기계 학습에 의한 다중 오믹스 통합 (MIMaL)

동기: 세포는 환경에 반응하여 자원을 최적으로 활용하기 위해 유전자 발현을 조절합니다. 최근 기술 발전은 RNA, 단백질, 지질 및 대사 산물의 풍부함을 측정할 수 있게 해줍니다. 이러한 매우 복잡한 데이터 세트는 생물학적 시스템의 다양한 계층의 상태를 반영합니다. 다중 오믹스는 이러한 이질적인 방법과 데이터를 통합하여 생물학적 상태에 대한 더 명확한 그림을 얻는 것입니다. 단백질체 및 대사체의 다중 오믹스 연구가 대량 분광 기술의 민주화가 진행됨에 따라 점점 더 보편화되고 있습니다. 그러나 이러한 데이터의 통합을 통한 지식 추출은 여전히 도전 과제로 남아 있습니다. 결과: 기계 학습과 모델 해석의 조합을 통해 서로 다른 오믹 계층의 분자 간의 연결이 발견되었습니다. 발견된 연결은 대사 산물에 대한 단백질 조절(ProC)을 반영하였습니다. 시트레이트를 조절하는 것으로 발견된 단백질은 알려진 유전적 및 대사 네트워크에 매핑되어 이들 단백질 조절 기전이 새롭다는 것을 드러냈습니다. 추가적으로, 모든 대사 산물에 대한 ProC의 크기를 군집화하면 각각 실험적으로 검증된 다섯 가지 유전자 기능을 예측할 수 있었습니다. 특정되지 않은 두 유전자, YJR120W와 YDL157C는 미토콘드리아 번역을 조절하는 것으로 정확하게 예측되었습니다. 세 개의 불완전하게 특성화된 유전자(SDH9, ISC1 및 FMP52)도 예측 및 검증되었습니다. 웹사이트를 통해 결과 탐색이 가능하며 사용자 제공 다중 오믹 데이터에 대한 MIMaL 분석도 가능합니다. 가용성 및 구현: MIMaL용 웹사이트는 https://mimal.app에 있습니다. 웹사이트의 코드는 https://github.com/qdickinson/mimal-website에 있습니다. MIMaL을 구현하는 코드는 https://github.com/jessegmeyerlab/MIMaL에 있습니다. 보충 정보: 보충 데이터는 Bioinformatics 온라인에서 이용 가능합니다.