Analyser des caractéristiques de Metabolomics

La disponibilité des caractéristiques est la première opération dans l'analyse. Il y a plusieurs bases de données metabolomic procurables, chacun d'eux qui atteint un objectif différent. Leur objectif est de mettre les métabolites dans une certaine commande de sorte qu'il devienne facile pour des chercheurs de repérer et analyser les caractéristiques.

Crédit d'image : toeytoey/Shutterstock
Crédit d'image : toeytoey/Shutterstock

La base de données de Metabolome d'être humain (HMDB) a plus de 40.000 entrées et objectifs de métabolite pour identifier toutes les métabolites actuelles chez l'homme. MassBank est une base de données spectrale qui a plus de 39.000 entrées. Plus de 75.000 entrées soyez procurable dans la base de données de METLIN-a de base de données pour des bactéries, des animaux, et des plantes. Les métabolites de lipide et la stratégie de voies (PLANS de LIPIDE) est le plus grand dépôt pour des structures moléculaires de lipide. La base de données de consortium de metabolomics de Madison a plus de 20.000 caractéristiques, moyen pour la spectrométrie de masse et recherche basée sur résonance magnétique nucléaire de metabolomics. Les voies métaboliques sont contenues dans l'encyclopédie de Kyoto des gènes et des génomes (KEGG).

Techniques d'analyse de types de données

Les deux facteurs importants à considérer tout en analysant des caractéristiques sont leur organisme et visualisation, de sorte que les caractéristiques puissent être interprétées ou des hypothèses puissent être conçues. Il y a quatre techniques importantes procurables pour analyser des caractéristiques de metabolomics. Elles sont :

  • Méthode apprenante non guidée
  • Dirigé apprenant des méthodes
  • Méthodes d'analyse de voie
  • Méthodes de caractéristiques de cours de temps

Méthode apprenante non guidée

Pendant l'étape d'analyse, nous pouvons vouloir avoir une idée de la structure de caractéristiques.

Apprendre non guidé aide à se renseigner sur les caractéristiques ; plus avec précision, il aide à découvrir la tendance de caractéristiques. Les caractéristiques ne sont marquées sous aucun type et la méthode apprenante non guidée découvrira les caractéristiques. Ainsi le chercheur a peu d'informations ou suppositions sur les caractéristiques qui sont sous l'analyse. Étant la première étape dans le procédé d'analyse, apprendre non guidé aide à concevoir les caractéristiques. Les quatre méthodes suivantes sont le plus souvent utilisés pour analyser des métabolites.

  • Analyse de composant principal (PCA) - quand le nombre de métabolites est plus grand, la conclusion de peu de combinaisons des caractéristiques aide dans la réduction de cote. En appliquant l'algorithme de CD dans l'ensemble de données originel, toute la variation peut être trouvée. La plupart des informations sur l'ensemble de données sont maintenues par les composants principaux qui remontent réellement toutes les variables marquées. Un plot de rayure est utilisé comme moyen de trouver les groupes, alors qu'un plot de charge est de découvrir les variables qui séparent les groupes entre eux.
  • La technique de groupement aide à grouper les caractéristiques qui sont assimilées, de sorte que les caractéristiques dans un boîtier soient semblables et racontables en comparaison avec les caractéristiques dans un autre boîtier. Les deux techniques de groupement les plus très utilisées dans le metabolomics sont des k-moyens groupant et groupement hiérarchique. Dans les k-moyens groupant, les caractéristiques sont divisées en boîtiers de k qui ne superposent pas. À la différence des k-moyens groupant, le groupement hiérarchique ne s'arrête pas à trouver des nombres spécifiques des boîtiers, mais continue à diviser toutes les caractéristiques jusqu'à ce qu'une hiérarchie des boîtiers soit formée. Il est souvent combiné avec un plan de la chaleur pour la visualisation de modification de caractéristiques.
  • Le plan à organisation autonome (SOM) est un outil de visualisation qui aide à la découverte visuelle des boîtiers actuels dans les caractéristiques.

Dirigé apprenant le mMethod

Très utilisé dans la découverte de biomarqueur, classification, et prévision, a dirigé apprendre que les méthodes traitent des ensembles de données ayant des variables de réaction qui sont continues ou discrètes. Ces méthodes trouvent l'association entre les covariates et les variables de réaction, et des prévisions précises sont effectuées.

Des moindres carrés partiel (COUCHE PLS) est en grande partie employé dans la recherche de metabolomics. La COUCHE PLS est très utilisée pour recenser des biomarqueurs et en classifiant les maladies, alors que la machine de vecteur de support (SVM) est utilisée dans la cancérologie.

Méthodes d'analyse de voie

Aides d'analyse de voie pour trouver les mécanismes biologiques dans la liste de métabolites recensées. Les deux la plupart des méthodes classiques sont 1) analyse de surreprésentation (ORA) et 2) des rayures fonctionnelles de type (FCS).

ORA est la méthode la plus simple, qui est exécutée quand les voies diffèrent considérablement parmi les deux groupes de travail. Quelques limitations d'ORA sont adressées par la méthode de rayure de type (FCS) fonctionnel. Des statistiques uniques de métabolite sont obtenues d'abord et ceux-ci sont totalisées pour évaluer une statistique niveau de la voie, univariable ou multivariée. Le plus souvent la rayure, le moyen, et le méridien d'enrichissement sont employés pour des statistiques niveau de la voie univariables. La statistique du T2 de Hotelling est très utilisée pour des statistiques multivariées

Méthodes de caractéristiques de cours de temps

La concentration en métabolites peut varier avec du temps, ainsi une cote de temps est produite dans l'ensemble de données. Nous devons inclure une cote de temps et continuer d'utiliser des méthodes apprenantes non guidées et des outils de visualisation tels que la CD et le SOM. Supplémentaire, des graphiques de profil peuvent être tracés pour examiner les profils des métabolites pour assurer les boîtiers variés. Des techniques statistiques telles que l'analyse (ANOVA) des modèles degré de liberté degré de liberté sont employées pour comparer les différentes configurations de modification des métabolites.

Pendant le procédé de recherches de metabolomics, les chercheurs ont observé quelques différences parmi des métabolites dans le même boîtier. Quand la variation est plus grande, le modèle répété (RM) de mesures est employé. Quand il est exigé pour analyser beaucoup de métabolites en parallèle en considérant la structure de la corrélation, une analyse constitutive ANOVA-simultanée appelée généralisée d'ANOVA (ASCA) est employée.

Les méthodes telles que l'analyse de caractéristiques de séries chronologiques, méthode basée sur fonctionnel, lissant cannelle des effets mélangés modélisent, et le modèle linéaire hiérarchique sont également proposés.

Last Updated: Aug 23, 2018

Afsaneh Khetrapal

Written by

Afsaneh Khetrapal

Afsaneh graduated from Warwick University with a First class honours degree in Biomedical science. During her time here her love for neuroscience and scientific journalism only grew and have now steered her into a career with the journal, Scientific Reports under Springer Nature. Of course, she isn’t always immersed in all things science and literary; her free time involves a lot of oil painting and beach-side walks too.

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Khetrapal, Afsaneh. (2018, August 23). Analyser des caractéristiques de Metabolomics. News-Medical. Retrieved on May 23, 2019 from https://www.news-medical.net/life-sciences/Analyzing-Metabolomics-Data.aspx.

  • MLA

    Khetrapal, Afsaneh. "Analyser des caractéristiques de Metabolomics". News-Medical. 23 May 2019. <https://www.news-medical.net/life-sciences/Analyzing-Metabolomics-Data.aspx>.

  • Chicago

    Khetrapal, Afsaneh. "Analyser des caractéristiques de Metabolomics". News-Medical. https://www.news-medical.net/life-sciences/Analyzing-Metabolomics-Data.aspx. (accessed May 23, 2019).

  • Harvard

    Khetrapal, Afsaneh. 2018. Analyser des caractéristiques de Metabolomics. News-Medical, viewed 23 May 2019, https://www.news-medical.net/life-sciences/Analyzing-Metabolomics-Data.aspx.

Comments

The opinions expressed here are the views of the writer and do not necessarily reflect the views and opinions of News-Medical.Net.
Post a new comment
Post