Multiomics , multi-omics , omics integradores , "Panomics" o ' Panomics' es un enfoque de análisis biológico en el que los conjuntos de datos son múltiples " omes ", tales como el genoma , proteoma , transcriptoma , epigenoma , metaboloma , y microbioma ( es decir, un metagenoma y / o metatranscriptoma , dependiendo de cómo se secuencia); [1] [2] [3] en otras palabras, el uso de múltiples ómicastecnologías para estudiar la vida de forma concertada . Al combinar estos "omes", los científicos pueden analizar grandes datos biológicos complejos para encontrar asociaciones novedosas entre entidades biológicas, identificar biomarcadores relevantes y construir marcadores elaborados de enfermedades y fisiología. Al hacerlo, la multiómica integra diversos datos ómicos para encontrar una relación o asociación geno-fenotipo-ambiental que coincida coherentemente. [4] El servicio OmicTools enumera más de 99 softwares relacionados con el análisis de datos multiomic, así como más de 99 bases de datos sobre el tema. [5]
Los enfoques de biología de sistemas a menudo se basan en el uso de datos de análisis panómico. [6] [7] La Sociedad Estadounidense de Oncología Clínica (ASCO) define la panómica como "la interacción de todas las funciones biológicas dentro de una célula y con otras funciones corporales, combinando datos recopilados por pruebas dirigidas ... y ensayos globales (como como secuenciación del genoma) con otra información específica del paciente ". [8]
Multiómica de celda única
Una rama del campo de la multiómica es el análisis de datos unicelulares multinivel , denominada multiómica unicelular. [9] [10] Este enfoque nos da una resolución sin precedentes para observar las transiciones de múltiples niveles en la salud y la enfermedad a nivel de una sola célula. Una ventaja en relación con el análisis masivo es mitigar los factores de confusión derivados de la variación de célula a célula, lo que permite descubrir arquitecturas de tejido heterogéneas. [9]
Los métodos para el análisis genómico y transcriptómico de una sola célula en paralelo pueden basarse en la amplificación simultánea [11] o la separación física de ARN y ADN genómico. [12] Permiten información que no se puede recopilar únicamente a partir del análisis transcriptómico, ya que los datos de ARN no contienen regiones genómicas no codificantes e información sobre la variación del número de copias , por ejemplo. Una extensión de esta metodología es la integración de transcriptomas unicelulares a metilomas unicelulares, combinando la secuenciación de bisulfito unicelular [13] [14] a RNA-Seq de una sola célula. [15 ] También existen otras técnicas para consultar el epigenoma, como ATAC-Seq [16] unicelular y Hi-C [17] unicelular .
Un desafío diferente, pero relacionado, es la integración de datos proteómicos y transcriptómicos. [18] [19] Un enfoque para realizar dicha medición es separar físicamente los lisados unicelulares en dos, procesando la mitad para el ARN y la otra mitad para las proteínas. [18] El contenido de proteínas de los lisados se puede medir mediante ensayos de extensión por proximidad (PEA), por ejemplo, que utilizan anticuerpos con códigos de barras de ADN. [20] Un enfoque diferente utiliza una combinación de sondas de ARN de metales pesados y anticuerpos proteicos para adaptar la citometría de masas para el análisis multiómico. [19]
Multiómica y aprendizaje automático
Paralelamente a los avances en biología de alto rendimiento, están floreciendo las aplicaciones de aprendizaje automático para el análisis de datos biomédicos. La integración del análisis de datos multiómicos y el aprendizaje automático ha llevado al descubrimiento de nuevos biomarcadores . [21] [22] [23] Por ejemplo, uno de los métodos del proyecto mixOmics implementa un método basado en la regresión de mínimos cuadrados parciales dispersos para la selección de características (biomarcadores putativos). [24]
Multiómica en salud y enfermedad
En la actualidad, Multiomics promete llenar los vacíos en la comprensión de la salud y las enfermedades humanas, y muchos investigadores están trabajando en formas de generar y analizar datos relacionados con enfermedades. [25] Las aplicaciones van desde comprender las interacciones huésped-patógeno y las enfermedades infecciosas [26] [27] hasta comprender mejor las enfermedades crónicas y complejas no transmisibles [28] y mejorar la medicina personalizada. [29]
Proyecto Integrado de Microbioma Humano
La segunda fase del Proyecto de Microbioma Humano de $ 170 millones se centró en integrar datos de pacientes a diferentes conjuntos de datos ómicos, considerando la genética del huésped, la información clínica y la composición del microbioma [30] [31]. La fase uno se centró en la caracterización de comunidades en diferentes sitios corporales. La fase 2 se centró en la integración de datos multiómicos del huésped y el microbioma a las enfermedades humanas. Específicamente, el proyecto utilizó la multiómica para mejorar la comprensión de la interacción de los microbiomas nasales y intestinales con la diabetes tipo 2 , [32] los microbiomas intestinales y la enfermedad inflamatoria intestinal [33] y los microbiomas vaginales y el parto prematuro. [34]
Inmunología de sistemas
La complejidad de las interacciones en el sistema inmunológico humano ha impulsado la generación de una gran cantidad de datos ómicos multiescala relacionados con la inmunología. [35] Se ha empleado el análisis de datos multiómicos para recopilar conocimientos novedosos sobre la respuesta inmunitaria a enfermedades infecciosas, como la chikungunya pediátrica , [36] así como a las enfermedades autoinmunes no transmisibles . [37] La ómica integradora también se ha empleado fuertemente para comprender la efectividad y los efectos secundarios de las vacunas , un campo llamado vaccinología de sistemas. [38] Por ejemplo, la multiómica fue esencial para descubrir la asociación de cambios en los metabolitos plasmáticos y el transcriptoma del sistema inmunológico en la respuesta a la vacunación contra el herpes zóster . [39]
Lista de software para análisis multiómico
El proyecto Bioconductor selecciona una variedad de paquetes R destinados a integrar datos ómicos:
- omicade4 , para análisis de co-inercia múltiple de conjuntos de datos multiómicos [40]
- MultiAssayExperiment , que ofrece una interfaz de bioconductor para muestras superpuestas [41]
- IMAS , un paquete centrado en el uso de datos multiómicos para evaluar empalmes alternativos [42]
- bioCancer , un paquete para la visualización de datos de cáncer multiómico [43]
- mixOmics , un conjunto de métodos multivariados para la integración de datos [24]
- MultiDataSet , un paquete para encapsular múltiples conjuntos de datos [44]
La base de datos OmicTools [5] destaca además los paquetes R y otras herramientas para el análisis de datos multiómicos:
- PaintOmics , un recurso web para la visualización de conjuntos de datos multiómicos [45] [46]
- SIGMA, un programa de Java centrado en el análisis integrado de conjuntos de datos sobre el cáncer [47]
- iOmicsPASS, una herramienta en C ++ para la predicción de fenotipos basada en múltiples modelos [48]
- Grimon , una interfaz gráfica en R para la visualización de datos multiómicos [49]
- Omics Pipe , un marco en Python para automatizar de manera reproducible el análisis de datos multiómico [50]
Bases de datos multiómicas
Una limitación importante de los estudios ómicos clásicos es el aislamiento de un solo nivel de complejidad biológica. Por ejemplo, los estudios transcriptómicos pueden proporcionar información a nivel de transcripción, pero muchas entidades diferentes contribuyen al estado biológico de la muestra ( variantes genómicas , modificaciones postraduccionales , productos metabólicos, organismos que interactúan, entre otros). Con el advenimiento de la biología de alto rendimiento , se está volviendo cada vez más asequible realizar múltiples mediciones, lo que permite correlaciones e inferencias de transdominios (por ejemplo, niveles de ARN y proteínas). Estas correlaciones ayudan a la construcción de redes biológicas más completas , llenando vacíos en nuestro conocimiento.
Sin embargo, la integración de datos no es una tarea fácil. Para facilitar el proceso, los grupos han curado bases de datos y canalizaciones para explorar sistemáticamente datos multiómicos:
- Base de datos de expresión de perfiles de Multi-Omics (MOPED), [51] que integra diversos modelos animales,
- La base de datos de expresión pancreática, que integra datos relacionados con el tejido pancreático ,
- LinkedOmics , [52] [53] conectando datos de conjuntos de datos de cáncer TCGA ,
- OASIS, [54] un recurso basado en la web para estudios generales sobre el cáncer,
- BCIP, [55] una plataforma para estudios de cáncer de mama ,
- C / VDdb, [56] conectando datos de varios estudios de enfermedades cardiovasculares,
- ZikaVR, [57] un recurso multiómico para datos sobre el virus del Zika
- Ecomics, [58] una base de datos multiómica normalizada para datos de Escherichia coli ,
- GourdBase, [59] integrando datos de estudios con calabaza ,
- MODEM, [60] una base de datos para datos de maíz de varios niveles ,
- SoyKB, [61] una base de datos para datos de soja multinivel ,
- ProteomicsDB , [62] un recurso multi-ómico y multi-organismo para la investigación en ciencias de la vida.
Ver también
- DisGeNET
- Pangenómica
- Hologenómica
- Ómicas
- Lista de temas ómicos en biología
- Biologia de sistemas
- Medicina de red
Referencias
- ^ Bersanelli, Matteo; Mosca, Ettore; Remondini, Daniel; Giampieri, Enrico; Sala, Claudia; Castellani, Gastone; Milanesi, Luciano (1 de enero de 2016). "Métodos para la integración de datos multiómicos: aspectos matemáticos" . BMC Bioinformática . 17 (2): S15. doi : 10.1186 / s12859-015-0857-9 . ISSN 1471-2105 . PMC 4959355 . PMID 26821531 .
- ^ Bock, Christoph; Farlik, Matthias; Sheffield, Nathan C. (agosto de 2016). "Multi-Omics de células individuales: estrategias y aplicaciones" . Tendencias en biotecnología . 34 (8): 605–608. doi : 10.1016 / j.tibtech.2016.04.004 . PMC 4959511 . PMID 27212022 .
- ^ Vilanova, Cristina; Porcar, Manuel (26 de julio de 2016). "¿Son suficientes las multi-ómicas?" . Microbiología de la naturaleza . 1 (8): 16101. doi : 10.1038 / nmicrobiol.2016.101 . PMID 27573112 . S2CID 3835720 .
- ^ Tarazona, S., Balzano-Nogueira, L. y Conesa, A. (2018). Integración de datos de Multiomics en experimentos de series temporales. doi : 10.1016 / bs.coac.2018.06.005
- ^ a b "Obtenga las recompensas de un motor de conocimiento biológico" . omicX . Consultado el 26 de junio de 2019 .
- ^ Sesión de panómica del cáncer PSB'14 Archivado el 23 de septiembre de 2013 en la Wayback Machine.
- ^ El paisaje molecular del cáncer: uso de la panómica para impulsar el cambio. Archivado el 9 de noviembre de 2013 en la Wayback Machine.
- ^ "Glosario". Acelerando el progreso contra el cáncer: plan de la ASCO para transformar la investigación clínica y traslacional del cáncer (PDF) . Sociedad Americana de Oncología Clínica. 2011. p. 28 . Consultado el 13 de septiembre de 2013 .
- ^ a b Han, Jing-Dong Jackie (5 de septiembre de 2018). "Evaluación de la facultad de 1000 para Multiomics unicelular: múltiples mediciones de un solo celda" . doi : 10.3410 / f.727213649.793550351 .
- ^ Hu, Youjin; An, Qin; Sheu, Katherine; Trejo, Brandon; Fan, Shuxin; Guo, Ying (20 de abril de 2018). "Tecnología Single Cell Multi-Omics: Metodología y Aplicación" . Fronteras en biología celular y del desarrollo . 6 : 28. doi : 10.3389 / fcell.2018.00028 . ISSN 2296-634X . PMC 5919954 . PMID 29732369 .
- ^ Kester, Lennart Spanjaard, Bastiaan Bienko, Magda van Oudenaarden, Alexander Dey, Siddharth S (2015). "Secuenciación integrada del genoma y del transcriptoma de la misma célula" . Biotecnología de la naturaleza . 33 (3): 285-289. doi : 10.1038 / nbt.3129 . OCLC 931063996 . PMC 4374170 . PMID 25599178 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Macaulay, Iain C; Teng, Mabel J; Haerty, Wilfried; Kumar, Parveen; Ponting, Chris P; Voet, Thierry (29 de septiembre de 2016). "Separación y secuenciación paralela de los genomas y transcriptomas de células individuales mediante G & T-seq" . Protocolos de la naturaleza . 11 (11): 2081–2103. doi : 10.1038 / nprot.2016.138 . hdl : 20.500.11820 / 015ce29d-7e2d-42c8-82fa-cb1290b761c0 . ISSN 1754-2189 . PMID 27685099 . S2CID 24351548 .
- ^ Tang, Fuchou; Wen, Lu; Li, Xianlong; Wu, Xinglong; Zhu, Ping; Guo, Hongshan (1 de diciembre de 2013). "Paisajes de metiloma unicelular de células madre embrionarias de ratón y embriones tempranos analizados mediante secuenciación de bisulfito de representación reducida" . Investigación del genoma . 23 (12): 2126–2135. doi : 10.1101 / gr.161679.113 . ISSN 1088-9051 . PMC 3847781 . PMID 24179143 .
- ^ Kelsey, Gavin; Reik, Wolf; Stegle, Oliver; Andrews, Simon R .; Julian Peat; Saadeh, Heba; Krueger, Felix; Angermueller, Christof; Lee, Heather J. (agosto de 2014). "Secuenciación de bisulfito unicelular de todo el genoma para evaluar la heterogeneidad epigenética" . Métodos de la naturaleza . 11 (8): 817–820. doi : 10.1038 / nmeth.3035 . ISSN 1548-7105 . PMC 4117646 . PMID 25042786 .
- ^ Angermueller, Christof; Clark, Stephen J; Lee, Heather J; Macaulay, Iain C; Teng, Mabel J; Hu, Tim Xiaoming; Krueger, Felix; Smallwood, Sébastien A; Ponting, Chris P (11 de enero de 2016). "La secuenciación unicelular en paralelo vincula la heterogeneidad transcripcional y epigenética" . Métodos de la naturaleza . 13 (3): 229–232. doi : 10.1038 / nmeth.3728 . ISSN 1548-7091 . PMC 4770512 . PMID 26752769 .
- ^ Greenleaf, William J .; Chang, Howard Y .; Snyder, Michael P .; Michael L. Gonzales; Ruff, Dave; Litzenburger, Ulrike M .; Wu, Beijing; Buenrostro, Jason D. (julio de 2015). "La accesibilidad de la cromatina unicelular revela principios de variación reguladora" . Naturaleza . 523 (7561): 486–490. Código bibliográfico : 2015Natur.523..486B . doi : 10.1038 / nature14590 . ISSN 1476-4687 . PMC 4685948 . PMID 26083756 .
- ^ Fraser, Peter; Tanay, Amos; Laue, Ernest D .; Dean, Wendy; Yaffe, Eitan; Schoenfelder, Stefan; Stevens, Tim J .; Lubling, Yaniv; Nagano, Takashi (octubre de 2013). "Unicelular Hi-C revela la variabilidad de célula a célula en la estructura cromosómica" . Naturaleza . 502 (7469): 59–64. Código bibliográfico : 2013Natur.502 ... 59N . doi : 10.1038 / nature12593 . ISSN 1476-4687 . PMC 3869051 . PMID 24067610 .
- ^ a b Darmanis, Spyros; Gallant, Caroline Julie; Marinescu, Voichita Dana; Niklasson, Mia; Segerman, Anna; Flamourakis, Georgios; Fredriksson, Simon; Assarsson, Erika; Lundberg, Martin (12 de enero de 2016). "Medición multiplexada simultánea de ARN y proteínas en células individuales" . Informes de celda . 14 (2): 380–389. doi : 10.1016 / j.celrep.2015.12.021 . ISSN 2211-1247 . PMC 4713867 . PMID 26748716 .
- ^ a b Gherardini, Pier Federico; Nolan, Garry P .; Chen, Shih-Yu; Hsieh, Elena WY; Zunder, Eli R .; Bava, Felice-Alessio; Frei, Andreas P. (marzo de 2016). "Detección simultánea altamente multiplexada de ARN y proteínas en células individuales" . Métodos de la naturaleza . 13 (3): 269-275. doi : 10.1038 / nmeth.3742 . ISSN 1548-7105 . PMC 4767631 . PMID 26808670 .
- ^ Assarsson, Erika; Lundberg, Martin; Holmquist, Göran; Björkesten, Johan; Bucht Thorsen, Stine; Ekman, Daniel; Eriksson, Anna; Rennel Dickens, Emma; Ohlsson, Sandra (22 de abril de 2014). "Inmunoensayo homogéneo de 96 Plex PEA que exhibe alta sensibilidad, especificidad y excelente escalabilidad" . PLOS ONE . 9 (4): e95192. Código bibliográfico : 2014PLoSO ... 995192A . doi : 10.1371 / journal.pone.0095192 . ISSN 1932-6203 . PMC 3995906 . PMID 24755770 .
- ^ Garmire, Lana X .; Chaudhary, Kumardeep; Huang, Sijia (2017). "Más es mejor: Progreso reciente en métodos de integración de datos Multi-Omics" . Fronteras en genética . 8 : 84. doi : 10.3389 / fgene.2017.00084 . ISSN 1664-8021 . PMC 5472696 . PMID 28670325 .
- ^ Tagkopoulos, Ilias; Kim, Minseung (2018). "Integración de datos y métodos de modelado predictivo para conjuntos de datos multiómicos". Ómica molecular . 14 (1): 8-25. doi : 10.1039 / C7MO00051K . PMID 29725673 .
- ^ Lin, Eugene; Lane, Hsien-Yuan (20 de enero de 2017). "Enfoques de aprendizaje automático y genómica de sistemas para datos multiómicos" . Investigación de biomarcadores . 5 (1): 2. doi : 10.1186 / s40364-017-0082-y . ISSN 2050-7771 . PMC 5251341 . PMID 28127429 .
- ^ a b Rohart, Florian; Gautier, Benoît; Singh, Amrit; Lê Cao, Kim-Anh (14 de febrero de 2017). "mixOmics: un paquete R para 'selección de características ómicas e integración de datos múltiples" . PLOS Biología Computacional . 13 (11): e1005752. bioRxiv 10.1101 / 108597 . doi : 10.1371 / journal.pcbi.1005752 . PMC 5687754 . PMID 29099853 .
- ^ Hasin, Yehudit; Seldin, Marcus; Lusis, Aldons (5 de mayo de 2017). "Enfoques multiómicos a la enfermedad" . Biología del genoma . 18 (1): 83. doi : 10.1186 / s13059-017-1215-1 . ISSN 1474-760X . PMC 5418815 . PMID 28476144 .
- ^ Khan, Mohd M .; Ernst, Orna; Manes, Nathan P .; Oyler, Benjamin L .; Fraser, Iain DC; Goodlett, David R .; Nita-Lazar, Aleksandra (11 de marzo de 2019). "Estrategias Multi-Omics descubren interacciones huésped-patógeno". Enfermedades Infecciosas ACS . 5 (4): 493–505. doi : 10.1021 / acsinfecdis.9b00080 . ISSN 2373-8227 . PMID 30857388 .
- ^ Aderem, Alan; Adkins, Joshua N .; Ansong, Charles; Galagan, James; Kaiser, Shari; Korth, Marcus J .; Law, G. Lynn; McDermott, Jason G .; Proll, Sean C. (1 de febrero de 2011). "Un enfoque de biología de sistemas para la investigación de enfermedades infecciosas: innovando el paradigma de investigación patógeno-huésped" . mBio . 2 (1): e00325-10. doi : 10.1128 / mbio.00325-10 . ISSN 2150-7511 . PMC 3034460 . PMID 21285433 .
- ^ Yan, Jingwen; Risacher, Shannon L; Shen, Li; Saykin, Andrew J. (30 de junio de 2017). "Enfoques de red para el análisis de biología de sistemas de enfermedades complejas: métodos integradores para datos multi-ómicos" . Sesiones informativas en bioinformática . 19 (6): 1370-1381. doi : 10.1093 / bib / bbx066 . ISSN 1467-5463 . PMC 6454489 . PMID 28679163 .
- ^ Él, Feng Q .; Ollert, Markus; Balling, Rudi; Bode, Sebastian FN; Delhalle, Sylvie (6 de febrero de 2018). "Hoja de ruta hacia la inmunología personalizada" . Biología y aplicaciones de sistemas NPJ . 4 (1): 9. doi : 10.1038 / s41540-017-0045-9 . ISSN 2056-7189 . PMC 5802799 . PMID 29423275 .
- ^ Proctor, Lita M .; Creasy, Heather H .; Fettweis, Jennifer M .; Lloyd-Price, Jason; Mahurkar, Anup; Zhou, Wenyu; Buck, Gregory A .; Snyder, Michael P .; Strauss, Jerome F. (mayo de 2019). "El Proyecto Integrativo del Microbioma Humano" . Naturaleza . 569 (7758): 641–648. Bibcode : 2019Natur.569..641I . doi : 10.1038 / s41586-019-1238-8 . ISSN 1476-4687 . PMC 6784865 . PMID 31142853 .
- ^ "Después del Proyecto Integrativo del Microbioma Humano, ¿qué sigue para la comunidad del microbioma?" . Naturaleza . 569 (7758): 599. 29/05/2019. Código Bib : 2019Natur.569Q.599. . doi : 10.1038 / d41586-019-01674-w . PMID 31142868 . S2CID 169035865 .
- ^ Snyder, Michael; Weinstock, George M .; Sodergren, Erica; McLaughlin, Tracey; Tse, David; Rost, Hannes; Piening, Brian; Kukurba, Kim; Rose, Sophia Miryam Schüssler-Fiorenza (mayo de 2019). "Multi-ómicas longitudinales de la dinámica del microbio del huésped en la prediabetes" . Naturaleza . 569 (7758): 663–671. Código Bib : 2019Natur.569..663Z . doi : 10.1038 / s41586-019-1236-x . ISSN 1476-4687 . PMC 6666404 . PMID 31142858 .
- ^ Huttenhower, Curtis; Xavier, Ramnik J .; Vlamakis, Hera; Franzosa, Eric A .; Clish, Clary B .; Invierno, Harland S .; Stappenbeck, Thaddeus S .; Petrosino, Joseph F .; McGovern, Dermot PB (mayo de 2019). "Multi-ómicas del ecosistema microbiano intestinal en enfermedades inflamatorias del intestino" . Naturaleza . 569 (7758): 655–662. Código Bib : 2019Natur.569..655L . doi : 10.1038 / s41586-019-1237-9 . ISSN 1476-4687 . PMC 6650278 . PMID 31142855 .
- ^ Buck, Gregory A .; Strauss, Jerome F .; Jefferson, Kimberly K .; Hendricks-Muñoz, Karen D .; Wijesooriya, N. Romesh; Rubens, Craig E .; Gravett, Michael G .; Sexton, Amber L .; Chaffin, Donald O. (junio de 2019). "El microbioma vaginal y el parto prematuro" . Medicina de la naturaleza . 25 (6): 1012–1021. doi : 10.1038 / s41591-019-0450-2 . ISSN 1546-170X . PMC 6750801 . PMID 31142849 .
- ^ Kidd, Brian A; Peters, Lauren A; Schadt, Eric E; Dudley, Joel T (21 de enero de 2014). "Unificando la inmunología con la informática y la biología multiescala" . Inmunología de la naturaleza . 15 (2): 118-127. doi : 10.1038 / ni.2787 . ISSN 1529-2908 . PMC 4345400 . PMID 24448569 .
- ^ Harris, Eva; Kasarskis, Andrew; Wolinsky, Steven M .; Suaréz ‐ Fariñas, Mayte; Zhu, Jun; Wang, Li; Balmaseda, Ángel; Thomas, Guajira P .; Stewart, Michael G. (1 de agosto de 2018). "Perfil inmune innato integral de la infección por virus chikungunya en casos pediátricos" . Biología de sistemas moleculares . 14 (8): e7862. doi : 10.15252 / msb.20177862 . ISSN 1744-4292 . PMC 6110311 . PMID 30150281 .
- ^ Firestein, Gary S .; Wang, Wei; Gay, Steffen; Ball, Scott T .; Bartok, Beatrix; Boyle, David L .; Whitaker, John W. (22 de abril de 2015). "El análisis omics integrativo de la artritis reumatoide identifica objetivos terapéuticos no evidentes" . PLOS ONE . 10 (4): e0124254. Código Bibliográfico : 2015PLoSO..1024254W . doi : 10.1371 / journal.pone.0124254 . ISSN 1932-6203 . PMC 4406750 . PMID 25901943 .
- ^ Pulendran, Bali; Li, Shuzhao; Nakaya, Helder I. (29 de octubre de 2010). "Sistemas de vacunación" . La inmunidad . 33 (4): 516–529. doi : 10.1016 / j.immuni.2010.10.006 . ISSN 1074-7613 . PMC 3001343 . PMID 21029962 .
- ^ Li, Shuzhao; Sullivan, Nicole L .; Rouphael, Nadine; Yu, Tianwei; Banton, Sophia; Maddur, Mohan S .; McCausland, Megan; Chiu, Christopher; Canniff, Jennifer (18 de mayo de 2017). "Fenotipos metabólicos de respuesta a la vacunación en humanos" . Celular . 169 (5): 862–877.e17. doi : 10.1016 / j.cell.2017.04.026 . ISSN 0092-8674 . PMC 5711477 . PMID 28502771 .
- ^ Meng, Chen; Kuster, Bernhard; Culhane, Aedín C; Gholami, Amin (2014). "Un enfoque multivariado para la integración de conjuntos de datos multi-ómicos" . BMC Bioinformática . 15 (1): 162. doi : 10.1186 / 1471-2105-15-162 . ISSN 1471-2105 . PMC 4053266 . PMID 24884486 .
- ^ Ramos, Marcel; Schiffer, Lucas; Re, Angela; Azhar, Rimsha; Basunia, Azfar; Rodríguez, Carmen; Chan, Tiffany; Chapman, Phil; Davis, Sean R .; Gómez-Cabrero, David; Culhane, Aedin C .; Haibe-Kains, Benjamin; Hansen, Kasper D .; Kodali, Hanish; Louis, Marie S .; Mer, Arvind S .; Riester, Markus; Morgan, Martin; Carey, Vince; Waldron, Levi (1 de noviembre de 2017). "Software para la Integración de Experimentos Multiómica en Bioconductores". Investigación del cáncer . 77 (21): e39 – e42. doi : 10.1158 / 0008-5472.CAN-17-0344 .
- ^ Seonggyun Han, Younghee Lee (2017), IMAS , Bioconductor, doi : 10.18129 / b9.bioc.imas , consultado el 28 de junio de 2019.
- ^ Karim Mezhoud [Aut, Cre] (2017), bioCancer , Bioconductor, doi : 10.18129 / b9.bioc.biocancer , consultado el 28 de junio de 2019
- ^ Hernández-Ferrer, Carles; Ruiz-Arenas, Carlos; Beltrán-Gomila, Alba; González, Juan R. (17 de enero de 2017). "MultiDataSet: un paquete R para encapsular múltiples conjuntos de datos con aplicación a la integración de datos ómicos" . BMC Bioinformática . 18 (1): 36. doi : 10.1186 / s12859-016-1455-1 . ISSN 1471-2105 . PMC 5240259 . PMID 28095799 .
- ^ Conesa, Ana; Dopazo, Joaquín; García-López, Federico; García-Alcalde, Fernando (1 de enero de 2011). "Paintomics: una herramienta basada en web para la visualización conjunta de datos de transcriptómica y metabolómica" . Bioinformática . 27 (1): 137-139. doi : 10.1093 / bioinformatics / btq594 . ISSN 1367-4803 . PMC 3008637 . PMID 21098431 .
- ^ Conesa, Ana; Pappas, Georgios J .; Furió-Tarí, Pedro; Balzano-Nogueira, Leandro; Martínez-Mira, Carlos; Tarazona, Sonia; Hernández-de-Diego, Rafael (02/07/2018). "PaintOmics 3: un recurso web para el análisis de ruta y visualización de datos multi-ómicos" . Investigación de ácidos nucleicos . 46 (W1): W503 – W509. doi : 10.1093 / nar / gky466 . ISSN 0305-1048 . PMC 6030972 . PMID 29800320 .
- ^ Chari, Raj; Coe, Bradley P .; Wedseltoft, Craig; Benetti, Marie; Wilson, Ian M .; Vucic, Emily A .; MacAulay, Calum; Ng, Raymond T .; Lam, Wan L. (7 de octubre de 2008). "SIGMA2: un sistema para el análisis multidimensional genómico integrativo de genomas, epigenomas y transcriptomas del cáncer" . BMC Bioinformática . 9 (1): 422. doi : 10.1186 / 1471-2105-9-422 . ISSN 1471-2105 . PMC 2571113 . PMID 18840289 .
- ^ Choi, Hyungwon; Ewing, Rob; Choi, Kwok Pui; Fermín, Damián; Koh, Hiromi WL (23 de julio de 2018). "iOmicsPASS: un método novedoso para la integración de datos multi-ómicos sobre redes biológicas y descubrimiento de subredes predictivas" . bioRxiv : 374520. doi : 10.1101 / 374520 . S2CID 92157115 .
- ^ Kanai, Masahiro; Maeda, Yuichi; Okada, Yukinori (19 de junio de 2018). "Grimon: interfaz gráfica para visualizar redes multi-ómicas" . Bioinformática . 34 (22): 3934–3936. doi : 10.1093 / bioinformatics / bty488 . ISSN 1367-4803 . PMC 6223372 . PMID 29931190 .
- ^ Su, Andrew I .; Loguercio, Salvatore; Carland, Tristan M .; Ducom, Jean-Christophe; Gioia, Louis; Meißner, Tobias; Fisch, Kathleen M. (1 de junio de 2015). "Omics Pipe: un marco basado en la comunidad para el análisis de datos multi-ómicas reproducibles" . Bioinformática . 31 (11): 1724-1728. doi : 10.1093 / bioinformatics / btv061 . ISSN 1367-4803 . PMC 4443682 . PMID 25637560 .
- ^ Montague, Elizabeth; Stanberry, Larissa; Higdon, Roger; Janko, Imre; Lee, Elaine; Anderson, Nathaniel; Choiniere, John; Stewart, Elizabeth; Yandl, Gregory (junio de 2014). "MOPED 2.5: un recurso integrado de Multi-Omics: la base de datos de expresiones de perfiles de Multi-Omics ahora incluye datos de transcriptómica" . OMICS: una revista de biología integrativa . 18 (6): 335–343. doi : 10.1089 / omi.2014.0061 . ISSN 1536-2310 . PMC 4048574 . PMID 24910945 .
- ^ Zhang, Bing; Wang, Jing; Straub, Peter; Vasaikar, Suhas V. (4 de enero de 2018). "LinkedOmics: análisis de datos multi-ómicos dentro y entre 32 tipos de cáncer" . Investigación de ácidos nucleicos . 46 (D1): D956 – D963. doi : 10.1093 / nar / gkx1090 . ISSN 0305-1048 . PMC 5753188 . PMID 29136207 .
- ^ "LinkedOmics :: Iniciar sesión" . www.linkedomics.org . Consultado el 26 de junio de 2019 .
- ^ Kan, Zhengyan; Rejto, Paul A .; Roberts, Peter; Ding, Ying; Dolor, Keith; Wang, Kai; Deng, Shibing; Schefzick, Sabine; Estrella, Heather (enero de 2016). "OASIS: plataforma basada en la web para explorar datos multiómicos del cáncer". Métodos de la naturaleza . 13 (1): 9–10. doi : 10.1038 / nmeth.3692 . ISSN 1548-7105 . PMID 26716558 . S2CID 38621277 .
- ^ Wu, Jiaqi; Hu, Shuofeng; Chen, Yaowen; Li, Zongcheng; Zhang, Jian; Yuan, Hanyu; Shi, Qiang; Shao, Ningsheng; Ying, Xiaomin (mayo de 2017). "BCIP: una plataforma centrada en genes para identificar posibles genes reguladores en el cáncer de mama" . Informes científicos . 7 (1): 45235. Código Bibliográfico : 2017NatSR ... 745235W . doi : 10.1038 / srep45235 . ISSN 2045-2322 . PMC 5361122 . PMID 28327601 .
- ^ Husi, Holger; Patel, Alisha; Fernandes, Marco (12 de noviembre de 2018). "C / VDdb: una base de datos de perfiles de expresión multi-ómica para un enfoque basado en el conocimiento en enfermedades cardiovasculares (ECV)" . PLOS ONE . 13 (11): e0207371. Código bibliográfico : 2018PLoSO..1307371F . doi : 10.1371 / journal.pone.0207371 . ISSN 1932-6203 . PMC 6231654 . PMID 30419069 .
- ^ Gupta, Amit Kumar; Kaur, Karambir; Rajput, Akanksha; Dhanda, Sandeep Kumar; Sehgal, Manika; Khan, Md. Shoaib; Monga, Isha; Dar, Showkat Ahmad; Singh, Sandeep (16 de septiembre de 2016). "ZikaVR: un recurso integrado del virus del Zika para análisis genómico, proteómico, filogenético y terapéutico" . Informes científicos . 6 (1): 32713. Bibcode : 2016NatSR ... 632713G . doi : 10.1038 / srep32713 . ISSN 2045-2322 . PMC 5025660 . PMID 27633273 .
- ^ Tagkopoulos, Ilias; Violeta Zorraquino; Rai, Navneet; Kim, Minseung (7 de octubre de 2016). "La integración multi-ómica predice con precisión el estado celular en condiciones inexploradas para Escherichia coli" . Comunicaciones de la naturaleza . 7 : 13090. Bibcode : 2016NatCo ... 713090K . doi : 10.1038 / ncomms13090 . ISSN 2041-1723 . PMC 5059772 . PMID 27713404 .
- ^ Li, Guojing; Lu, Zhongfu; Lin, Jiandong; Hu, Yaowen; Yunping Huang; Wang, Baogen; Wu, Xinyi; Wu, Xiaohua; Xu, Pei (26 de febrero de 2018). "GourdBase: una base de datos multi-ómica centrada en el genoma de la calabaza de botella (Lagenaria siceraria), un cultivo de cucurbitáceas económicamente importante" . Informes científicos . 8 (1): 3604. Bibcode : 2018NatSR ... 8.3604W . doi : 10.1038 / s41598-018-22007-3 . ISSN 2045-2322 . PMC 5827520 . PMID 29483591 .
- ^ Liu, Haijun; Wang, Fan; Xiao, Yingjie; Tian, Zonglin; Wen, Weiwei; Zhang, Xuehai; Chen, Xi; Liu, Nannan; Li, Wenqiang (2016). "MODEM: envolvente de datos multiómicos y minería en maíz" . Base de datos . 2016 : baw117. doi : 10.1093 / database / baw117 . ISSN 1758-0463 . PMC 4976297 . PMID 27504011 .
- ^ Xu, Dong; Nguyen, Henry T .; Stacey, Gary; Gaudiello, Eric C .; Endacott, Ryan Z .; Zhang, Hongxin; Liu, Yang; Chen, Shiyuan; Fitzpatrick, Michael R. (1 de enero de 2014). "Base de conocimientos de soja (SoyKB): un recurso web para la integración de la genómica traslacional de la soja y el mejoramiento molecular" . Investigación de ácidos nucleicos . 42 (D1): D1245 – D1252. doi : 10.1093 / nar / gkt905 . ISSN 0305-1048 . PMC 3965117 . PMID 24136998 .
- ^ Samaras, Patroklos; Schmidt, Tobias; Frejno, Martin; Gessulat, Siegfried; Reinecke, María; Jarzab, Anna; Zecha, Jana; Mergner, Julia; Giansanti, Piero; Ehrlich, Hans-Christian; Aiche, Stephan (8 de enero de 2020). "ProteomicsDB: un recurso multi-ómico y multi-organismo para la investigación de las ciencias de la vida" . Investigación de ácidos nucleicos . 48 (D1): D1153 – D1163. doi : 10.1093 / nar / gkz974 . ISSN 0305-1048 . PMC 7145565 . PMID 31665479 .