S'attaquer aux défis des grandes données dans la métabolomique basée sur la spectrométrie de masse

Les avancées en informatique et en ingénierie logicielle ont grandement facilité la métabolomique non ciblée basée sur la spectrométrie de masse (SM). De nos jours, des gigaoctets de données de métabolomique sont régulièrement générés à partir de plateformes SM, contenant des informations structurelles et quantitatives condensées provenant de milliers de métabolites. Le traitement manuel des données est presque impossible en raison de la grande taille des données. Par conséquent, à l'ère des "omiques", nous sommes confrontés à de nouveaux défis, les défis des grandes données concernant la manière de traiter précisément et efficacement les données brutes, d'extraire l'information biologique et de visualiser les résultats provenant de l'énorme quantité de données collectées. Bien que cela soit important, proposer des solutions pour relever ces défis des grandes données nécessite une connaissance interdisciplinaire large, ce qui peut être difficile pour de nombreux praticiens de la métabolomique. Notre laboratoire au Département de chimie de l'Université de la Colombie-Britannique s'engage à combiner la chimie analytique, l'informatique et les statistiques pour développer des outils de bioinformatique qui répondent à ces défis des grandes données. Dans cet article de synthèse, nous développons sur les principaux défis des grandes données en métabolomique, y compris l'acquisition de données, l'extraction de caractéristiques, les mesures quantitatives, l'analyse statistique et l'annotation des métabolites. Nous introduisons également nos solutions de bioinformatique récemment développées pour ces défis. Il est à noter que tous les outils de bioinformatique et les codes sources sont disponibles gratuitement sur GitHub (https://www.github.com/HuanLab), accompagnés de contenu révisé et régulièrement mis à jour.