Diagonal Multi-omics Integration of Heterogenous Datasets

De moderne biologie is een tijdperk binnengegaan waarin wetenschappers een momentopname van een enkele cel kunnen maken en tegelijkertijd duizenden van haar kenmerken kunnen meten. Ze kunnen de genetische code, de actieve genen, de eiwitten die worden gebouwd en de chemische signalen allemaal tegelijkertijd aflezen. Deze vloedgolf aan gegevens belooft te onthullen hoe complexe ziekten werken en nieuwe manieren te vinden om ze te behandelen. Echter, deze verschillende soorten metingen komen uit verschillende wiskundige werelden. Ze zijn als verschillende talen die hetzelfde object beschrijven, en het simpelweg naast elkaar leggen ervan faalt vaak om te vatten hoe ze werkelijk met elkaar interageren. De uitdaging is om een manier te vinden om deze verschillende visies te versmelten tot één coherent beeld dat de complexe, niet-lineaire relaties binnen een levende cel respecteert.

Onderzoekers van het Russisch Klinisch Onderzoekscentrum voor Gerontologie en het Instituut voor Toegepaste Wiskunde en Automatisering hebben een nieuwe wiskundige methode ontwikkeld om dit probleem op te lossen. Ze noemen het diagonale multi-omics integratie. In plaats van deze verschillende datasets te dwingen om er hetzelfde uit te zien, behandelt hun benadering de verschillen tussen hen als een bron van informatie. Ze gebruiken een geavanceerd wiskundig instrument genaamd een gekoppelde graaf-Laplacian, die fungeert als een brug tussen de verschillende soorten gegevens. Dit instrument stelt hen in staat om de complexe, hoog-dimensionale data van een cel te mappen naar een eenvoudigere, lager-dimensionale ruimte waar patronen zichtbaar worden.

De kern van hun ontdekking ligt in het verkennen van twee tegenovergestelde manieren om deze gegevens te ordenen. De eerste benadering, die gebruikelijk is in de huidige wetenschap, werkt als een groothoeklens. Het probeert de gegevens te verzachten, op zoek naar de gemeenschappelijke grond waar verschillende metingen het met elkaar eens zijn. Dit is nuttig om het grote plaatje te zien en de stabiele structuren die alle cellen delen. De onderzoekers ontdekten echter dat dit verzachtende effect een nadeel heeft: het vervaagt de kleine, cruciale details. Door alles er vergelijkbaar uit te laten zien, kan het zeldzame celtypen of subtiele biologische anomalieën verbergen die eigenlijk heel belangrijk zijn.

Om dit op te lossen, introduceerde het team een tweede, tegenovergestelde benadering die werkt als een hoogcontrastmicroscoop. In plaats van de gegevens te verzachten, zoekt deze methode naar de punten van maximale spanning en verschil. Het zoekt specifiek naar de richtingen waar de verschillende soorten gegevens het meest van mening verschillen. In biologische termen helpt dit om verborgen lagen van complexiteit te onthullen, zoals kleine groepen cellen die zich anders gedragen dan de rest, bijvoorbeeld omdat ze resistent zijn tegen medicijnen of zich in een unieke ontwikkelingsfase bevinden.

De meest significante bevinding van het artikel is niet alleen het bestaan van deze twee visies, maar ook een nieuwe manier om de kloof tussen hen te meten. De onderzoekers creëerden een specifieke indicator die de afstand berekent tussen de "verzachtere" visie en de "hoogcontrast"-visie. Als deze afstand klein is, betekent dit dat het biologische systeem stabiel en consistent is over alle metingen heen. Als de afstand groot is, signaleert dit dat er een diep structureel conflict of stratificatie binnen de gegevens aanwezig is. Deze metriek biedt een rigoureuze, wiskundige manier om te beslissen of een dataset verborgen, complexe subgroepen bevat die standaardmethoden over het hoofd zouden hebben gezien.

Het team bewees dat hun methode werkt door middel van geavanceerde geometrie waarbij complexe getallen en specifieke vormen, bekend als manifolds, worden gebruikt. Ze toonden aan dat hun nieuwe "microscoop"-benadering wiskundig sluitend is en dat het verschil tussen de twee visies een betrouwbare maatstaf is voor biologische heterogeniteit. Dit werk brengt het vakgebied voorbij eenvoudige gegevensuitlijning, door een manier te bieden om exact te kwantificeren hoeveel een biologisch systeem zijn ware complexiteit verbergt. Door een instrument te bieden om deze verborgen lagen te detecteren, biedt het onderzoek een nieuw pad voor het begrijpen van de ingewikkelde en vaak tegenstrijdige aard van levende cellen.