalculator suporta a construção de uma única rede de interação de metabólitos com base em dados de expressão, enquanto o Filigrana permite a construção de uma rede diferencial, seguida de clustering de rede e análise de enriquecimento.

Abstract

Um desafio significativo na análise de dados ômicos é extrair conhecimento biológico acionável. A metabolômica não é exceção. O problema geral de relacionar mudanças nos níveis de metabólitos individuais a processos biológicos específicos é agravado pelo grande número de metabólitos desconhecidos presentes em estudos de cromatografia líquida não direcionada acoplada à espectrometria de massas (LC-MS). Além disso, o metabolismo secundário e o metabolismo lipídico são pouco representados nos bancos de dados de vias existentes. Para superar essas limitações, nosso grupo desenvolveu diversas ferramentas para construção e análise de redes baseadas em dados. Estes incluem CorrelationCalculator e filigrana. Ambas as ferramentas permitem que os usuários construam redes baseadas em correlação parcial a partir de dados metabolômicos experimentais quando o número de metabólitos excede o número de amostras. CorrelationCalculator suporta a construção de uma única rede, enquanto Filigrana permite a construção de uma rede diferencial utilizando dados de dois grupos de amostras, seguido de agrupamento de rede e análise de enriquecimento. Descreveremos a utilidade e a aplicação de ambas as ferramentas para a análise de dados metabolômicos da vida real.

Introduction

Na última década, a metabolômica emergiu como ciência ômica devido aos avanços em tecnologias analíticas como a Cromatografia Gasosa-Espectrometria de Massas (GC-MS) e a Cromatografia Líquida-Espectrometria de Massas (LC-MS). Essas técnicas permitem a medição simultânea de centenas a milhares de metabólitos de pequenas moléculas, criando conjuntos de dados multidimensionais complexos. Os experimentos metabolômicos podem ser realizados em modos direcionados ou não. Experimentos de metabolômica direcionada medem classes específicas de metabólitos. Eles são geralmente orientados por hipóteses, enquanto abordagens não direcionadas tentam medir o maior número possível de m....

Protocol

1. Calculadora de Correlação:

  1. Faça o download de um arquivo de entrada delimitado por vírgulas contendo uma lista de metabólitos com medições experimentais em http://metscape.med.umich.edu/kora_data_240.csv.
  2. Clique duas vezes no arquivo de exemplo baixado para abri-lo.
    1. Certifique-se de que o arquivo contenha rótulos para as amostras e os metabólitos.
    2. Como as amostras estão em linhas, confirme se a primeira coluna são os nomes de amostra e a primeira linha .......

Representative Results

Para ilustrar o uso da CorrelationCalculator, construímos uma rede de correlação parcial usando um subconjunto dos dados metabolômicos do estudo populacional KORA descrito em Krumsiek et al.24. O conjunto de dados continha 151 metabólitos e 240 amostras. A Figura 1 mostra a rede de correlação parcial resultante que foi visualizada no Cytoscape. A rede contém 148 nós e 272 bordas. A cor dos nós representa metabólitos pertencentes a diferentes classe.......

Discussion

Métodos de análise de rede baseados em correlação parcial implementados em CorrelationCalculator e Filigrana ajudam a superar algumas das limitações das análises de vias metabólicas baseadas em conhecimento, especialmente para os conjuntos de dados com alta prevalência de metabólitos desconhecidos e cobertura limitada de vias metabólicas (por exemplo, dados lipidômicos). Essas ferramentas têm sido amplamente utilizadas pela comunidade de pesquisa para analisar uma ampla gama de dados metabolômicos e lipidô.......

Acknowledgements

Este trabalho foi apoiado pela concessão NIH 1U01CA235487.

....

Materials

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.

References

  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 ....

Explore More Articles

BiologiaEdi o 201

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Research

Education

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved