Um estudo de comparação de métodos canônicos: Aplicação a dados -Omics

A análise integrativa para uma melhor compreensão de sistemas biológicos complexos ganha mais atenção. Observar sujeitos de várias perspectivas e conduzir análise integrativa desses múltiplos conjuntos de dados possibilita uma compreensão mais profunda do assunto. Neste artigo, comparamos dois métodos que consideram simultaneamente dois conjuntos de dados coletados a partir dos mesmos objetos: análise de correlação canônica (CCA) e análise de co-inércia (CIA). Como a CCA não pode lidar com casos em que os dados apresentam alta dimensionalidade, duas estratégias foram consideradas: utilização de uma constante de ridge (CCA-ridge) e substituição das matrizes de covariância de cada dado pela matriz identidade e, em seguida, aplicação da decomposição de valor singular penalizada (CCA-PMD). Para ilustrar a CIA e a CCA, ambas as extensões da CCA e CIA foram aplicadas aos dados da linha celular NCI60. Foi demonstrado que ambos os métodos geram resultados biologicamente significativos e relevantes ao identificar genes importantes que aumentam nossa compreensão dos dados. Os resultados mostram algumas dissimilaridades decorrentes dos diferentes critérios utilizados para medir a relação entre os dois conjuntos de dados em cada método. Além disso, a CIA apresenta variações dependentes das matrizes de peso empregadas.