Summary
DeepOmicsAE — это рабочий процесс, основанный на применении метода глубокого обучения (т. е. автоэнкодера) для уменьшения размерности мультиомиксных данных, обеспечивая основу для прогностических моделей и сигнальных модулей, представляющих несколько слоев омиксных данных.
Abstract
Большие омиксные наборы данных становятся все более доступными для исследований здоровья человека. В этом документе представлен DeepOmicsAE, рабочий процесс, оптимизированный для анализа мультиомиксных наборов данных, включая протеомику, метаболомику и клинические данные. В этом рабочем процессе используется тип нейронной сети, называемый автоэнкодером, для извлечения краткого набора признаков из многомерных многоомиксных входных данных. Кроме того, рабочий процесс предоставляет метод оптимизации ключевых параметров, необходимых для реализации автоэнкодера. Чтобы продемонстрировать этот рабочий процесс, были проанализированы клинические данные когорты из 142 человек, которые были либо здоровы, либо у которых была диагностирована болезнь Альцгеймера, а также протеом и метаболом их посмертных образцов мозга. Признаки, извлеченные из латентного слоя автоэнкодера, сохраняют биологическую информацию, которая разделяет здоровых и больных пациентов. Кроме того, отдельные выделенные признаки представляют собой отдельные молекулярные сигнальные модули, каждый из которых уникально взаимодействует с клиническими особенностями индивидуумов, обеспечивая способ интеграции протеомики, метаболомики и клинических данных.
Introduction
Все большая часть населения стареет, и ожидается, что вближайшие десятилетия бремя возрастных заболеваний, таких как нейродегенерация, резко возрастет1. Болезнь Альцгеймера является наиболее распространенным типом нейродегенеративного заболевания2. Прогресс в поиске лечения был медленным, учитывая наше плохое понимание фундаментальных молекулярных механизмов, управляющих возникновением и прогрессированием заболевания. Большая часть информации о болезни Альцгеймера получена посмертно при исследовании тканей головного мозга, что сделало различение причин и следствий труднойзадачей. Проект по изучению памяти и старения религиозных орденов (ROSMAP) представляет собой амбициозную попытку получить более широкое понимание нейродегенерации, которая включает в себя изучение тысяч людей, которые взяли на себя обязательство ежегодно проходить медицинские и психологические обследования и предоставлять свой мозг для исследований после своейкончины. Исследование посвящено переходу от нормального функционирования мозга к болезни Альцгеймера2. В рамках проекта посмертные образцы мозга были проанализированы с помощью множества омиксных подходов, включая геномику, эпигеномику, транскриптомику, протеомику5 и метаболомику.
Омиксные технологии, обеспечивающие функциональное считывание клеточных состояний (т.е. протеомики и метаболомики)6,7, являются ключом к интерпретации заболеваний 8,9,10,11,12 из-за прямой связи между содержанием белка и метаболитов и клеточной активностью. Белки являются первичными исполнителями клеточных процессов, а метаболиты – субстратами и продуктами биохимических реакций. Мультиомиксный анализ данных дает возможность понять сложные взаимосвязи между данными протеомики и метаболомики, а не оценивать их по отдельности. Мультиомика — это дисциплина, которая изучает несколько слоев многомерных биологических данных, включая молекулярные данные (последовательность и мутации генома, транскриптом, протеом, метаболом), данные клинической визуализации и клинические особенности. В частности, мультиомиксный анализ данных направлен на интеграцию таких слоев биологических данных, понимание динамики их взаимной регуляции и взаимодействия, а также на обеспечение целостного понимания возникновения и прогрессирования заболевания. Тем не менее, методы интеграции мультиомиксных данных остаются на ранних стадиях разработки13.
Автоэнкодеры, разновидность неконтролируемой нейронной сети14, являются мощным инструментом для интеграции мультиомиксных данных. В отличие от контролируемых нейронных сетей, автоэнкодеры не сопоставляют выборки с конкретными целевыми значениями (например, здоров или болен) и не используются для прогнозирования результатов. Одно из их основных применений заключается в уменьшении размерности. Тем не менее, автоэнкодеры имеют ряд преимуществ по сравнению с более простыми методами уменьшения размерности, такими как анализ главных компонент (PCA), t-распределенное стохастическое вложение соседей (tSNE) или однородная многообразная аппроксимация и проекция (UMAP). В отличие от PCA, автоэнкодеры могут фиксировать нелинейные зависимости в данных. В отличие от tSNE и UMAP, они могут обнаруживать иерархические и мультимодальные отношения в данных, поскольку они полагаются на несколько слоев вычислительных блоков, каждый из которых содержит нелинейные функции активации. Таким образом, они представляют собой привлекательные модели для отражения сложности мультиомиксных данных. Наконец, в то время как основное применение PCA, tSNE и UMAP заключается в кластеризации данных, автоэнкодеры сжимают входные данные в извлеченные признаки, которые хорошо подходят для последующих задач прогнозирования15,16.
Вкратце, нейронные сети состоят из нескольких слоев, каждый из которых содержит несколько вычислительных блоков или «нейронов». Первый и последний слои называются входным и выходным слоями соответственно. Автоэнкодеры — это нейронные сети со структурой «песочные часы», состоящие из входного слоя, за которым следуют от одного до трех скрытых слоев и небольшой «латентный» слой, обычно содержащий от двух до шести нейронов. Первая половина этой структуры известна как энкодер и объединена с декодером, отражающим энкодер. Декодер заканчивается выходным слоем, содержащим то же количество нейронов, что и входной слой. Автоэнкодеры принимают входные данные через узкое место и реконструируют их на выходном уровне с целью создания выходного сигнала, максимально точно отражающего исходную информацию. Это достигается путем математической минимизации параметра, называемого «потерями при восстановлении». Входные данные состоят из набора признаков, которые в демонстрируемой здесь заявке будут включать в себя содержание белка и метаболитов, а также клинические характеристики (т.е. пол, образование и возраст на момент смерти). Скрытый слой содержит сжатое и информационно насыщенное представление входных данных, которое может быть использовано для последующих приложений, таких как прогностические модели17,18.
Этот протокол представляет собой рабочий процесс DeepOmicsAE, который включает в себя: 1) предварительную обработку протеомики, метаболомики и клинических данных (т. е. нормализацию, масштабирование, удаление выбросов) для получения данных с согласованным масштабом для анализа машинного обучения; 2) выбор подходящих входных характеристик автоэнкодера, так как перегрузка признаков может скрывать соответствующие паттерны заболеваний; 3) оптимизация и обучение автоэнкодера, в том числе определение оптимального количества белков и метаболитов для отбора, а также нейронов для латентного слоя; 4) извлечение признаков из латентного слоя; и 5) использование извлеченных признаков для биологической интерпретации путем идентификации молекулярных сигнальных модулей и их связи с клиническими признаками.
Этот протокол призван быть простым и применимым биологами с ограниченным опытом вычислений, которые имеют базовое понимание программирования на Python. Протокол фокусируется на анализе мультиомиксных данных, включая протеомику, метаболомику и клинические особенности, но его использование может быть расширено на другие типы данных молекулярной экспрессии, включая транскриптомику. Одним из важных новых применений, представленных этим протоколом, является отображение оценок важности исходных признаков на отдельные нейроны в латентном слое. В результате каждый нейрон в латентном слое представляет собой сигнальный модуль, детализирующий взаимодействие между конкретными молекулярными изменениями и клиническими характеристиками пациентов. Биологическая интерпретация молекулярных сигнальных модулей получена с помощью общедоступного инструмента MetaboAnalyst, который интегрирует данные о генах/белках и метаболитах для получения обогащенных метаболических и клеточных сигнальных путей17.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
ПРИМЕЧАНИЕ: Здесь использованы данные РОСМАП, загруженные с портала AD Knowledge. Для загрузки и повторного использования данных информированное согласие не требуется. Протокол, представленный в настоящем документе, использует глубокое обучение для анализа мультиомиксных данных и выявления сигнальных модулей, которые различают конкретных пациентов или группы выборки, например, на основе их диагноза. Протокол также предоставляет небольшой набор извлеченных признаков, которые суммируют исходные крупномасштабные данные и могут быть использованы для дальнейшего анализа, например, для обучения прогностической модели с использованием алгоритмов машинного обучения (рис. 1). Обратитесь к Дополнительному файлу 1 и Таблице материалов для получения информации о доступе к коду и настройке вычислительной среды перед выполнением протокола. Методы следует выполнять в порядке, указанном ниже.
Рисунок 1: Схема рабочего процесса DeepOmicsAE. Схематическое изображение рабочего процесса для анализа мультиомиксных данных с помощью рабочего процесса. На изображении автоэнкодера прямоугольники представляют слои нейронной сети, а круги — нейроны внутри слоев. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
1. Предварительная обработка данных
ПРИМЕЧАНИЕ: Целью этого раздела является предварительная обработка данных, включая обработку отсутствующих данных; нормализация и масштабирование протеомной, метаболомной экспрессии и клинических данных; и удаление выбросов. Протокол предназначен для набора данных, который включает данные протеомики, выраженные в виде log2 (ratio); данные метаболомики, выраженные в виде изменения складки; и клинические признаки, включая непрерывные и категориальные признаки. Пациенты или образцы должны быть сгруппированы на основе диагноза или других подобных параметров. Образцы или пациенты должны располагаться в строках, а объекты — в столбцах.
- Чтобы запустить новый экземпляр Jupyter Notebook в браузере, откройте новое окно терминала, введите следующую команду и нажмите клавишу ВВОД.
Записная книжка Jupyter - На домашней странице Jupyter в браузере щелкните записную книжку M01 — данные выражения pre-processing.ipynb, чтобы открыть ее в новой вкладке (Supplemental File 2, Step 1.1).
- Во второй ячейке записной книжки введите имя файла набора данных вместо your_dataset_name.csv.
- В последней ячейке записной книжки вместо M01_output_data.csv введите нужное имя файла выходных данных.
- В пятой ячейке записной книжки укажите положение столбцов для каждого типа данных следующим образом: данные протеомики (cols_prot), данные метаболомики (cols_met), непрерывные клинические данные (например, возраст) (cols_clin_con), бинарные клинические данные (например, пол) (cols_clin_bin). Введите индекс первого столбца для каждого типа данных вместо col_start и индекс последнего столбца вместо col_end; Например: cols_prot = slice(0, 8817). Убедитесь, что значения, указанные в объектах среза, соответствуют индексам первого и последнего столбцов, соответствующим каждому типу данных. Используйте команду в четвертой ячейке той же записной книжки (df.iloc[:, :]), чтобы определить начальную и конечную позиции для каждого типа данных (Дополнительный файл 2, шаг 1.2).
- Выбор ячейки | Запустите все из строки меню Jupyter, чтобы создать файл выходных данных в указанной папке (дополнительный файл 2, шаг 1.3).
ПРИМЕЧАНИЕ: Эти данные будут использоваться в качестве входных данных для протоколов, описанных в разделах 2, 3 или 4.
2. Кастомная оптимизация рабочего процесса (опционально)
ПРИМЕЧАНИЕ: Раздел 2 не является обязательным, так как он требует интенсивного использования компьютера. Пользователи должны сразу перейти к разделу 4, если они решают не выполнять раздел 2. Этот протокол поможет пользователю оптимизировать рабочий процесс в автоматическом режиме. В частности, метод определяет параметры, которые обеспечивают наилучшую производительность автоэнкодера с точки зрения генерации извлеченных признаков, которые хорошо разделяют группы выборок. Оптимизированные параметры, сгенерированные в качестве выходных данных, включают количество признаков, используемых для выбора признаков (k_prot и k_met), и количество нейронов в латентном слое автоэнкодера (латентном). Эти параметры затем можно использовать в протоколе, описанном в разделе 3, для создания модели.
- На домашней странице Jupyter в браузере щелкните записную книжку M02 — DeepOmicsAE model optimization.ipynb, чтобы открыть ее в новой вкладке (Supplemental File 2, Step 2.1).
- Во второй ячейке записной книжки вместо M01_output_data.csv введите имя входного файла. Входными данными для этой функции являются выходные данные из раздела 1.
- В пятой ячейке записной книжки укажите положение столбцов для каждого типа данных следующим образом: данные протеомики (cols_X_prot), данные метаболомики (cols_X_met), клинические данные (cols_clin; включает все клинические данные), все данные о молекулярной экспрессии, включая данные о протеомике и метаболомике (cols_X_expr). Введите индекс первого столбца для каждого типа данных вместо col_start и индекс последнего столбца вместо col_end; Например, cols_prot = slice(0, 8817). Убедитесь, что значения, указанные в объектах среза, соответствуют индексу первого и последнего столбцов, соответствующему каждому типу данных, и используйте команды в третьей и четвертой ячейках записной книжки для изучения данных и определения начальной и конечной позиций для каждого типа данных. Укажите имя столбца, содержащего целевую переменную, вместо y_column_name как y_label (Дополнительный файл 2, шаг 2.2).
ПРИМЕЧАНИЕ: Значения индексов, указанные в cols_X_prot, cols_X_met, cols_clin и cols_X_expr , будут отличаться от значений, используемых в разделе 1, из-за изменения формы кадра данных, происходящего во время предварительной обработки данных. - В шестой ячейке записной книжки укажите, сколько раундов оптимизации нужно выполнить, присвоив значение n_comb. Время обработки составляет примерно 4-5 минут за 10 раундов; 20 минут для 50 патронов и 40 минут для 100 патронов (Дополнительный файл 2, шаг 2.3).
- Выбор ячейки | Запустите все из строки меню Jupyter.
ПРИМЕЧАНИЕ: Выходные переменные kprot, kmet и latent будут сохранены, и к ним можно будет получить доступ из других записных книжек, которые будут использоваться для продолжения аналитического рабочего процесса. График AE_optimization_plot.pdf будет сгенерирован и сохранен в локальной папке (рисунок 2).
3. Реализация рабочего процесса с настраиваемыми оптимизированными параметрами
ПРИМЕЧАНИЕ: Выполняйте этот протокол только после оптимизации метода (раздел 2). Если пользователи не хотят выполнять оптимизацию методов, переходите непосредственно к разделу 4. Этот протокол поможет пользователю создать модель с использованием специально оптимизированных параметров, полученных из раздела 2. Автоэнкодер 1) генерирует набор извлеченных признаков, которые повторяют исходные данные, и 2) идентифицирует важные признаки, управляющие каждым нейроном в латентном слое, эффективно представляя уникальные сигнальные модули. Сигнальные модули будут интерпретированы с использованием протокола, предусмотренного в разделе 5.
- На домашней странице Jupyter в браузере щелкните записную книжку M03a — реализация DeepOmicsAE с пользовательской оптимизацией parameters.ipynb , чтобы открыть ее в новой вкладке (Supplemental File 2, Step 3.1).
- Во второй ячейке записной книжки вместо M01_output_data.csv введите имя входного файла. Входными данными для этой функции являются выходные данные из раздела 1.
- В пятой ячейке записной книжки укажите положение столбцов для каждого типа данных следующим образом: данные протеомики (cols_prot), данные метаболомики (cols_met), клинические данные (cols_clin; включает все клинические данные). Введите индекс первого столбца для каждого типа данных вместо col_start и индекс последнего столбца вместо col_end; Например: cols_prot = slice(0, 8817). Убедитесь, что значения, указанные в объектах среза, соответствуют индексам первого и последнего столбцов, соответствующим каждому типу данных, и используйте команды в третьей и четвертой ячейках записной книжки для изучения данных и определения начальной и конечной позиций для каждого типа данных. Укажите имя столбца, содержащего целевую переменную (например, 0 или 1, соответствующее healthy или diseased) вместо y_column_name как y_label.
ПРИМЕЧАНИЕ: Значения индексов, указанные в cols_X_prot, cols_X_met, cols_clin и cols_X_expr , будут отличаться от индексов, используемых в разделе 1, из-за изменения формы кадра данных, происходящего во время предварительной обработки данных. - Выбор ячейки | Запустите все из строки меню Jupyter, чтобы создать и сохранить графики PCA_initial_data.pdf, PCA_extracted_features.pdf и distribution_important_feature_scores.pdf в локальной папке (рис. 3 и дополнительный рисунок S1). Кроме того, списки важных характеристик для каждого идентифицированного модуля сигнализации будут храниться в текстовых файлах в локальной папке с именем module_n.txt, где n будет заменено номером модуля.
4. Реализация рабочего процесса с заданными параметрами
- Обратитесь к разделу 3 для получения подробных инструкций о том, как запустить этот метод (Дополнительный файл 2, шаг 4.1). Единственное различие между этими двумя протоколами заключается в том, что параметры kprot, kmet и latent (в седьмой ячейке записной книжки) получены математически на основе результатов оптимизации, выполненной так, как показано на рисунке 2.
ПРИМЕЧАНИЕ: Если в разделе 4 отсутствует разделение групп выборок, что указывает на неоптимальную производительность модели, рекомендуется выполнить оптимизацию модели (раздел 2), используя не менее 15 итераций, а по возможности и до 50.
5. Биологическая интерпретация с помощью MetaboAnalyst
- Откройте браузер и перейдите по ссылке ниже, чтобы получить доступ к функции Joint Pathway Analysis на веб-сайте MetaboAnalyst : https://www.metaboanalyst.ca/MetaboAnalyst/upload/JointUploadView.xhtml.
- Откройте папку, в которой были сохранены выходные файлы Метода 3 или Метода 4, и откройте текстовые файлы , module_n.txt для каждого модуля сигнализации n, сгенерированные Методом 3 или Методом 4.
- Найдите белки в текстовых файлах и скопируйте их.
- Вставьте список белков в окно Гены/белки с необязательными изменениями свертывания на веб-странице MetaboAnalyst.
- Повторите описанный выше шаг для метаболитов и вставьте их в окно Список соединений с необязательными изменениями сгиба на той же веб-странице.
- Выберите подходящий организм и тип идентификатора, затем нажмите «Отправить » в нижней части страницы (Дополнительный файл 2, шаг 5.1).
ПРИМЕЧАНИЕ: Убедитесь, что идентификаторы распознаются MetaboAnalyst. К распознанным идентификаторам относятся идентификатор Entrez, официальные символы генов и идентификатор Uniprot для белков; название соединения, идентификатор HMDB и идентификатор KEGG для метаболитов. Если идентификаторы отличаются от этих типов, перед анализом необходимо выполнить соответствующее преобразование. - На следующей странице проверьте сопоставление идентификаторов, прежде чем нажимать кнопку Продолжить , чтобы убедиться, что идентификаторы распознаются.
- На странице «Настройка параметров» выберите «Метаболические пути (интегрированные)» или «Все пути (интегрированные)», чтобы визуализировать соответственно вклад входных данных только в метаболические пути или во все сигнальные пути (дополнительный файл 2, шаг 5.2). На панели Выбор алгоритма выберите Анализ обогащения: Гипергеометрический тест, Мера топологии: Степень центральности и Метод интегрирования: Комбинировать значения p (уровень пути). Нажмите «Отправить» внизу страницы.
- Последняя страница — это представление результатов, в котором представлены результаты анализа обогащения. Обогащенные пути строятся на графике в зависимости от их влияния и значимости, а список путей также представлен в табличном формате.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Чтобы продемонстрировать протокол, мы проанализировали набор данных, включающий протеом, метаболом и клиническую информацию, полученную из посмертного мозга 142 человек, которые были либо здоровы, либо у которых была диагностирована болезнь Альцгеймера.
После выполнения раздела 1 протокола для предварительной обработки данных, набор данных включал 6497 белков, 443 метаболита и три клинических признака (пол, возраст на момент смерти и образование). Целевым признаком является клинический консенсусный диагноз когнитивного статуса на момент смерти, кодифицированный как cogdx, со значениями 1 для отсутствия когнитивных нарушений (ДИ) и 4 для деменции Альцгеймера и другой причины КН. Восемьдесят пациентов были диагностированы как здоровые, а у 62 – болезнь Альцгеймера. Реализован раздел протокола 2 для определения оптимальных значений параметров kprot, kmet и latent. Алгоритм оптимизации выполняет выбор и извлечение признаков с использованием различных комбинаций параметров модели. Затем он вычисляет и возвращает оценку силуэта PCA для входных данных и извлеченных объектов. Метод оптимизации показал, что меньший диапазон возможных значений kprot и kmet приводит к более высокой степени разделения между двумя группами пациентов, в то время как количество нейронов в латентном слое не оказывает существенного влияния на производительность модели (рис. 2).
Рисунок 2: Результаты оптимизации параметров. Количество итераций для раздела 2 протокола было установлено равным 212, а степень разделения между здоровыми группами и группами с болезнью Альцгеймера визуализировалась на основе оценки силуэта PCA (оценка силуэта для PCA по извлеченным признакам). Количество нейронов в латентном слое отображается в виде размера пузырька (latent), в то время как номера выбранных признаков для данных протеомики (kprot) и метаболомики (kmet) отображаются на осях x и y соответственно. Аббревиатура: PCA = анализ главных компонент. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
Раздел протокола 3 был применен для получения извлеченных признаков и сигнальных модулей с использованием оптимизированных параметров, полученных как описано выше. Вкратце, модель была оптимизирована для использования 804 белков, 67 метаболитов и четырех нейронов в латентном слое. Диагностические группы были разделены по выделенным признакам (силуэтная оценка = 0,09) лучше, чем по исходным признакам (силуэтная оценка = 0,019), в то время как они не были разделены по исходным признакам, демонстрируя, что извлеченные признаки отражают информацию, которая является ключевой для определения состояния заболевания (рис. 3). Оценки важности исходных признаков по отношению к каждому нейрону в латентном слое показаны на дополнительном рисунке S1. Важные признаки, определяющие каждый нейрон, были выбраны в качестве верхнего10-го процентиля значений оценки признаков для каждого нейрона. Перекрытие между нейронами и набором выбранных признаков ограничено, демонстрируя, что каждый нейрон в латентном слое фокусируется на различных аспектах сигнальных событий, приводящих к болезни Альцгеймера (дополнительный рисунок S2A). Кроме того, совпадение между важными признаками, идентифицированными DeepOmicsAE, и теми, которые идентифицированы с помощью PCA, также низкое, что подчеркивает важность регистрации нелинейных зависимостей для достижения полного понимания мультиомиксных данных (дополнительный рисунок S2B).
Рисунок 3: Извлеченные признаки, содержащие важную информацию для разделения групп заболеваний. (A) PCA по входным признакам. (B) PCA на извлеченные признаки. Аббревиатура: PCA = анализ главных компонент. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
Раздел протокола 5 был выполнен для интерпретации сигнальных модулей, полученных в соответствии с описанным выше образом. MetaboAnalyst идентифицировал обогащение различных метаболических и сигнальных путей для каждого сигнального модуля (рис. 4 и дополнительный файл 3). Примечательно, что DeepOmicsAE также характеризует взаимодействия, происходящие между клиническими признаками и сигнальными модулями. Например, пол и возраст на момент смерти связаны с измененным метаболизмом глицеролипидов у пациентов с болезнью Альцгеймера (Модуль 3). Другими словами, изменения в этом метаболическом пути с большей вероятностью определяют заболевание в подгруппах пациентов определенного пола и возраста. И наоборот, изменения синапсов и функциональности аксонов (модуль 2), как правило, происходят у пациентов с болезнью Альцгеймера независимо от их пола, уровня образования и продолжительности жизни. Исходя из представленных результатов, можно сделать вывод, что каждый нейрон в латентном слое автоэнкодера представляет собой отдельный сигнальный модуль, управляющий заболеванием.
Рисунок 4: Нейроны в латентном слое, соответствующие различным сигнальным модулям. Схема результатов, полученных в результате анализа с помощью MetaboAnalyst важных признаков, полученных от каждого нейрона в латентном слое. Обогащенные пути были выбраны на основе оценки воздействия более 0,25 и FDR ниже 0,05; Кроме того, «важность пути - совместная оценка» была рассчитана как произведение балла воздействия с отрицательным логарифмическим значением FDR10 для каждого пути, и сообщалось о путях с «совместным баллом» более 0,55. Наконец, оценка важности отдельных клинических признаков в каждом сигнальном модуле отображается на осях y гистограмм. Аббревиатура: FDR = false discovery. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этого рисунка.
Дополнительный файл 1: Информация для доступа к коду и настройки вычислительной среды перед выполнением протокола. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный файл 2: Скриншоты с визуальным описанием реализации протокола. Верхние пути обогащены в каждом сигнальном модуле. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный файл 3: Результаты анализа обогащения из MetaboAnalyst. Вкладка 1: все обогащенные термины. Вкладка 2: Верхние пути, обогащенные в каждом сигнальном модуле. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный файл 4: Файлы кода, включая функции и записные книжки Jupyter. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок S1: Распределение оценок важности функций в каждом модуле сигнализации. Значения важности были масштабированы и построены графики их распределения для каждого модуля, соответствующего нейрону в латентном слое. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Дополнительный рисунок S2: Сигнальные модули, генерируемые DeepOmicsAE, предоставляют уникальную информацию. (A) Величина перекрытия между элементами, включенными в каждый модуль сигнализации, отображается в виде высоты полос. Черные точки, соединенные линиями, показывают, какое перекрывающееся множество представлено каждым столбцом на графике. (B) Диаграмма Венна, представляющая собой перекрытие между всеми функциями, содержащимися в четырех сигнальных модулях, полученных с помощью DeepOmicsAE, и 100 наиболее важными характеристиками, полученными с помощью PCA. Аббревиатура: PCA = анализ главных компонент. Пожалуйста, нажмите здесь, чтобы скачать этот файл.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Структура набора данных имеет решающее значение для успеха протокола и должна быть тщательно проверена. Данные должны быть отформатированы в соответствии с разделом 1 протокола. Правильное назначение позиций столбцов также имеет решающее значение для успеха метода. Данные протеомики и метаболомики предварительно обрабатываются по-разному, а выбор признаков проводится отдельно из-за разного характера данных. Поэтому очень важно правильно назначать позиции столбцов на шагах протокола 1.5, 2.3 и 3.3.
Если клинические данные содержат типы данных, которые не являются числовыми (непрерывные или двоичные значения), пользователь может столкнуться с ошибкой при выполнении метода, описанного в разделе 1 протокола. Чтобы устранить эту проблему, пользователи могут изменить свой набор данных, включив в него только числовые клинические данные. Например, категориальные данные, такие как пол, могут быть преобразованы в двоичные числовые данные. Другой проблемой является ошибка в предварительной обработке данных, которая может возникнуть, если набор данных не упорядочен в соответствии с разделом 1 протокола — сначала данные протеомики, затем метаболомики, затем клинически. Целевая переменная (например, диагноз, степень, стадия, лечение) должна содержаться в последнем столбце набора данных. Переупорядочивайте данные соответствующим образом перед запуском протокола. Для биологической интерпретации сигнальных модулей также можно использовать онтологию генов или анализ обогащения набора генов. Тем не менее, MetaboAnalyst предлагает преимущество интеграции метаболических данных в анализ, обеспечивая тем самым всестороннюю интерпретацию данных.
Метод оптимизирован для анализа данных протеомики, выраженных в виде логарифмических2-преобразованных соотношений, и данных метаболомики, выраженных в виде изменений складки. Это является потенциальным ограничением метода, поскольку он ограничивает его применимость к типам данных, отличным от этих. Тем не менее, можно внести изменения в сценарий предварительной обработки данных (F01_data_preprocessing_function.py; см. Дополнительный файл 4), чтобы адаптировать его к другим типам данных молекулярной экспрессии, таким как данные транскриптомики. Выполнение алгоритма оптимизации (раздел протокола 2) занимает много времени и может быть непрактичным для многих пользователей. Одним из возможных способов решения этой проблемы является ограничение количества итераций. Каждый раунд оптимизации генерирует одну точку данных для графика, как показано на рисунке 2. Точки данных, соответствующие лучшему разделению групп на основе PCA (верхний10-й процентиль разделения баллов силуэта PCA по признакам, извлеченным с помощью автоэнкодера), выбираются и используются для вычисления оптимальных значений kprot, kmet и latent в качестве их средних значений в выбранном подмножестве (см. "M02 - DeepOmicsAE model optimization.ipynb"). Чем больше точек данных используется для вычисления среднего значения, тем точнее будет оценка параметров оптимальной производительности модели. Поскольку алгоритм в F02 предназначен для заполнения диапазона возможных значений оптимизируемых параметров, то для получения адекватной оценки оптимальных значений параметров модели будет достаточно 15-20 итераций. Другой возможностью является пропуск раздела протокола 2 и непосредственное использование раздела протокола 4, который не требует предварительной оптимизации.
Автоэнкодеры являются инструментом, широко используемым для уменьшения размерности14,18. DeepOmicsAE обеспечивает несколько существенных улучшений по сравнению с существующими подходами, особенно с точки зрения интерпретируемости информации, извлеченной из латентного слоя автоэнкодера19,20. Во-первых, рабочий процесс обеспечивает автоматизированный шаг оптимизации, который обеспечивает выбор оптимальных значений параметров рабочего процесса. Во-вторых, автоэнкодер использует степень разделения между здоровыми пациентами и пациентами с болезнью Альцгеймера, измеренную с помощью PCA, в качестве меры производительности модели (валидация на основе результатов). В-третьих, он предлагает новый математический подход к интерпретации модели глубокого обучения путем вычисления важности исходных признаков по отношению к каждому нейрону в латентном слое. Для этого для каждого признака вводится небольшое возмущение, и вычисляется результирующее изменение в каждом нейроне латентного слоя. Усредняя абсолютные изменения по всем выборкам для каждого нейрона, метод вычисляет оценку важности для каждого признака относительно данного нейрона, где большее значение означает более влиятельный признак. В то время как другие методы глубокого обучения ранее использовались для анализа данных молекулярной экспрессии в контексте болезни Альцгеймера21,22, автоэнкодеры имели ограниченное применение. По сравнению с предыдущими методами, рабочий процесс, представленный в настоящем документе, позволяет идентифицировать взаимодействие между клиническими признаками и событиями молекулярной сигнализации. Кроме того, насколько нам известно, DeepOmicsAE является первым рабочим процессом, который фокусируется на интеграции протеомных, метаболомных и клинических данных для понимания возникновения и прогрессирования болезни Альцгеймера.
Множественность нейродегенеративных заболеваний до сих пор не установлена. В данном исследовании представлен метод, предназначенный для анализа функционального молекулярного ландшафта (т.е. протеома и метаболома) и клинических характеристик пациентов с болезнью Альцгеймера. Предыдущие исследования дали ключ к пониманию важности метаболизма при нейродегенерации 23,24,25; Однако многое еще предстоит понять. DeepOmicsAE представляет собой мощный инструмент для извлечения релевантной биологической информации из многомерных данных, поскольку он правильно идентифицирует множество биологических процессов, которые, как установлено, способствуют прогрессированию болезни Альцгеймера. К ним относятся нарушение регуляции глутаматергического синапса, аксональное управление и долгосрочное потенцирование (рис. 4)26,27. Среди них глуматергическая система является хорошо известной терапевтической мишенью для лечения заболевания28. Одним из важных применений метода является то, что он предоставляет набор извлеченных признаков, которые могут быть использованы для обучения моделей для прогнозирования состояния заболевания. Однако автоэнкодеры по своей природе нестабильны из-за случайной инициализации весов функций, содержащихся в нейронах. Поэтому дальнейшая работа должна быть сосредоточена на разработке стратегий повышения стабильности. Такая работа позволила бы создать более обобщаемую модель, которая выдает надежные извлеченные признаки, которые лучше подходят для задач прогнозирования. Второе важное применение этого рабочего процесса заключается в том, что его можно использовать для интерпретации взаимодействий между протеомным, метаболомным и клиническим уровнями информации (рис. 4), что дает представление о том, как конкретные клинические особенности взаимодействуют с молекулярными паттернами. Таким образом, этот рабочий процесс может генерировать новые знания о движущих силах заболевания в субпопуляциях с различными клиническими признаками.
Таким образом, DeepOmicsAE предоставляет рабочий процесс для анализа мультиомиксных данных с особым акцентом на данные молекулярной экспрессии и клинические особенности. Рабочий процесс может быть адаптирован для анализа транскриптомных данных, а также использован для изучения наборов данных по различным заболеваниям, включая рак, диабет, болезни сердца, легких или почек.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Автор заявляет, что у них нет конфликта интересов.
Acknowledgments
Эта работа была поддержана грантом NIH CA201402 и премией Корнелльского центра геномики позвоночных (CVG) Distinguished Scholar Award. Опубликованные здесь результаты полностью или частично основаны на данных, полученных с портала знаний AD (https://adknowledgeportal.org). Данные исследования были предоставлены через Партнерство по ускорению медицины болезни Альцгеймера (U01AG046161 и U01AG061357) на основе образцов, предоставленных Центром болезни Альцгеймера Раша, Медицинский центр Университета Раш, Чикаго. Сбор данных был поддержан за счет грантов NIA P30AG10161, R01AG15819, R01AG17917, R01AG30146, R01AG36836, U01AG32984, U01AG46152, Департамента общественного здравоохранения штата Иллинойс и Научно-исследовательского института трансляционной геномики. Набор данных метаболомики был сгенерирован в Metabolon и предварительно обработан ADMC.
Materials
| Name | Company | Catalog Number | Comments |
| Computer | Apple | Mac Studio | Apple M1 Ultra with 20-core CPU, 48-core GPU, 32-core Neural Engine; 64 GB unified memory |
| Conda v23.3.1 | Anaconda, Inc. | N/A | package management system and environment manager |
| conda environment DeepOmicsAE |
N/A | DeepOmicsAE_env.yml | contains packages necessary to run the worflow |
| github repository DeepOmicsAE | Microsoft | https://github.com/elepan84/DeepOmicsAE/ | provides scripts, Jupyter notebooks, and the conda environment file |
| Jupyter notebook v6.5.4 | Project Jupyter | N/A | a platform for interactive data science and scientific computing |
| DT01-metabolomics data | N/A | ROSMAP_Metabolon_HD4_Brain 514_assay_data.csv |
This data was used to generate the Results reported in the article. Specifically, DT01-DT04 were merged by matching them based on the individualID. The column final consensus diagnosis (cogdx) was filtered to keep only patients classified as healthy or AD. Climnical features were filtered to keep the following: age at death, sex and education. Finally, age reported as 90+ was set to 91, then the age column was transformed to float64. The data is available at https://adknowledgeportal.synapse.org |
| DT02-TMT proteomics data | N/A | C2.median_polish_corrected_log2 (abundanceRatioCenteredOn MedianOfBatchMediansPer Protein)-8817x400.csv |
|
| DT03-clinical data | N/A | ROSMAP_clinical.csv | |
| DT04-biospecimen metadata | N/A | ROSMAP_biospecimen_metadata .csv |
|
| Python 3.11.3 | Python Software Foundation | N/A | programming language |
References
- Hou, Y., et al. Ageing as a risk factor for neurodegenerative disease. Nature Reviews Neurology. 15 (10), 565-581 (2019).
- Scheltens, P., et al.
- Breijyeh, Z., Karaman, R. Comprehensive review on Alzheimer’s disease: causes and treatment. Molecules. 25 (24), 5789 (2020).
- Bennett, D. A., et al. Religious Orders Study and Rush Memory and Aging Project. Journal of Alzheimer’s Disease. 64 (s1), S161-S189 (2018).
- Higginbotham, L., et al. Integrated proteomics reveals brain-based cerebrospinal fluid biomarkers in asymptomatic and symptomatic Alzheimer’s disease. Science Advances. 6 (43), eaaz9360 (2020).
- Aebersold, R., et al. How many human proteoforms are there. Nature Chemical Biology. 14 (3), 206-214 (2018).
- Nusinow, D. P., et al. Quantitative proteomics of the cancer cell line encyclopedia. Cell. 180 (2), 387-402.e16 (2020).
- Johnson, E. C. B., et al. Large-scale proteomic analysis of Alzheimer’s disease brain and cerebrospinal fluid reveals early changes in energy metabolism associated with microglia and astrocyte activation. Nature Medicine. 26 (5), 769-780 (2020).
- Geyer, P. E., et al. Plasma proteome profiling to assess human health and disease. Cell Systems. 2 (3), 185-195 (2016).
- Akbani, R., et al. A pan-cancer proteomic perspective on the cancer genome atlas. Nature Communications. 5, 3887 (2014).
- Panizza, E., et al. Proteomic analysis reveals microvesicles containing NAMPT as mediators of radioresistance in glioma. Life Science Alliance. 6 (6), e202201680 (2023).
- Li, Z., Vacanti, N. M. A tale of three proteomes: visualizing protein and transcript abundance relationships in the Breast Cancer Proteome Portal. Journal of Proteome Research. 22 (8), 2727-2733 (2023).
- Subramanian, I., Verma, S., Kumar, S., Jere, A., Anamika, K. Multi-omics Data Integration, Interpretation, and Its Application. Bioinformatics and Biology Insights. 14, 1177932219899051 (2020).
- Wang, Y., Yao, H., Zhao, S.
- Mulla, F. R., Gupta, A. K. A review paper on dimensionality reduction techniques. Journal of Pharmaceutical Negative Results. 13, 1263-1272 (2022).
- Shrestha, A., Mahmood, A. Review of deep learning algorithms and architectures. IEEE Access. 7, 53040-53065 (2019).
- Pang, Z., et al. MetaboAnalyst 5.0: Narrowing the gap between raw spectra and functional insights. Nucleic Acids Research. 49 (W1), W388-W396 (2021).
- Hinton, G. E., Salakhutdinov, R. R. Reducing the dimensionality of data with neural networks. Science. 313 (5786), 504-507 (2006).
- Altmann, A., Toloşi, L., Sander, O., Lengauer, T. Permutation importance: a corrected feature importance measure. Bioinformatics. 26 (10), 1340-1347 (2010).
- A unified approach to interpreting model predictions. Lundberg, S. M., Allen, P. G., Lee, S. -I. 31st Conference on Neural Information Processing Systems (NIPS 2017), , Long Beach, CA, USA. (2017).
- Wang, Q., et al. Deep learning-based brain transcriptomic signatures associated with the neuropathological and clinical severity of Alzheimer’s disease. Brain Communications. 4 (1), (2021).
- Beebe-Wang, N., et al. Unified AI framework to uncover deep interrelationships between gene expression and Alzheimer’s disease neuropathologies. Nature Communications. 12 (1), 5369 (2021).
- Camandola, S., Mattson, M. P. Brain metabolism in health, aging, and neurodegeneration. The EMBO Journal. 36 (11), 1474-1492 (2017).
- Verdin, E. NAD+ in aging, metabolism, and neurodegeneration. Science. 350 (6265), 1208-1213 (2015).
- Platten, M., Nollen, E. A. A., Röhrig, U. F., Fallarino, F., Opitz, C. A. Tryptophan metabolism as a common therapeutic target in cancer, neurodegeneration and beyond. Nature Reviews Drug Discovery. 18 (5), 379-401 (2019).
- Wang, R., Reddy, P. H. Role of glutamate and NMDA receptors in Alzheimer’s disease. Journal of Alzheimer’s Disease. 57 (4), 1041-1048 (2017).
- Skaper, S. D., Facci, L., Zusso, M., Giusti, P. Synaptic plasticity, dementia and Alzheimer disease. CNS & Neurological Disorders - Drug Targets. 16 (3), 220-233 (2017).
- Reisberg, B., et al.
