Обнаружение и извлечение общих признаков в группах генов, связанных с заболеваниями

Мультиомиксный анализ, интегрирующий разные слои профилей, сложен из-за существенного различия в количестве переменных. Например, профиль экспрессии генов и профиль метилирования ДНК часто анализируют вместе, но генов всего десятки тысяч, а сайтов метилирования ДНК — десятки миллионов.

Количество переменных различается на порядки, а число пар между геном и сайтом метилирования огромно. Это требует значительных вычислительных ресурсов для интегрированного анализа без контроля числа целей, например, путём фокусировки на сайтах метилирования в специфичных регионах (промоторных) на основе априорных знаний. Однако такое ограничение оставляет неисследованными эффекты метилирования в других регионах (например, энхансерах).

Исследование и достигнутые результаты

В недавнем исследовании, опубликованном в журнале PLOS ONE, к мультиомиксным данным (профили экспрессии генов, метилирования ДНК и однонуклеотидных полиморфизмов (SNP)), собранным организацией Iwate Tohoku Medical Megabank Organization (IMM) от 100 участников, применили метод, разработанный ранее, чтобы проверить, можно ли выявить связи с генами, ассоциированными с заболеваниями.

Это подход, основанный на данных, — метод извлечения переменных, использующий неконтролируемое обучение на основе тензорного разложения с ядром (далее — тензорное разложение). Метод применим к наборам данных, где все субъекты принадлежат к здоровой группе.

Кроме того, для его реализации требуется память порядка размера ядра (в частности, квадрата числа участников) на один профиль. Это позволяет даже для огромных профилей, таких как геномные и эпигеномные, содержащие десятки миллионов SNP или сайтов метилирования ДНК, проводить анализ, управляемый данными, который выявляет уникальные паттерны среди субъектов исследования и идентифицирует переменные (профили экспрессии генов, метилирования ДНК, SNP), демонстрирующие сходство с этими паттернами.

В этом исследовании тензорное разложение применили к мультиомиксным данным каждой аутосомы, полученным из трёх типов клеток: CD4-положительных T-клеток, моноцитов и нейтрофилов. В результате были идентифицированы два паттерна профилей субъектов. Эти два паттерна, наблюдаемые в 22 аутосомах, демонстрируют очень сильную взаимную корреляцию между разными аутосомами. Поскольку гены, идентифицированные в каждой аутосоме, полностью независимы друг от друга, это предполагает, что наблюдаемые паттерны, общие для хромосом, — не случайность.

Наблюдаемые ортогональные паттерны также нельзя объяснить эффектами партий. Маловероятно, что одни и те же эффекты партий присутствуют в трёх омиксных профилях, полученных разными методологиями. Эти два паттерна субъектов были получены как второй и третий сингулярные векторы в результате тензорных разложений соответственно. Второй сингулярный вектор был обнаружен во всех трёх типах клеток, а третий — в двух типах клеток, кроме моноцитов.

Затем были отобраны гены и регионы метилирования ДНК с профилями, гомологичными этим паттернам. Оказалось, что эти гены и регионы являются мишенями для многих транскрипционных факторов. Анализ обогащения показал, что эти транскрипционные факторы связаны с различными заболеваниями.

Кроме того, исследование показало, что идентифицированные SNP статистически значимо перекрываются с сайтами связывания этих транскрипционных факторов. Таким образом, авторы полагают, что применение тензорных разложений эффективно для интегрированного анализа мультиомиксных наборов данных.