LipidFinder:一个开源的Python工作流的新脂质发现
阅读时间:
获得精确、高质量的脂质组学(或代谢组学)数据集是一项挑战。我肯定会想到的一个因素是能够最大限度地减少，甚至更好地消除那些可能阻碍你的质谱数据分析的大量人工制品，以确保准确的解释。
有许多现有的计算工作流可以帮助研究人员处理代谢组学数据集，然而，这些工作流往往是针对已知脂类的调查，或者已经被商业开发，这意味着定制和用户修改不一定是可能的。1
研究人员在Valerie O 'Donnell教授的小组卡迪夫大学英国的研究人员开发了一种基于Python的计算工作流程，适用于大量数据的分析，特别针对新型脂类的识别。在我和奥唐纳教授的一次访谈中，她解释了背后的原因LipidFinder以及这个工具对她小组研究的影响。
LM:你最近的一份出版物关注的是基于python的开源工作流LipidFinder的开发。你能给我们介绍一下这个新工具吗?
一个关键的基础研究问题是，哺乳动物细胞中含有多少脂质，但目前仍没有明确的答案。我们的观点是，挖掘细胞的整个脂质组，特别是在与疾病相关的条件下，将为发现新的生物相关脂质提供机会，最终这些脂质可以用作炎症的生物标志物或治疗靶点。
LipidFinder是由克里斯所述，目前是我实验室的博士生，作为一个Python程序，旨在有效地清理高分辨率质谱(MS)数据的大型文件。当使用长色谱和高分辨率质谱分析细胞或血浆中的脂质提取物时，它们包含高达60K的信号，其中只有大约3-5K可能代表实际的脂质。其余的数据是背景噪音，或垃圾，需要删除。这是一项庞大的任务，需要定制的信息学工具。有开放获取工具可用，例如，广泛使用和优秀的XCMS，它提供了一些清理功能，但这些能够更好地寻找已知的脂质，而不是大量未知的脂质。许多调查人员不需要担心这些人工制品，因为他们在分析中忽略了它们，但对我们来说，它们是一个重大问题。
我们的程序可以用于XCMS的后续工作，以去除更多的人工制品，并使人们更有信心看到真正的脂质。LipidFinder的一个创新之处在于优化器工作流程，它将机器学习方法应用于运营商自己的数据，以优化有效数据分析所需的各种参数。工作流已经启动GitHub并且是开放获取;不过，它目前正在适应一个接口上脂质地图在接下来的几个月里应该就能以那种形式发布了。在ERC的资助下，Jorge Alvarez-Jarretta博士还为LipidFinder添加了额外的模块，这将进一步提高它的清理能力，我们将很快发布第二版。
开发LipidFinder的主要原因是什么?它的实施带来了哪些主要的研究成果?
LipidFinder的第一个版本最初是作为一个微软Excel程序编写的斯莱特博士我是我小组的博士后。当时，我们对绘制血小板脂质组图以及了解阿司匹林如何调节血小板脂质感兴趣，但我们没有可用的工具来完成这项工作。David对编程有着长期的兴趣，并编写了这个早期版本。我们用它发表了一篇论文细胞代谢2016年，该研究显示了三个不相关的个体(包括我自己!)血小板脂质组的大致大小和多样性。这也使我们能够绘制出100种由血小板产生的新脂质，特别是氧化磷脂和脂肪酸。
显然，这是一种非常缓慢和低效的方法，在那段时间里，我们开始与卡迪夫的计算机科学家合作，最终产生了这个工作流的Python版本。我们认为这种方法类似于基因阵列，数据是未经验证的，导致假设生成，因此使用该工具的发现需要严格的验证，例如使用靶向方法和MS/MS实验。继血小板研究之后，我们一直在研究心血管疾病人群中的脂质特征，并进一步研究血小板脂质组多样性，但这些研究尚未发表。我们渴望解决的关键问题包括:在同一人群中，脂质组随着时间的推移有多稳定，遗传与环境对血小板和细胞整体脂质组组成的控制有什么影响?
LM:在这个领域中，是否有一个特定的主题是你迄今为止没有机会探索或者想要进一步探索的?
在过去的5年里，我们已经显著改变了我们的工作方式，因为高分辨率数据集的研究和脂质组的挖掘需要一个团队的方法，包括跨学科的技能，如信息学和统计学以及脂质生物学。开发这种类型的方法已经改变了我们研究小组的工作方式，但也提出了重大挑战。我们现在已经生成了几个大型数据集，需要时间和思想来有效地分析和理解它们。在这个时候，我的首要任务是完成这些研究并发表我们的发现，虽然新问题一直在出现，但我热衷于确保我们不会失去重点，并避免忽视我们目前拥有的所有数据。
尽管如此，我们仍有许多话题和问题希望继续跟进。虽然我的主要兴趣一直在于循环血管细胞的脂质，但我们越来越感兴趣的是相同的脂质如何调节组织生物学，特别是皮肤和大脑。我们未来的方向很可能包括研究正常伤口愈合和神经传递中生物活性脂质的形成和特征，但这是未来的事情。
O’donnell教授及其同事发现了一种脂质的炎症特性，关于其临床发展的更多信息可以在这里找到在这里．
参考
1.奥康纳，A.，布拉舍，C. J.，斯莱特，D. A.，梅克尔曼，S. W.，霍克斯沃斯，J. I.，艾伦，S. M.和奥唐纳，V. B.(2017)。LipidFinder:用于发现脂类的计算工作流，识别血小板中的二十烷酸-磷酸肌醇。JCI Insight, 2(7)。doi: 10.1172 / jci.insight.91634
广告
