optimizing model parameters and implementing deepomicsae workflow

Analyse des modules de signalisation dans la maladie d’Alzheimer avec l’apprentissage profond

An increasingly large proportion of the population is aging and the burden of age-related diseases, such as neurodegeneration, is expected to sharply increase in the coming decades1. Alzheimer&#39;s disease is the most common type of neurodegenerative disease2. Progress in finding a treatment has been slow given our poor understanding of the fundamental&#160;molecular mechanisms driving the onset and progress of the disease. The majority of information on Alzheimer&#39;s disease is gained postmortem from the examination of brain tissue, which has made distinguishing causes and consequences a difficult task3. The Religious Orders Study/Memory and Aging Project (ROSMAP) is an ambitious effort to gain a broader understanding of neurodegeneration, which involves the study of thousands of individuals who have committed to undergo medical and psychological examinations yearly and to contribute their brains for research after their demise4. The study focuses on the transition from the normal functioning of the brain to Alzheimer&#39;s disease2. Within the project, postmortem brain samples&#160;were analyzed with a plethora of omics approaches, including genomics, epigenomics, transcriptomics, proteomics5, and metabolomics.
Omics technologies that offer functional readouts of cellular states (i.e., proteomics and metabolomics)6,7 are key to interpreting disease8,9,10,11,12, due to the direct relationship between protein and metabolite abundance and cellular activities. Proteins are the primary executors of cellular processes, while metabolites are the substrates and products for biochemical reactions. Multi-omics data analysis offers the possibility to understand the complex relationships between proteomics and metabolomics data instead of appreciating them in isolation. Multi-omics is a discipline that studies multiple layers of high-dimensional biological data, including molecular data (genome sequence and mutations, transcriptome, proteome, metabolome), clinical imaging data, and clinical features. Particularly, multi-omics data analysis aims to integrate such layers of biological data, understand their reciprocal regulation and interaction dynamics, and deliver a holistic understanding of disease onset and progression. However, methods to integrate multi-omics data remain in the early stages of development13.
Autoencoders, a type of unsupervised neural network14, are a powerful tool for multi-omics data integration. Unlike supervised neural networks, autoencoders do not map samples to specific target values (such as healthy or diseased), nor are they used to predict outcomes. One of their primary applications&#160;lies in dimensionality reduction. However, autoencoders offer several advantages over simpler dimensionality reduction methods such as principal component analysis (PCA), t-distributed stochastic neighbor embedding (tSNE), or uniform manifold approximation and projection (UMAP). Unlike PCA, autoencoders can capture non-linear relationships within the data. Unlike tSNE and UMAP, they can detect hierarchical and multi-modal relationships within the data since they rely on multiple layers of computational units each containing non linear activation functions. Therefore, they represent attractive models to capture the complexity of multi-omics data. Finally, while the primary application of PCA, tSNE, and UMAP is that of clustering the data, autoencoders compress the input data into extracted features that are well-suited for downstream predictive tasks15,16.
Briefly, neural networks comprise several layers, each containing multiple computational units or &#34;neurons.&#34; The first and last layers are referred to as the input and output layers, respectively. Autoencoders are neural networks with an hourglass structure, consisting of an input layer, followed by one to three hidden layers and a small &#34;latent&#34; layer typically containing between two and six neurons. This structure&#39;s first half is known as the encoder and is combined with a decoder mirroring the encoder. The decoder ends with an output layer containing the same number of neurons as the input layer. Autoencoders take the input through the bottleneck and reconstruct it in the output layer, with the goal of generating an output that mirrors the original information as closely as possible. This is achieved by mathematically minimizing a parameter termed &#34;reconstruction loss.&#34; The input consists of a set of features, which in the application showcased herein will be protein and metabolite abundances, and clinical characteristics (i.e., sex, education, and age at death). The latent layer contains a compressed and information-rich representation of the input, which can be used for subsequent applications such as predictive models17,18.
This protocol presents a workflow, DeepOmicsAE, which involves: 1) preprocessing of proteomics, metabolomics, and clinical data (i.e., normalization, scaling, outlier removal) to obtain data with a consistent scale for machine learning analysis; 2) selecting appropriate autoencoder input features, since feature overload may obscure relevant disease patterns; 3) optimizing and training the autoencoder, including determining the optimal number of proteins and metabolites to select, and of neurons for the latent layer; 4) extracting features from the latent layer; and 5) utilizing the extracted features for biological interpretation by identifying molecular signaling modules and their relationship with clinical features.
This protocol aims to be simple and applicable by&#160;biologists with limited computational experience who have a basic understanding of programming with Python. The protocol focuses on analyzing multi-omics data, including proteomics, metabolomics, and clinical features, but its use can be extended to other types of molecular expression data, including transcriptomics. One important novel application introduced by this protocol is mapping the importance scores of original features onto individual neurons in the latent layer. As a result, each neuron in the latent layer represents a signaling module, detailing the interactions between specific molecular alterations and the patients&#39; clinical characteristics. Biological interpretation of the molecular signaling modules is obtained by using MetaboAnalyst, a publicly available tool that integrates gene/protein and metabolite data to derive enriched metabolic and cell signaling pathways17.

Pleins feux sur l’auteur : Faire progresser la recherche sur la maladie d’Alzheimer – Explorer la détection précoce et les approches multiomiques

DeepOmicsAE : Représentation de modules de signalisation dans la maladie d’Alzheimer avec l’analyse de l’apprentissage profond de la protéomique, de la métabolomique et des données cliniques

Alzheimer's disease is thought to initiate decades before symptoms emerge. Recent studies suggest that phenotypic traits such as obesity and hypertension, but also the level of education and social engagement can act as risk factors. Our goal is to become able to decipher their contributions and their relation to molecular drivers of disease to learn how to intervene early and in a personalized manner.Multi-omic data analysis can be used for integrating various layers of biological data such as proteomics, transcriptomics, metabolomics, and phenotypic traits to comprehensively understand a disease state. Autoencoder models use deep learning to reduce the dimensionality of multi-omics datasets, effectively summarizing the crucial information, However, it is challenging to interpret how important are individual features in the original data with respect to the summarized output. In Deep-omics AE, we built in an algorithm that derives the importance of individual multi-omics features relative to the learn reduced dimensionality representation.With this approach, we can identify molecularly similar modules and their association with patient's phenotypic traits. Deep-omics AE helps putting in relation patient's phenotypic traits with the molecular makeup of disease. For example, you can use it to ask, what are the molecular pathways that are most implicated in Alzheimer's disease in older patients, and what are those that are most implicated in younger patients?What are those implicated in developing the disease in less educated patients versus more educated patients?

Optimisation des paramètres du modèle et mise en œuvre du flux de travail DeepOmicsAE

Pour commencer, sur la page d’accueil du bloc-notes Jupyter, cliquez sur l’optimisation du modèle M02-DeepOmicsAE. ipynb notebook pour l’ouvrir dans un nouvel onglet. Dans la deuxième cellule du bloc-notes, tapez le nom du fichier de sortie généré lors du prétraitement des données à la place de M01_output_data.csv.Dans la cinquième cellule, spécifiez les positions des colonnes pour différents types de données, telles que les données protéomiques, les données métabolomiques, les données cliniques et toutes les données d’expression moléculaire. Remplacez col_start et col_end par les index de colonne appropriés pour chaque type de données. Spécifiez le nom de la colonne contenant la variable cible à la place de y_column_name comme y_label.Dans la sixième cellule, définissez le nombre de tours pour l’optimisation du modèle en attribuant une valeur à n_comb. D’autres cycles d’optimisation permettront d’affiner les paramètres du modèle et d’améliorer les performances du modèle, mais nous augmenterons également le temps de traitement. Exécutez le bloc-notes en sélectionnant Cellule, puis Exécuter tout dans la barre de menus.Pour implémenter le workflow, cliquez sur l’implémentation M03a-DeepOmicsAE avec des paramètres optimisés personnalisés. ipynb notebook sur la page d’accueil du notebook Jupyter. Dans la deuxième cellule du bloc-notes, tapez le nom du fichier de sortie généré lors du prétraitement des données à la place de M01_output_data.csv.Dans la cinquième cellule, spécifiez les positions des colonnes pour différents types de données, telles que les données protéomiques, les données métabolomiques, les données cliniques et toutes les données d’expression moléculaire. Remplacez col_start et col_end par les index de colonne appropriés pour chaque type de données. Spécifiez le nom de la colonne contenant la variable cible à la place de y_column_name comme y_label.Sélectionnez Cellule, puis Exécuter tout dans la barre de menus. Les tracés PCA et la distribution des scores de caractéristiques importants seront automatiquement enregistrés dans le dossier local. Les listes des caractéristiques importantes pour chaque module de signalisation identifié seront également stockées sous forme de fichiers texte dans le dossier local portant les noms module_n.txt.Pour implémenter le workflow avec des paramètres prédéfinis, cliquez sur l’implémentation M03b-DeepOmicsAE avec des paramètres prédéfinis. ipynb notebook sur la page d’accueil du notebook Jupyter. Suivez ensuite la même procédure.Notez que les paramètres kprot, kmet et latent dans la septième cellule des notebooks sont calculés automatiquement dans le script en fonction des résultats des cycles d’optimisation précédents. Les données protéome, métabolome et cliniques de 142 échantillons de cerveau humain post-mortem provenant de personnes en bonne santé ou diagnostiquées avec la maladie d’Alzheimer ont été analysées à l’aide de ce flux de travail basé sur un modèle d’auto-encodeur d’apprentissage profond pour extraire un ensemble concis de caractéristiques à partir des données d’entrée multi-omiques de grande dimension. Les résultats de l’optimisation des paramètres du modèle montrent que la sélection d’un petit nombre de caractéristiques protéomiques et métabolomiques à utiliser comme entrée pour le modèle permet un degré plus élevé de séparation entre les patients sains et les patients atteints de la maladie d’Alzheimer.Alors que le nombre de neurones dans la couche latente n’a pas eu d’impact majeur sur les performances du modèle. En utilisant les paramètres optimaux, un petit ensemble de caractéristiques résumant les données d’entrée, appelées caractéristiques extraites, a été extrait de la couche latente du modèle d’auto-encodeur. L’analyse PCA a montré que les groupes de diagnostic étaient séparés par les caractéristiques extraites.Cependant, les groupes ne se distinguaient pas bien par les caractéristiques originales, ce qui indique que les caractéristiques extraites capturent les informations cruciales pour déterminer l’état de la maladie.

Research

JoVE Journal

Biology

Optimizing Model Parameters and Implementing DeepOmicsAE Workflow

DeepOmicsAE: Representing Signaling Modules in Alzheimer's Disease with Deep Learning Analysis of Proteomics, Metabolomics, and Clinical Data

Large omics datasets are becoming increasingly available for research into human health. This paper presents DeepOmicsAE, a workflow optimized for the ...

Recherche

Biologie

Data Preprocessing for DeepOmicsAE Workflow

Prétraitement des données pour le flux de travail DeepOmicsAE

Biological Interpretation of DeepOmicsAE Output Using MetaboAnalyst

Interprétation biologique de la sortie DeepOmicsAE à l’aide de MetaboAnalyst