基于IntLIM包對代謝組和轉錄組數據整合分析

交友娱乐平台: 一、分析意義:

細胞內通過一系列復雜的調節機制調節生命活動規律,基因通過轉錄、轉錄后加工修飾、翻譯成蛋白,進而合成代謝產物,然后產生各種表型,因此單一的組學分析技術具有一定的局限性,并且轉錄本的表達水平并不一定能準確代表細胞內基因的量,更不一定能準確反映與表型的關系。

 

代謝組學數據的解釋非常具有挑戰性,轉錄組學和代謝組學數據的整合改善了疾病相關代謝組學的功能解釋,并促進了代謝物生物標志物和基因靶標的發現。因此為了加深對復雜生物調節機制的認識,將轉錄組學與蛋白組學、代謝組學等組學結合起來,進行關聯分析尤為重要。

 

目前,公共數據或客戶自有的多組學數據,基因和代謝物譜,在這些類型的研究中,考慮到轉錄物- 代謝物關系的復雜性,途徑/網絡方法可能既不適用也不容易發現新的關系。

 

考慮到這一點,我們提出了一種簡單的線性建模方法來捕獲疾病- (或其他表型)特定的基因- 代謝物關聯,通過假設共同調節模式反映功能相關基因和代謝物。

二、示例結果:


示例圖代謝組、代謝物表達柱形圖

示例圖代謝物和基因表達數據主成分分析

示例圖所有基因和代謝物關聯性p值分布圖

示例圖火山圖

示例圖基因和代謝物關系對相關性圖

注册彩金送娱乐平台 www.abvjr.icu 大數據整合:

云生信團隊整合了全世界權威公共數據庫所有樣本數據,例如各個物種的轉錄調控數據庫(如TRANSFAC、JASPAR、TRED、PAZAR、AGRIS、RegulateDB、CHIPBASE等等)、各種  miRNA調控靶基因的算法工具(如miRBase、miRWalk、TargetScan、miRanda、PicTar、PITA等)、蛋白互作數據庫(如 HPRD、STRING、DIP、BioGRID、MINT等);以及  TCGA數據庫的 RNA-seq、small-RNA-seq等數據;GEO數據庫的基因芯片、   miRNAx芯片等數據。

 

 

參考文獻:

 

1、Su, G., Burant, C.F., Beecher, C.W., Athey, B.D. and Meng, F. (2011) Integrated metabolome and transcriptome analysis of the NCI60 dataset. BMC bioinformatics,

12, S36.

2、Siddiqui  JK, Baskin  E, Liu M, Cantemir-Stone  CZ, Zhang B, Bonneville  R,

McElroy JP, Coombes KR, Mathé EA. IntLIM: integration using  linear models of

metabolomics and gene expression data. BMC bioinformatics. 2018 Dec;19(1):81

 






注册彩金送娱乐平台

掃描二維碼分享到微信