Predizendo diabetes tipo 2 por meio da integração de aprendizado de máquina de múltiplas ómicas de ilhotas pancreáticas humanas

O diabetes tipo 2 (T2D) é a doença não infecciosa de crescimento mais rápido em todo o mundo. A secreção de insulina prejudicada das células beta pancreáticas é uma característica do T2D, mas os mecanismos por trás desse defeito estão insuficientemente caracterizados. Integrar múltiplas camadas de informação biomédica, como diferentes ómicas, pode permitir uma compreensão mais precisa de doenças complexas como o T2D. Nosso objetivo foi explorar e usar Aprendizado de Máquina para integrar múltiplas fontes de informações biológicas/moleculares (multiÓmicas), neste caso, dados de RNA-sequenciamento, metilação de DNA, SNP e dados fenotípicos de doadores de ilhotas com T2D e controles não diabéticos. Exploramos o Aprendizado de Máquina para realizar a integração multiÓmica de metilação de DNA, expressão, SNPs e fenótipos de ilhotas pancreáticas de 110 indivíduos, sendo ~ 30% casos de T2D. A metilação de DNA foi analisada utilizando o array Infinium MethylationEPIC, a expressão foi analisada usando RNA-sequenciamento, e SNPs foram analisados utilizando arrays HumanOmniExpress. A integração linear multiÓmica supervisionada via DIABLO baseada em Mínimos Quadrados Parciais (PLS) alcançou uma precisão de 91 ± 15% na predição de T2D com uma área sob a curva de 0.96 ± 0.08 no conjunto de dados de teste após validação cruzada. Biomarcadores identificados por esta integração multiÓmica, incluindo metilação de DNA SACS e TXNIP, expressão de OPRD1 e RHOT1 e um SNP anotado para ANO1, fornecem novas insights sobre a interação entre diferentes mecanismos biológicos que contribuem para o T2D. Esta abordagem de Aprendizado de Máquina de dados cross-sectionais multiÓmicos de ilhotas pancreáticas humanas alcançou uma precisão promissora na predição de T2D, que pode encontrar amplas aplicações em diagnósticos clínicos. Além disso, forneceu novos biomarcadores candidatos para T2D e conexões entre eles através das diferentes ómicas.