Communication Dans Un Congrès Année : 2025

phoenics : une nouvelle approche statistique pour l'analyse différentielle longitudinale de voies métaboliques

Résumé

Metabolomics describes the metabolic profile of an organism at a given timeby the concentrations of its constituent metabolites. When studied over time, metaboliteconcentrations can help understand the dynamical evolution of a biological process. However,metabolites are involved into sequences of chemical reactions, called metabolic pathways,related to a given biological function. Accounting for these pathways into statistical methodsfor metabolomic data is thus a relevant way to directly express results in terms of biologicalfunctions and to increase their interpretability. We propose a new method, phoenics, to perform differential analysis for longitudinal metabolomic data at the pathway level. In short,phoenics proceeds in two steps: First, the matrix of metabolite quantifications is transformedby a dimension reduction approach accounting for pathway information. Then, a mixed linearmodel is fitted on the transformed data. This method was applied to semi-synthetic data anda real dataset assessing effects of antibiotic on feces. Results showed that phoenics properlycontrols the Type I error rate and has a better ability to detect differential metabolic pathwaysand to extract new impacted biological functions than alternative methods. The method isimplemented in the R package phoenics available on CRAN.

La métabolomique décrit le profil métabolique d'un organisme par les concentrations des métabolites qui le compose à un instant donné. Lorsqu'elles sont étudiées au fil du temps, les concentrations des métabolites peuvent aider à comprendre l'évolution dynamique d'un processus biologique. Cependant, ces métabolites sont impliqués dans des séquences de réactions chimiques, appelées voies métaboliques, liées à une fonction biologique donnée. La prise en compte de ces voies dans les méthodes statistiques d'analyse des données métabolomiques est donc un moyen pertinent d'exprimer directement les résultats en termes de fonctions biologiques et d'augmenter leur interprétabilité. Nous proposons une nouvelle méthode, phoenics, qui effectue une analyse différentielle des données métabolomiques longitudinales au niveau des voies. En bref, phoenics procède en deux étapes : tout d'abord, la matrice de quantification des métabolites est transformée par une approche de réduction de dimension prenant en compte les informations sur les voies. Ensuite, un modèle linéaire mixte est ajusté sur les données transformées. Cette méthode a été appliquée à des données semi-synthétiques et à un jeu de données réelles évaluant les effets des antibiotiques sur les matières fécales. Les résultats ont montré que phoenics contrôle correctement le taux d'erreur de type I et a une meilleure capacité à détecter les voies métaboliques différentielles et à extraire de nouvelles fonctions biologiques impactées que les méthodes alternatives. La méthode est implémentée dans le package R phoenics disponible sur CRAN.

Fichier principal
Vignette du fichier
guilmineau_etal_JdS2025.pdf (270.33 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05113439 , version 1 (15-06-2025)

Licence

Identifiants

  • HAL Id : hal-05113439 , version 1

Citer

Camille Guilmineau, Rémi Servien, Marie Tremblay-Franco, Nathalie Vialaneix. phoenics : une nouvelle approche statistique pour l'analyse différentielle longitudinale de voies métaboliques. 56. Journées de Statistique de la SFdS (JdS 2025), Société Française de Statistique, Jun 2025, Marseille, France. pp.463. ⟨hal-05113439⟩
314 Consultations
97 Téléchargements

Partager

  • More