Accurate and Comprehensive Mapping of Multi-omic Data to Biological Pathways

Význam tématu

Správná identifikace a přiřazení biologických entit z genomiky, transkriptomiky a metabolomiky do databází cest je základem pro mechanistické pochopení fyziologických procesů. Fragmentované a nejednotné názvosloví, chybějící nebo nekonzistentní identifikátory a různé formáty v populárních zdrojích KEGG, BioCyc či WikiPathways omezují kvalitu obohacení dat a jejich interpretaci. Technologie Agilent-BridgeDB integrovaná do softwaru GeneSpring a Mass Profiler Professional přináší univerzální řešení mapování, které umožňuje využít kompletní soubor dat z různých zdrojů a zvýšit spolehlivost výsledků.

Cíle a přehled studie

Cílem publikované aplikace je demonstrovat možnosti softwarového frameworku Agilent-BridgeDB pro přesné mapování entit mezi experimentem a cestami v databázích. Autoři představují čtyři případové studie, které ilustrují řešení běžných bioinformatických překážek, jako jsou:

• různé názvy a identifikátory téhož genu nebo metabolitu
• specifické enantiomery a jejich obecné D/L formy
• analýza multi-omics experimentů napříč databázemi
• entita s neúplnými nebo chybějícími anotacemi

Použitá metodika a instrumentace

Pro mapování entit Agilent-BridgeDB využívá dva typy mapperů: organismu specifické soubory pro geny a proteiny (Gladstone Institute, Ensembl) a univerzální metabolitový mapper (vyvinutý v Agilent Technologies). Tyto mapper soubory obsahují překryvy mezi identifikátory KEGG, HMDB, ChEBI, Entrez a UniProt a umožňují v softwaru GeneSpring/MPP:

• import cest ve formátech BioPAX, GPML a nativních exportů KEGG, BioCyc a WikiPathways
• komplexní zpracování D/L izomerů a synonym
• využití více sloupců anotací pro maximalizaci počtu přiřazení

Hlavní výsledky a diskuse

Čtyři případové studie ukazují praktické přínosy:

• Case Study 1: ztotožnění genu tryptophan synthase mezi BioCyc a experimentálním Entrez ID
• Case Study 2: sjednocení L- a D-cysteinu na generický záznam experimentu
• Case Study 3: souběžné obohacení pentóza–fosfátové dráhy z BioCyc a KEGG v multi-omics experimentu
• Case Study 4: využití alternativních identifikátorů (UniGene, RefSeq, Ensembl) k určení genů s neúplnými anotacemi

Přínosy a praktické využití metody

Výsledkem je:

• výrazně vyšší přesnost přiřazování entit k biologickým cestám
• možnost simultánní analýzy více databází a omics metod
• minimalizace ztráty dat kvůli chybějícím nebo nekonzistentním identifikátorům
• snazší interpretace biologických mechanismů a efektivnější plánování dalších experimentů

Budoucí trendy a možnosti využití

Očekává se rozšíření o další zdroje cest, vylepšení algoritmů pro automatické doplňování anotací, integrace s platformami strojového učení a AI a využití standardizovaných ontologií. Propojení s cloudovými službami a rozhraními velkých jazykových modelů umožní dynamické aktualizace mapování a pokročilé prediktivní analýzy.

Závěr

Agilent-BridgeDB v kombinaci s GeneSpring/MPP představuje robustní řešení pro přesné a komplexní mapování multi-omics dat na biologické dráhy. Technologie překonává omezení různých názvoslovných systémů, zvyšuje kvalitu analýzy a významně podporuje výzkum i průmyslovou analytiku.

Reference

• Kanehisa M et al. Nucleic Acids Research 42:D199 (2014)
• Caspi R et al. Nucleic Acids Research 38:D473 (2010)
• Kelder T et al. Nucleic Acids Research 40:D1301 (2012)
• Stobbe MD et al. BMC Systems Biology 5:165 (2011)
• Soh MK et al. BMC Bioinformatics 11:449 (2010)
• Altman T et al. BMC Bioinformatics 14:112 (2013)
• van Iersel MP et al. BMC Bioinformatics 11(1):5 (2010)
• Flicek P et al. Nucleic Acids Research 42:D749 (2014)