代謝組學與其他組學數據整合

如何更好地整合各種組學數據仍然是生物界面臨的重大挑戰，有時還面臨不完善的實驗設計和不同實驗平臺數據的整合。常用的方法有代謝途徑水平分析、生物網絡分析、經驗相關分析等。有些軟件或網站提供整合多個組學數據的即用型分析。例如，代謝途徑富集分析包括：IMPaLA網站，使用來自11個數據庫的3000多個代謝途徑的信息，可用于整合多個組學分析；另外還有iPEAP軟件、MetaboAnalyst網站等，可以提供代謝途徑富集分析。提供生物網絡分析包括：SAMNetWeb網站、可提供腹肌通路分析以及轉錄組和蛋白質組的網絡分析； pwOmics包，是一個R軟件包，可以根據隨時間變化的轉錄組和蛋白質組信息構建網絡；類似的軟件還有MetaMapR（R包，帶用戶界面）、MetScape（Cytoscape插件）、Grinn（R包）等。可以進行經驗相關性分析：WGCNA（R軟件包），可以基于相關性和網絡拓撲來整合和分析多種組學數據；其他 R 軟件包包括 MixOmic、DiffCorr、qpgraph 和巨大。類似的軟件還有MetaMapR（R包，帶用戶界面）、MetScape（Cytoscape插件）、Grinn（R包）等。可以進行經驗相關性分析：WGCNA（R軟件包），可以基于相關性和網絡拓撲來整合和分析多種組學數據；其他 R 軟件包包括 MixOmic、DiffCorr、qpgraph 和巨大。類似的軟件還有MetaMapR（R包，帶用戶界面）、MetScape（Cytoscape插件）、Grinn（R包）等。可以進行經驗相關性分析：WGCNA（R軟件包），可以基于相關性和網絡拓撲來整合和分析多種組學數據；其他 R 軟件包包括 MixOmic、DiffCorr、qpgraph 和巨大。