COVID-19 Multiomics研究:策略、见解和工具

集成多个“组学”的方法,称为multiomics或multi-omics,已经成为一个主要的焦点在生物医学研究中,研究人员设法理解生物机制在更大的深度。而组学领域,如基因组学、转录组,蛋白质组学和代谢组学提供信息的DNA, RNA转录,蛋白质和代谢物,分别multiomic研究允许多种生物分子类型结合起来进行分析,并提供可能获得更全面,pathway-oriented生物学的观点。

有可能产生、分享和我的重要生物信息在任何研究设置速度是有价值的。然而在当前流行的背景下,有一种高度的紧迫感,研究者正在设法解开COVID-19的分子基础。Multiomics方法被用于COVID-19-related病理生理学的研究,生物标记、免疫反应、疾病严重程度预测。

实际上,multiomic数据集很大,包含导出使用多种技术和信息特性许多潜在的混杂变量。因此,multiomic数据集的管理和探索是具有挑战性的。在本文中,我们探索multiomic COVID-19方法研究和临床组学和探索的一些计算和统计工具被开发来支持multiomic分析。

目标和策略COVID-19 multiomics研究

multiomics方法如何帮助我们铺平了道路的COVID-19流行病?所解释的艾尔J Abadi,基因组学数据科学家在墨尔本整合基因组学,墨尔本大学,这都是跟踪分子足迹:“简而言之,SARS-CoV-2病毒,像其他病毒,触发宿主免疫反应和树叶在病人的蛋白质组和代谢组的足迹。这足迹患者的不同而不同,也有些人经历更严重的形式的疾病。描述这些组学变化中的变化及其interactome只能通过multiomics方法,有助于更好地了解疾病的机制,我们如何可以更有效地对抗。”

浣熊助理人员Evgenia Shishkova科学家实验室,威斯康星大学麦迪逊分校解释说,multiomics研究的目的非常的任务:“无论你的目标是创建一个资源,或者你有一个更有针对性的方法,这项技术可以让你。但往往,multiomic数据集非常大。所以即使你有针对性的问题,你最终拥有这个巨大的资源,其他人可以从中获益。”

不仅multiomics研究不同大小、根本目标和类型的数据使用,而且他们的数据集成方法。算法用于集成组学数据可以分为监督,semi-supervised,或无监督,集成可以发生在不同阶段的分析。¹在这些类别中,有许多不同的分析子类型,如矩阵分解,贝叶斯网络和多工位的方法,使用不同的建模和统计技术来识别数据模式。

询问SARS-CoV-2基因组得到更多的答案

研究SARS-CoV-2基因组进化和传播可以提供宝贵的见解,以及协助监测和疫苗研发努力帮助控制COVID-19大流行。下载这个程序注意发现RNA序列的方法,可以准确地识别低拷贝数病毒性病原体和用于低浓度足够敏感,低质量和退化的样本。

下载应用程序注意

赞助内容

构建一个使用multiomics COVID-19知识库的方法

Multiomic数据作为一种资源被科学界广泛探索和提供关键证据的关键生物过程与COVID-19调制的人。生理变化与COVID-19可以确定在分子层面,比如那些与脂质运输、补体系统激活,血管损伤,血小板激活和脱粒、凝血和急性期反应。

出现的第一个大规模COVID-19 multiomic分析引发了国家的远见卓识阿里尔Jaitovich肺和重症监护医生在纽约的奥尔巴尼医学院。Jaitovich当时亲眼目睹COVID-19症状严重程度可能范围和想象的一个合作研究提供相关分子的见解。专业知识是随后的汇集浣熊实验室威斯康辛大学麦迪逊分校的莫格里奇研究所生产和大规模multiomic COVID-19严重程度的分析。²

在一起,该组织RNA进行测序和高分辨率质谱(MS)在血浆样本128人没有COVID-19,和相关的白细胞mRNA表达和血浆蛋白,代谢物和血脂水平范围的临床数据和病人的结果。“我们的最终目标是利用我们的资源和共享专业知识向人们获取数据我们可以快,没有痛苦在我们自己的分析,“伊恩·米勒说,黑人研究数据科学家的实验室。“COVID数据出来像一个消防带,它仍然是。”

米勒回忆起如何观察到不同的治疗分子代谢组学中测量,提供他所描述的“检查常用或控制。“219生物分子与COVID-19状态和严重程度高度相关,密度和生物分子集群。值得注意的是,一个确定集群包含脂质- plasmenyl-phosphatidylcholines和高密度脂蛋白-类别COVID-19状态和严重程度显著相关。

表征multiomic COVID-19病理生理学的研究可以识别潜在的治疗机会——其中一些假设在出版。²例如,作者强调的潜在使用他汀类药物或其他治疗方法旨在恢复高密度脂蛋白(HDL)。减少循环COVID-19患者的HDL水平已报告在其他的研究中,可能导致压力和炎症加剧COVID-19病理生理学。³最终,希望multiomic数据也可以用来支持更准确的预测病人的结果。

获取SARS-CoV-2的全基因组序列

随着COVID-19进入正常阶段的预防和控制,全基因组信息SARS-CoV-2需要跟踪病毒的起源,识别和监控突变,并预测其风险,离不开高通量测序和组装的病毒序列。下载这个程序注意发现检测解决方案,提供了一种快速、简单、简化工作流和加快了疑似病原体的识别。

下载应用程序注意

赞助内容

研究细胞严重COVID-19标志

COVID-19研究血栓性并发症的机制是一个重点,鉴于血液凝结的高发问题在生命垂危的情况下。⁴几项研究指出改变血小板免疫细胞相互作用和巨核细胞的存在影响肺部。^{5 , 6}做进一步调查,伯纳德和他的同事们雇佣了纵向multiomics分析严重COVID-19病例描述细胞的特性。⁷大多数转录组分析,大部分DNA methylome,单细胞转录组的358000个细胞从启用外周血细胞的变化特征。高浓度的循环严重COVID-19病例中巨核细胞和炎症有关参数,与表达的变化揭示了大部分RNA序列数据。multiomic方法提供了更大的背景下学习时循环血液中细胞的动态变化。例如,全基因组hypomethylation观察在每个时间点与健康对照组相比,支持建议早些时候的表观遗传变化导致系统性炎症状态。⁸

使multiomic COVID-19数据的可获得性

Abadi总结,需要复杂的工具如果multiomics数据利用:“这些生成的测序数据分析需要新的数据结构来简化下游分析。这些数据也是高度尺寸并获得直接洞察他们超出了我们有限的直觉。

定制的计算和统计方法是揭露隐藏的关键数据,通常有趣的模式,测试假设由研究人员和/或创建新的见解可以帮助产生新的假设。“因此,许多组织正在开发工具旨在帮助之间的桥梁数据的生成和理解。mixOmics就是这样一个例子,一个自由和开源multiomics工具,和一个国际的结果,拥有多个大学的合作。Abadi有关键作用的实现和改进小说mixOmics多元统计方法,同时发展中强大的可视化工具,结果在一个更引人注目的和直观的方式。

需要数据可视化工具不是莫格里奇/在威斯康星大学麦迪逊分校的合作者。将数据分析从“流水”体验更易于管理,集团数据传输到一个交互式webtool -covid-omics.app仅获取更广泛的科学社区。“我们想要分享我们产生了——这是我们的模型。和固有的融资机制的这些项目,很多工作是联邦政府资助的”说凯蒂Overmyer副主任莫格里奇研究所的生物分子质谱实验室研究。

准备一个数据驱动的世界生物的研究

通过利用机器学习等技术,RNA序列和MS,组学数据可以结合临床资料为研究人员提供了大量的数据来探索。米勒,数据读写能力是一个重要的工具他建议生物学家添加到他们的工具包:“越多的数据读写你可以挑选和更基本的编程学习,它可以让你了解和分享你的工作。”研究人员努力传播和战斗COVID-19感染的高度可变的临床过程,能够与更广泛的受众分享有价值的数据——同时为可视化和分析提供有用的工具——从未如此重要。

引用

1. 黄,Chaudhary K, Garmire LX。越多越好:最近进展multi-omics数据集成方法。麝猫面前。2017;8:84。doi:10.3389 / fgene.2017.00084。
   
   
2. Overmyer KA, Shishkova E,米勒IJ, et al .大规模multi-omic COVID-19严重程度的分析。电池系统。2021;12 (1):23 - 40. e7。doi:10.1016 / j.cels.2020.10.003。
   
   
3. 田中Begue F,年代,Mouktadi Z,等。在严重COVID-19高密度脂蛋白成分和功能改变。科学报告。2021;11 (1):2291。doi:10.1038 / s41598 - 021 - 81638 - 1。
   
   
4. Deshpande c .血栓栓塞COVID-19尸检发现:肺血栓形成或栓塞?安实习生地中海。2020,173 (5):394 - 395。doi:10.7326 / m20 - 3255。
   
   
5. Leppkes M,克诺夫出版社J, Naschberger E,等。血管闭塞COVID-19中性粒细胞胞外陷阱。EBioMedicine。2020;58:102925。doi:10.1016 / j.ebiom.2020.102925。
   
   
6. Meyerholz DK,麦克雷PB。通过解剖研究照明COVID-19肺部疾病。EBioMedicine。2020;57:102865。doi:10.1016 / j.ebiom.2020.102865。
   
   
7. 伯纳德·摩根,Mishra N, Tran F, et al .纵向multi-omics分析识别反应的巨核细胞,红细胞细胞,plasmablasts严重COVID-19标志。免疫力。2020;53 (6):1296 - 1314. e9。doi:10.1016 / j.immuni.2020.11.017。
   
   
8. Lorente-Sorolla C, Garcia-Gomez Catala-Moll F, et al .炎性细胞因子和器官功能障碍与单核细胞的异常DNA methylome败血症。基因组医学。2019;11 (1):66。doi:10.1186 / s13073 - 019 - 0674 - 2。
   
   2021年文章更新9月6日,从“Multi-omics”删除字符。