Integración de datos ómicos

Abstract

El presente Trabajo Fin de Máster se centra en el estudio de datos ómicos de manera integrada. Para ello, se ha trabajado con dos grupos de datos diferentes, procedentes de estudios de transcriptómica y metabolómica. Se ha procedido a un análisis individual de cada conjunto de datos, mediante lenguaje de programación R, concretamente a través de paquetes de Bioconductor. Asimismo, la integración de datos se ha efectuado mediante estrategias de análisis multivariante, utilizando este mismo lenguaje de programación. Se ha desarrollado a través de dos aproximaciones diferentes: mínimos cuadrados parciales y análisis de correlación canónica, con el objetivo de compararlos y elegir el método más adecuado para la integración de los datos del estudio.

The present Master's Project focuses on the study of omics data in an integrated manner. For that purpose, we have worked with different data groups, collected from transcriptomics and metabolomics studies. We have carried out an individual analysis of each data set, using the R programming language, specifically through Bioconductor packages. Moreover, the data integration has been achieved by using multivariate analysis strategies, running this same programming language. It has been developed through two different approaches: partial least squares and canonical-correlation analysis in order to compare and choose the most appropriate method for the integration of the study data. After the analysis, the approach was selected by using partial least squares as they are the most accurate way to integrate the data from the RNA-sequencing (RNA-Seq) and the quantification of metabolite concentration, which are techniques that generate a large number of variables.

El present Treball Fi de Màster se centra en l'estudi de dades ómicos de manera integrada. Per a això, s'ha treballat amb dos grups de dades diferents, procedents d'estudis de transcriptómica i metabolómica. S'ha procedit a una anàlisi individual de cada conjunt de dades, mitjançant llenguatge de programació R, concretament a través de paquets de Bioconductor. Així mateix, la integració de dades s'ha efectuat mitjançant estratègies d'anàlisis multivariante, utilitzant aquest mateix llenguatge de programació. S'ha desenvolupat a través de dues aproximacions diferents: mínims quadrats parcials i anàlisis de correlació canònica, amb l'objectiu de comparar-los i triar el mètode més adequat per a la integració de les dades de l'estudi.