CorrelationCalculator ve Telkari: Metabolomik Verilerin Veriye Dayalı Ağ Analizi için Araçlar

Özet

Veriye dayalı ağ oluşturma ve metabolomik verilerin analizi için iki araç olan CorrelationCalculator ve Telkari'yi sunuyoruz. CorrelationCalculator, ifade verilerine dayalı olarak metabolitlerden oluşan tek bir etkileşim ağı oluşturmayı desteklerken, Telkari diferansiyel bir ağ oluşturmaya, ardından ağ kümeleme ve zenginleştirme analizine izin verir.

Özet

Omik verilerin analizinde önemli bir zorluk, eyleme geçirilebilir biyolojik bilginin çıkarılmasıdır. Metabolomik bir istisna değildir. Bireysel metabolitlerin seviyelerindeki değişiklikleri spesifik biyolojik süreçlerle ilişkilendirme konusundaki genel sorun, hedeflenmemiş sıvı kromatografisi-kütle spektrometrisi (LC-MS) çalışmalarında bulunan çok sayıda bilinmeyen metabolit ile birleşmektedir. Ayrıca, ikincil metabolizma ve lipid metabolizması, mevcut yol veritabanlarında zayıf bir şekilde temsil edilmektedir. Bu sınırlamaların üstesinden gelmek için grubumuz, veriye dayalı ağ oluşturma ve analizi için çeşitli araçlar geliştirmiştir. Bunlara CorrelationCalculator ve Telkari dahildir. Her iki araç da, metabolitlerin sayısı numune sayısını aştığında, kullanıcıların deneysel metabolomik verilerden kısmi korelasyon tabanlı ağlar oluşturmasına olanak tanır. CorrelationCalculator, tek bir ağın oluşturulmasını desteklerken, Telkari, iki örnek grubundan elde edilen verileri kullanarak diferansiyel bir ağ oluşturmaya ve ardından ağ kümeleme ve zenginleştirme analizine izin verir. Gerçek hayattaki metabolomik verilerin analizi için her iki aracın faydasını ve uygulamasını açıklayacağız.

Giriş

Son on yılda, Gaz Kromatografisi-Kütle Spektrometresi (GC-MS) ve Sıvı Kromatografisi-Kütle Spektrometresi (LC-MS) gibi analitik teknolojilerdeki ilerlemeler nedeniyle metabolomik, bir omik bilimi olarak ortaya çıkmıştır. Bu teknikler, yüzlerce ila binlerce küçük molekül metabolitinin aynı anda ölçülmesine izin vererek karmaşık çok boyutlu veri kümeleri oluşturur. Metabolomik deneyler hedefli veya hedefsiz modlarda gerçekleştirilebilir. Hedeflenen metabolomik deneyler, belirli metabolit sınıflarını ölçer. Genellikle hipotez odaklıdırlar, hedefsiz yaklaşımlar ise mümkün olduğu kadar çok metaboliti ölçmeye çalışır ve doğası gereği hipotez oluşturur. Hedeflenen tahliller ....

Protokol

1. Korelasyon Hesaplayıcı

1. http://metscape.med.umich.edu/kora_data_240.csv'de deneysel ölçümlerle metabolitlerin bir listesini içeren virgülle ayrılmış örnek bir giriş dosyası indirin.
2. İndirilen örnek dosyayı açmak için çift tıklayın.
   1. Dosyanın hem numuneler hem de metabolitler için etiketler içerdiğinden emin olun.
   2. Örnekler satırlar halinde olduğundan, ilk sütunun örnek adları ve ilk satırın metabolit adları olduğunu onaylayın.
3. CorrelationCalculator Java uygulamasını (http://metscape.med.umich.edu/calculator.html) indirin. Uygulamayı başlatmak için indirilen .jar dosyasına çift tıklayın.
....

Tartışmalar

CorrelationCalculator ve Telkari'de uygulanan kısmi korelasyon tabanlı ağ analizi yöntemleri, özellikle bilinmeyen metabolitlerin yüksek prevalansına ve metabolik yolların sınırlı kapsamına sahip veri kümeleri için bilgiye dayalı metabolik yol analizlerinin bazı sınırlamalarının üstesinden gelmeye yardımcı olur (örn., lipidomik veriler). Bu araçlar, araştırma topluluğu tarafından çok çeşitli metabolomik ve lipidomik verileri^analiz etmek için yaygın olarak kullanı.......

Malzemeler

Name	Company	Catalog Number	Comments
CorrelationCalculator	JAVA	http://metscape.med.umich.edu/calculator.html
clusterNet		https://github.com/Karnovsky-Lab/clusterNet
Cytoscape	Cytoscape	https://cytoscape.org/
Filigree	JAVA	http://metscape.med.umich.edu/filigree.html
MetScape	Cytoscape	https://apps.cytoscape.org/apps/metscape	Cytoscape application that allows for the creation and exploration of correlation networks.