Metab8D：一个基于多组学和机器学习的代谢调控网络

《Communications Biology》：Metab8D: a metabolic regulome network from multiomics and machine learning

　　

摘要

为了探索代谢组的多组学调控机制，我们利用机器学习技术预测了约1000种不同癌细胞系中的代谢组变化，这些数据包含了来自八个生物分子类别的匹配组学信息：基因组拷贝数变异、突变、DNA甲基化、组蛋白翻译后修饰（PTMs）、转录组学和RNA剪接变异、非编码转录组学（miRNA和lncRNA）、蛋白质组学以及磷酸蛋白质组学。总体而言，代谢组与转录组之间存在紧密关联，其中编码RNA和非编码RNA成为最重要的预测因子。外围代谢物的变化可以通过相应酶的水平来预测，而中心代谢途径中的代谢物则需要信号通路和氧化还原途径的多种预测因子共同作用，其变化可能并不直接反映相应通路的表达情况。我们对高度可预测的代谢物重建了多组学相互作用子网络，发现YAP1信号通路在四个组学层面上均是最重要的全局预测因子。我们优先选择这些预测性多组学特征用于单细胞和空间代谢组学分析。最重要的预测因子与具有合成致死效应的相互作用以及针对补偿性代谢调节因子的协同组合疗法相关。

此图片的替代文本可能是由人工智能生成的。