tensorOmics: Data integration for longitudinal omics data using tensor factorisation

tensorOmics is een nieuw R-pakket dat gebruikmaakt van tensorfactorisatie om longitudinale multi-omics-gegevens te integreren, waarbij de temporele structuur en de samenhang tussen verschillende biologische lagen behouden blijven voor zowel ongesuperviseerde als gesuperviseerde analyses.

De kern

De Dans van de Biologie: Waarom we een nieuwe 'choreograaf' nodig hebben

Stel je voor dat je naar een gigantisch, spectaculair balletvoorstelling kijkt. In deze voorstelling heb je drie verschillende groepen dansers:

1. De hoofdrolspelers (de genen)
2. De kostuumontwerpers (de eiwitten)
3. De technici achter de schermen (de stofwisseling)

Als je wilt begrijpen hoe de voorstelling verloopt, kijk je niet alleen naar één danser op één moment. Je wilt weten hoe de kostuums veranderen terwijl de muziek versnelt, en hoe de technici de lichten aanpassen terwijl de hoofdrolspelers een pirouette maken. Alles gebeurt tegelijkertijd en verandert continu over de tijd.

Het probleem: De "Foto-methode"

Tot nu toe probeerden wetenschappers dit soort biologische processen te begrijpen door eigenlijk alleen maar foto's te maken. Ze maakten een foto van de dansers, een foto van de kostuums en een foto van de lichten.

Maar als je alleen losse foto's hebt, mis je de essentie: de beweging. Je ziet wel dat de danser op foto A op een andere plek staat dan op foto B, maar je ziet niet de vloeiende beweging van de dans zelf. Bovendien probeerden oude computerprogramma's alle foto's op één grote hoop te gooien om het overzichtelijk te maken. Daarbij ging de informatie over de tijd (de choreografie) volledig verloren. Het werd een rommeltje van losse plaatjes zonder ritme.

De oplossing: tensorOmics – De "Video-regisseur"

De onderzoekers hebben iets nieuws ontwikkeld: tensorOmics. In plaats van losse foto's te analyseren, werkt dit systeem als een slimme video-regisseur.

In plaats van de data plat te slaan, kijkt tensorOmics naar een "3D-kubus" van informatie. Deze kubus bevat drie belangrijke lagen die tegelijkertijd worden bekeken:

1. Wie? (Welke monsters of patiënten bekijken we?)
2. Wat? (Welke biologische onderdelen, zoals genen, meten we?)
3. Wanneer? (Op welk tijdstip in het proces meten we dit?)

Omdat tensorOmics deze drie lagen tegelijkertijd in de gaten houdt, kan het programma patronen zien die anderen missen. Het ziet bijvoorbeeld: "Hey, op het moment dat de muziek sneller wordt (tijd), veranderen de kostuums (eiwitten) én de dansers maken een sprong (genen)!"

Wat kan het in de praktijk?

De makers hebben dit systeem getest op drie verschillende situaties, zoals hoe mensen herstellen van antibiotica. Ze ontdekten dat tensorOmics:

• Groepen kan onderscheiden: Het ziet direct het verschil tussen een gezond lichaam en een lichaam dat herstelt.
• De tijd begrijpt: Het ziet niet alleen dat er iets verandert, maar ook de exacte route die de verandering aflegt.
• Samenwerking ziet: Het ontdekt hoe verschillende biologische lagen (zoals bacteriën en genen) met elkaar "praten" en samenwerken om een proces te sturen.

Kortom: Waar oude methoden naar een stapel stilstaande foto's keken, kijkt tensorOmics naar de volledige, vloeiende film van het leven. Hierdoor kunnen wetenschappers veel beter begrijpen hoe ziektes zich ontwikkelen en hoe medicijnen echt werken over de tijd heen.

Technische samenvatting

Technische Samenvatting: tensorOmics

Titel: tensorOmics: Data integratie voor longitudinale omics-data met behulp van tensorfactorisatie

1. Probleemstelling (Het probleem)

De integratie van multi-omics data (zoals transcriptomics, proteomics, etc.) is essentieel om complexe biologische processen te begrijpen. Een groeiende uitdaging hierbij is de analyse van longitudinale data (metingen die over een tijdsverloop worden herhaald).

Huidige methoden kampen met twee fundamentele tekortkomingen:

• Verlies van temporele structuur: Traditionele methoden zijn gebaseerd op matrix-technieken. Om deze toe te passen op longitudinale data, moeten onderzoekers de data "platvouwen" (flattening) tot een 2D-matrix. Hierdoor gaat de natuurlijke drie-weg structuur (monsters $\times$ kenmerken $\times$ tijd) verloren, wat de temporele trajecten vertroebelt en de statistische onafhankelijkheid schendt.
• Beperkte integratie en supervisie: Bestaande tensor-gebaseerde methoden zijn voornamelijk unsupervised (verkennend) en kunnen vaak geen fenotypische informatie (zoals behandelgroepen of klinische uitkomsten) meenemen voor supervised analyse (discriminatie). Bovendien ontbreken frameworks die meerdere omics-lagen tegelijkertijd kunnen integreren terwijl de tijdsdimensie behouden blijft.

2. Methodologie (De aanpak)

De auteurs introduceren tensorOmics, een computationeel framework dat gebruikmaakt van tensorfactorisatie. In plaats van data te reduceren tot een matrix, behandelt dit framework de data als een multidimensionale tensor. Dit behoudt de natuurlijke hiërarchie van de metingen.

Het framework biedt een verenigde benadering die zowel single-omic als multi-omic settings dekt, onderverdeeld in:

• Unsupervised methoden: Voor het ontdekken van patronen zonder voorafgaande kennis van groepen (bijv. tensor PCA).
• Supervised methoden: Voor het identificeren van moleculaire signatures die specifieke groepen onderscheiden of uitkomsten voorspellen (bijv. tensor PLS discriminant analysis).

De methodologische suite omvat vijf complementaire technieken:

1. Tensor PCA: Voor exploratieve analyse van een enkele omics-laag.
2. Tensor PLS Discriminant Analysis: Voor het vinden van temporele signatures die groepen onderscheiden binnen één laag.
3. Tensor PLS: Voor de integratie van meerdere omics-lagen (multi-omic) op een unsupervised manier.
4. Block Tensor PLS: Een uitgebreide versie voor complexe multi-block integratie.
5. Block Tensor PLS Discriminant Analysis: Voor het identificeren van gecoördineerde responsen over verschillende biologische lagen die groepen van elkaar onderscheiden.

3. Belangrijkste Bijdragen (Key Contributions)

• Behoud van de temporele dimensie: Door tensor-decompositie te gebruiken, blijven de tijdsafhankelijke dynamieken intact.
• Unificatie van analyse-stijlen: Het biedt een brug tussen exploratieve (unsupervised) en voorspellende (supervised) analyses binnen één framework.
• Multi-layer integratie: Het framework kan gelijktijdig verschillende biologische lagen analyseren om gecoördineerde moleculaire reacties te identificeren.
• Efficiëntie: Het maakt gebruik van tensor-gebaseerde datacompressie om de uitdagingen van hoog-dimensionale omics-data te beheersen.
• Software-implementatie: De beschikbaarheid als een R-package maakt de methode toegankelijk voor de bredere wetenschappelijke gemeenschap.

4. Resultaten (De bevindingen)

Het framework is gevalideerd via drie diverse case studies:

1. Antibiotica-perturbatie experimenten: Het succesvol onderscheiden van behandelgroepen en het identificeren van herstelpatronen.
2. Anaerobe digestiesystemen: Het in kaart brengen van complexe microbiële verschuivingen over tijd.
3. Fecale microbiota transplantatie (FMT): Het onthullen van gecoördineerde responsen tussen verschillende omics-lagen.

De resultaten tonen aan dat tensorOmics in staat is om biologisch relevante temporele signatures te identificeren die door traditionele cross-sectional (dwarsdoorsnede) methoden over het hoofd worden gezien.

5. Betekenis (Significance)

De introductie van tensorOmics markeert een belangrijke stap voorwaarts in de systeembiologie. Het stelt onderzoekers in staat om niet alleen te zien wat er verandert in een biologisch systeem, maar ook hoe die veranderingen zich over de tijd ontwikkelen en hoe verschillende biologische lagen (zoals genexpressie en metabolieten) met elkaar samenhangen tijdens een proces. Dit is cruciaal voor het begrijpen van ziekteverloop, medicijnrespons en ecologische dynamiek.