Computational Methods for Multimodal Omics Data Analysis

Mgr. Anna Pačínková

Doctoral thesis

Abstract:

Data z multi-omických experimentů mají potenciál poskytnout ucelený obraz biologických systémů stávajících se z mnoha různých, navzájem propojených, molekulárních komponent. Integrativní analýza multi-omických dat může pomoci obohatit naše porozumění biologickým systémům, což je stěžejní pro vývoj personalizované medicíny komplexních onemocnění. Proto je v současnosti vývoj výpočetních nástrojů k odvozování regulačních sítí jeden z nejrelevantnějších a nejvíce zkoumaných problémů systémové biologie. Hlavním cílem této práce je vytvořit účinný nástroj pro odvozování regulačních sítí z multi-omických experimentů. Nedílnou součástí práce je implementace tohoto nástroje ve statistickém jazyce R, včetně uživatelsky přívětivého manuálu (dostupné na webové stránce Bioconductoru, který poskytuje prostředí pro software s otevřeným zdrojovým kódem pro bioinformatiku). Nový algoritmus IntOMICS1 založený na Bayesovských sítích kombinuje apriorní informaci s novým přístupem odhalování biologické informace k odvozování regulačních sítí. IntOMICS systematicky analyzuje genovou expresi, methylaci DNA a variabilitu počtu genových kopií. Chybějící apriorní informace je doplněna o takzvanou empirickou biologickou informaci, která je odvozována z dostupných experimentálních dat. Částečným cílem této práce je také nový expresní profil odhalující fenotyp mikrosatelitové nestability, který je funkční napříč dvěma různými platformami využívanými pro profilování genové exprese (mikročipová technologie a sekvenační data). Schopnost IntOMICS algoritmu zachytit relevantní interakce mezi modalitami z různých omických experimentů je ověřena pomocí známých asociací u pacientů s nádorovým onemocněním tlustého střeva vykazujících mikrosatelitovou stabilitu/nestabilitu. Regulační sítě odvozené IntOMICS algoritmem poskytují hlubší poznatky o komplexním toku genetické informace. Navíc je vidět zvyšující se trend celkové správnosti IntOMICS algoritmu ve srovnání s publikovanými algoritmy vytvořenými pro odvozování regulačních sítí z dat genové exprese. 1 nezaměňovat s IntOmics https://github.com/herrsalmi/IntOmics, nástrojem pro integraci sekretomických a transkriptomických dat

Abstract:

Multi-omics data have the potential to provide a holistic view of the biological system consisting of different interconnected molecular components. Integration of multi-omics data can enhance our understanding of biological systems, which is crucial for developing novel personalised therapeutic strategies for complex diseases. Hence, developing a computational framework to infer regulatory relationships by integrating multiple modalities is one of the most relevant and challenging problems in systems biology. The overarching goal of the thesis is to develop an efficient and powerful framework for regulatory network inference from multimodal-omics data. An essential part of the thesis is an open-source implementation of the framework in the R statistical programming language with a comprehensive user guide (available on the Bioconductor site, which hosts free, open-source software for bioinformatics). The novel algorithm IntOMICS1 based on Bayesian networks combines prior knowledge with a novel approach to biological knowledge discovery to infer regulatory networks. IntOMICS systematically analyses gene expression, DNA methylation, and copy number variation. The missing biological prior knowledge is complemented by so-called empirical biological knowledge, estimated from the available experimental data. A partial goal of this thesis is a novel gene expression signature for microsatellite instable phenotype discovery valid across two different platforms for gene expression profiling, microarrays and RNA sequencing. The IntOMICS ability to capture relevant cross-talks between multi-omics modalities is verified using well-known associations in microsatellite stable/instable colon cancer samples. Regulatory networks derived from IntOMICS provide deeper insights into the complex flow of genetic information on top of the increasing accuracy trend compared to a published algorithm designed exclusively for gene expression data. 1 not to be confounded with IntOmics https://github.com/herrsalmi/IntOmics, a tool for integrating secretomics and transcriptomics data

Keywords

multimodal data fusion, Bayesian networks, adaptive MCMC algorithm, regulatory networks, cross-platform expression signature

Language used: English

Date on which the thesis was submitted / produced: 26. 1. 2023

Thesis defence

• Date of defence: 16. 8. 2023
• Supervisor: doc. Ing. Vlad Popovici, PhD
• Reader: prof. Ing. Filip Železný, Ph.D., prof. Stéphane Robin

Masaryk University

Faculty of Informatics

Doctoral programme / field:
Computer Science / Fundamentals of Computer Science