異種オミクス多モーダルデータにおけるモジュール検出のための非負行列因子分解法

動機：最近の高スループットオミクス技術の進歩により、生物医学研究者は大規模なゲノムデータを収集することが可能になりました。その結果、こうしたデータを統合して基礎となる生物学的システムについての深い洞察を得るための方法の開発に対する関心が高まっています。統合研究の主要な課題は、異なるオミクスデータソースに存在する異質性であり、これによりソース特有のノイズや外的効果から関心のある信号を識別することが難しくなります。結果：異質データのために設計された新しい多モーダルデータ分析法を導入します。高次元設定のためにスパース性オプションを含むデータ行列の共同分解のアルゴリズムを提供します。提案された方法の性能は、合成データおよびがんゲノムアトラスから得た卵巣癌サンプルのDNAメチル化、遺伝子発現、およびmiRNA発現データに基づいて評価されます。結果は、がん関連経路に関連する患者サンプル間の共通のモジュールが存在することと、以前に確立された卵巣癌サブタイプを示しています。利用可能性および実装：ソースコードリポジトリはhttps://github.com/yangzi4/iNMFで公開されています。連絡先：gmichail@umich.edu 補足情報：補足データはBioinformaticsオンラインで入手可能です。