Multiblock omics data fusion using the Consensus OPLS R package Upgrades Conclusions - Archive ouverte HAL Accéder directement au contenu
Poster De Conférence Année : 2024

Multiblock omics data fusion using the Consensus OPLS R package Upgrades Conclusions

Fusion de données omiques multiblocs à l'aide du package R Consensus OPLS

Céline Bougel
van Du T. Tran
Julien Boccard
  • Fonction : Auteur
  • PersonId : 1106386
Florence Mehl

Résumé

Omics approaches have proven their value in providing a broad monitoring of biological systems. However, despite the wealth of data generated by modern analytical platforms, the analysis of a single dataset is still limited and insufficient to reveal the full biochemical complexity of biological samples. The fusion of information from several data sources constitutes therefore a relevant approach to assessing biochemical events more comprehensively. However, inherent problems encountered when analyzing single tables are amplified with the generation of multi-block datasets. Finding the relationships between data layers of increasing complexity constitutes a challenging task. Here we propose an extension to the versatile methodology combining the strength of established data analysis strategies, multi-block approaches with the Orthogonal Partial Least Squares (OPLS) framework, to offer an efficient tool as an R package for the fusion of Omics data obtained from multiple sources. The method, already available in MATLAB, has been implemented in R with additional functionalities, including multi-class response, non-linear kernels, and parallelization. The package has been validated on a published dataset (transcriptomics, plasma shotgun Mass Spectrometry (MS) lipidomics, and targeted LC-MS sphingolipids data) from living human pancreatic islet donors (n=51) with various diabetes status. Two analyses were performed: (i) a discriminant analysis to distinguish patients with impaired glucose tolerance, type 2 diabetes, and type 3c diabetes, and (ii) a regression analysis to model the level of HbA1c, a parameter of longer-term glycaemia. OPLS multiblock models enabled the identification of significant biomarkers across various blocks, leading to novel biological insights.
Les approches omiques ont prouvé leur valeur en permettant une surveillance étendue des systèmes biologiques. Cependant, malgré la richesse des données générées par les plateformes analytiques modernes, l'analyse d'un seul ensemble de données reste limitée et insuffisante pour révéler toute la complexité biochimique des échantillons biologiques. La fusion d'informations provenant de plusieurs sources de données constitue donc une approche pertinente pour évaluer les événements biochimiques de manière plus complète. Cependant, les problèmes inhérents rencontrés lors de l'analyse d'un seul ensemble de données sont amplifiés avec la génération d'ensembles de données multi blocs. Trouver les relations entre des couches de données de plus en plus complexes constitue un véritable défi. Nous proposons ici une extension de la méthodologie polyvalente combinant la force des stratégies d'analyse de données établies, les approches multi blocs avec le cadre de l'analyse des moindres carrés partiels orthogonaux (OPLS), afin d'offrir un outil efficace sous la forme d'un package R pour la fusion des données Omics obtenues à partir de sources multiples. La méthode, déjà disponible dans MATLAB, a été implémentée dans R avec des fonctionnalités supplémentaires, incluant une réponse multi-classe, les noyaux non linéaires et la parallélisation. Le package a été validé sur un ensemble de données publiées (transcriptomique, lipidomique plasma shotgun par spectrométrie de masse (MS) et données ciblées LC-MS sur les sphingolipides) provenant de donneurs vivants d'îlots pancréatiques humains (n=51) présentant différents statuts de diabète. Deux analyses ont été réalisées : (i) une analyse discriminante pour distinguer les patients présentant une intolérance au glucose, un diabète de type 2 et un diabète de type 3c, et (ii) une analyse de régression pour modéliser le niveau d'HbA1c, un paramètre de la glycémie à plus long terme. Les modèles OPLS multi blocs ont permis d'identifier des biomarqueurs significatifs dans différents blocs, ce qui a conduit à de nouvelles connaissances biologiques.
Fichier principal
Vignette du fichier
Poster_RFMF_2024.pdf (1.15 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04623802 , version 1 (25-06-2024)

Identifiants

  • HAL Id : hal-04623802 , version 1

Citer

Céline Bougel, van Du T. Tran, Julien Boccard, Marie Tremblay-Franco, Florence Mehl. Multiblock omics data fusion using the Consensus OPLS R package Upgrades Conclusions. Réseau Francophone de Métabolomique et Fluxomique (RFMF), Jun 2024, Saint-Malo (France), France. ⟨hal-04623802⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More