КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ

---

Номер проекта 22-74-00023

НазваниеКоличественное исследование качества молекулярных подписей на основе ранговых статистик

Руководитель Ступников Алексей Ильич, кандидат наук (признаваемый в РФ PhD)

Организация финансирования, регион федеральное государственное автономное образовательное учреждение высшего образования "Московский физико-технический институт (национальный исследовательский университет)" , г Москва

Конкурс №70 - Конкурс 2022 года «Проведение инициативных исследований молодыми учеными» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 04 - Биология и науки о жизни; 04-207 - Системная биология; биоинформатика

Ключевые слова транскриптомика, метилирование, молекулярные подписи, биомаркеры, ранговые статистика, качество классификации

Код ГРНТИ34.03.23

---

 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

---

Аннотация
Молекулярная подпись, или биомаркер - одна из основных концепций биоинформатики и генетической медицины. Обычно их получают при решении дифференциальной задачи: противопоставления с помощью вычислительных моделей двух или более групп образцов, отличающихся фенотипически. Таким образом, подпись - это набор молекулярных признаков, включающих в себя большую часть информации о различиях между сравниваемыми группами. Характер подписи может меняться в зависимости от природы экспериментальных данных, на которых подпись была получена. Большое количество мутационных, экспрессионных и метильных подписей были недавно найдены для различных заболеваний и теперь широко используются в исследовательских работах и медицине. Другим источником происхождения молекулярных подписей является анализ путей (pathway analysis), который предполагает составление набора признаков не на основе формальных статистических процедур и подходов машинного обучения, а с активным привлечением предварительных биологических гипотез и деталей, лежащих в основе молекулярных механизмов. Главной проблемой описанной области является валидация полученного биомаркера. Было показано, что изменение моделей в процессе биоинформатического анализа или параметров при анализе путей приводят к значительным изменениям состава и структуры полученных подписей. Таким образом, вместо одного потенциального биомаркера обычно приходится иметь дело с целым набором подписей-кандидатов. Отсутствие данных “золотого стандарта”, особенно в области транскриптомики, не позволяет адаптировать процедуры биоинформатического анализа и непосредственно измерять качество получаемой подписи. Выбор одной из подписей для дальнейшей работы обычно осуществляется на основании плохо обоснованных критериев. Часто не представлено никаких веских доказательств в пользу какой-либо из рассматриваемых подписей из набора кандидатов. Поэтому сравнение различных биомаркеров, полученных из одного и того же набора данных, остается нерешенной проблемой. Разработанные к настоящему времени методы оценки наборов генов и молекулярных биомаркеров, хотя и помогают получить дополнительную информацию о структуре и биологической интерпретации такого набора или могут помочь с интеграцией мультимодальных данных, тем не менее не дают ответа на ключевой вопрос о качестве подписей в количественном выражении. В нашем проекте мы переформулируем задачу на формальном языке математики и фундаментальных понятий машинного обучения, что ранее не было сделано. Мы предлагаем формально определенную меру, которая может быть вычислена для каждой потенциальной молекулярной подписи в контексте конкретного набора данных. Таким образом, мы можем получить числовое значение, отображающее эффективность данной подписи для стратификации групп по отношению к внутренней структуре и неоднородности набора данных. Кроме того, подход ранговых статистик также позволяет установить статистическую значимость каждой отдельной тестируемой подписи. Таким образом, наш метод дает возможность не только напрямую сравнивать биомаркеры, но и статистически оценивать качество конкретного биомаркера. Наш подход, который мы назвали Hobotnica, будет иметь следующие приложения: Во-первых, он будет применен для сравнения результатов различных биоинформатических моделей. Отсутствие надежно обоснованного способа такого сравнения - давно и хорошо известная проблема, особенно для задачи дифференциальной экспрессии генов. Во-вторых, маркеры дифференциального метилирования могут быть оценены аналогичным образом. Поиск маркеров метилирования - задача, которая играет значительную роль в исследованиях рака. Эта область, в которой до сих пор появляются новые биоинформатические инструменты также выиграет от количественного подхода к стандартизации. В-третьих, может быть исследована внутренняя структура биомаркера. Ранее обсуждалось, какие стратегии фильтрации, ранжирования и определения размера являются оптимальными для создания подписи с лучшими качествами. Введенная нами мера и подход позволяют ответить на эти вопросы.

---

 

ОТЧЁТНЫЕ МАТЕРИАЛЫ

---