参观COVID-19多组学数据仪表板

本着在COVID-19大流行期间让科学界广泛访问数据的精神，一些研究人员正在创建交互式数据仪表板，提供更强的可视化功能。其中有一个COVID-19多组学数据仪表板由最近发表在电池系统标题为:COVID-19严重程度的大规模多组分析。威斯康星大学麦迪逊分校Coon实验室的研究数据科学家Ian Miller是该平台的主要开发人员188金宝搏备用通过对每种类型的一些关键特征进行分析，总结如下。

需要注意的一般特点:

• 患者亚组用颜色编码。
• 使用下拉框显示蛋白质、脂质、代谢物、转录物或组合生物分子。还可以选择单个感兴趣的生物分子，并且图将自动更新。

主成分分析

第一页帮助您使用发现方法来确定方向。你可以问“我应该对哪些分子最感兴趣?”它们是如何与数据结构联系起来的?”

主页以主成分分析(PCA)评分图为特色，其中每个点代表一个患者样本。它们在空间中聚集的方式代表了所有测量的相似程度。PCA可以帮助您将最有趣的信息压缩到更少的维度，并揭示数据中的固有结构。最严重的患者被分组在一起，这表明导致这些变化的蛋白质存在差异。

在页面的右侧是一个PCA加载图，其中每个点代表一个生物分子(即，517个蛋白质中的一个，如果在下拉框中选择“蛋白质”)。它们在载荷图上的空间分布方式解释了PCA评分图上的点是如何分开的。换句话说，在PCA加载图的最右边的分子是那些驱动PCA图中点分离的分子。

值得注意的是，在PCA负荷图的最右边突出的一种蛋白质是软骨酸性蛋白-1，一种参与嗅球发育的蛋白质-考虑到损失在COVID-19患者中已经报告了气味。米勒指出，虽然还没有建立一个可靠的实验联系，但这一观察结果可能对未来的研究有帮助。

“开发这种类型的工具的部分挑战是使其足够复杂，使其在分析方面功能强大，但又足够简单，使其可用和用户友好。这是一个巨大的挑战。所以很难做到这一点。但如果不出意外的话，它为临床医生这样的人提供了一种快速查找分子的简单方法，而不必深入挖掘补充数据。——伊恩·米勒。

微分表达式

火山图:最初由转录组学领域普及-转录组学启发了蛋白质组学的许多工作，特别是在数据分析方面。火山图是一种比较a与B的好方法，即COVID与非COVID。火山图同时告诉你效应大小和统计显著性。我们使用了两倍对数变化(新冠肺炎患者平均测量值与非新冠肺炎患者平均测量值的折叠变化)，并将p值(负log 10)转换为适合图风格的值，以便增加值更显著。基本上，物体离中心越远，位置越高，就越重要。可以在y轴上的2处画出一条近似的阈值线，它近似等于p值0.01。

表:显示不同类型统计测试的结果，能够洞察效应大小和混淆变量。

线性回归

能够深入了解生物分子与疾病严重程度的关系。临床医生或研究人员可以选择一种标准的临床测量方法(例如，第45天的无住院日，c反应蛋白浓度)，并观察它与患者亚组中生物分子相对归一化丰度的关系。

Clustergrammer

Clustergrammer是一个第三方的交互式热图马'ayan实验室位于西奈山的伊坎医学院每一列代表一个样本，每一行代表一个生物分子测量(蛋白质、代谢物、脂质或转录物，取决于控制面板中选择的数据集)。该工具提供了一种放大和研究感兴趣的生物分子如何适应样本中更大的模式的方法。有关如何使用互动功能的提示可在此找到在这里。 一旦发现一个集群，人们就可以问这些生物分子是否属于同一途径，例如免疫功能障碍或药物反应。

文章于2021年9月6日更新，删除了“Multi-omics”中的连字符。