Дополнительные материалы

S1 Таблица: Список ресурсов и тип информации, собранной в базе данных графа. (PDF)

GUID: C8C80DF6-D906-4BA9-B027-18201316E6B8

S2 Таблица: Список узлов и связей. (PDF)

GUID: FC2FA26C-5CD5-492B-A5EC-94B2AADAC817

S1 Рис. Схема базы данных. Схема базы данных иллюстрирует молекулярные сущности и их отношения, хранящиеся в базе данных графов.Овалы обозначают молекулярные объекты, а круглые прямоугольники указывают на отношения.

(TIF)

GUID: 7E978D1A-489E-4FB9-B3D3-372296F605C2

Файл S1: Примеры наборов данных. (ZIP)

GUID: D2E93386-43CD-481B-BEDE-C94C82DA9E72

S2 Файл: Учебники. (PDF)

GUID: E68CEF18-8C43-42EA-804B-44D39044FCE7

S3 Файл: Руководство пользователя. (PDF)

GUID: 56F36707-C977-4292-B92C-119D624AD0A6

Заявление о доступности данных

Все соответствующие данные находятся в документе и файлах вспомогательной информации.

Abstract

Подобно геномным и протеомным платформам, сбор и анализ метаболомных данных становится рутинным методом исследования биологических систем. Однако вычислительные подходы к анализу и интеграции метаболомных данных все еще развиваются. Metabox — это набор инструментов биоинформатики для глубокой аналитики фенотипирования, который сочетает в себе обработку данных, статистический анализ, функциональный анализ и комплексное исследование метаболомных данных в протеомном и транскриптомном контексте.Благодаря количеству опций, предоставленных в каждом модуле анализа, он также поддерживает анализ данных других «атомных» семейств. Набор инструментов представляет собой веб-приложение на основе R, и оно свободно доступно по адресу http://kwanjeeraw.github.io/metabox/ по лицензии GPL-3.

Введение

Достижения в области многомерных «атомных» платформ сделали возможным крупномасштабную характеристику молекулярных фенотипов для множества биологических систем. Обработка, интеграция и визуализация современных наборов биологических данных — сложная задача, для решения которой требуется гибкая вычислительная структура, обеспечивающая растущее разнообразие типов геномных, биохимических и фенотипических данных.Анализ ключевых метаболомных данных состоит из четырех основных этапов (1) предварительная обработка исходных данных, включая идентификацию соединения (2) обработку данных, включая преобразование данных и нормализацию данных (3) статистический анализ и (4) интерпретацию данных. Предварительная обработка исходных данных состоит из нескольких этапов предварительной обработки исходных сигналов от аналитических методов (например, масс-спектрометрии (МС) и ядерного магнитного резонанса (ЯМР)), что включает в себя снижение шума, выбор пиков и идентификацию соединений [1].Metabox не зависит от инструментов, которые использовались для предварительной обработки необработанных данных. Metabox начинается с шага (2), обработки данных. Преобразование данных определяется как процесс преобразования данных в более полезные формы тех же данных либо с помощью математических операций (например, преобразование журнала), либо путем изменения форматов (например, округления данных или преобразования единиц). Нормализация и преобразование данных выполняются в матрице импортированных данных метаболомных результатов, чтобы минимизировать систематические и технические вариации перед статистической оценкой [1]. Впоследствии статистический анализ используется для точного определения метаболитов, которые изменяются на основе экспериментальной группы дизайна, которая, следовательно, должна быть детализирована. в импортированных данных.Выходные статистические результаты затем опрашиваются нижележащими модулями, включая анализ данных на основе сетей и путей и инструменты визуализации [2]. иллюстрирует ключевые этапы анализа, которые можно выполнить в метабоксе.

Metabox поддерживает углубленный анализ метаболомных данных, включая четыре модуля анализа: нормализация данных (красный), статистический анализ (синий), построение сети (зеленый) и функциональный анализ (фиолетовый). Выходы каждого модуля отмечены красными, синими, зелеными и пурпурными кругами соответственно.Инструмент принимает внешние входные данные на каждом уровне анализа. В метабоксе выходные данные модуля анализа можно использовать для последующего анализа в других модулях, обозначенных цветным кружком внутри рамки.

Учитывая разнообразие областей анализа метаболомных данных, средним пользователям необходимы вычислительные платформы для повышения эффективности и уменьшения препятствий для углубленной интерпретации метаболомных данных наряду с другими «атомными» типами данных. MetaboAnalyst — это онлайн-приложение, которое охватывает комплексный анализ метаболомных данных [3–5].Функциональный модуль для интегративного анализа основан на анализе метаболических путей (MetPA). В отличие от MetaboAnalyst, Metabox использует базу данных графов в качестве основного ресурса. Отношения между путями в MetaBox создаются динамически, и поэтому картирование путей не ограничивается статическими (заранее определенными) метаболическими путями, как в MetaboAnalyst. [6]. Точно так же такой инструмент, как IMPaLa, обращается к интеграции транскриптомных и метаболомных данных в контексте метаболических путей, но в нем отсутствует возможность интегративной визуализации [7].Фактически, профили метаболитов включают факторы окружающей среды и генетические факторы в биохимические процессы [8]. Сочетание метаболической информации с биологическими механизмами генов и белков отражает поток биологической информации между слоями клеточной регуляции. Интегративное исследование метаболомики с вторичными линиями молекулярной «атомной» информации позволяет генерировать новые гипотезы, такие как идентификация факторов болезни [9]. Существуют и другие инструменты, которые также используют структуру биологических сетей для исследования многомерных данных, такие как MetScape [10], Grinn [2], ConsensusPathDB [11] или 3Omics [12].Подобно метабоксу, эти инструменты облегчают совместную визуализацию генов, белков и метаболитов в различных комбинациях биологических сетей. Однако в целом эти программы менее эффективны с точки зрения обработки данных и инструментов статистического анализа. Кроме того, как в MetScape, так и в Grinn отсутствуют модули для анализа путей. Все эти программы служат сообществу как программное обеспечение с открытым доступом; коммерческое программное обеспечение, такое как MetaCore, не было доступно для сравнения.

Здесь мы представляем основанное на R веб-приложение «metabox», которое сочетает в себе самые современные методы, необходимые для обработки метаболомных данных, статистического анализа, сетевой визуализации и функционального анализа.Текущая версия метабокса подчеркивает глубокий анализ метаболомных данных и комплексное исследование представляющих интерес метаболитов, белков и генов в нескольких контекстах биологических сетей, таких как метаболические пути, регуляция генов и молекулярное взаимодействие. Предоставляется ряд вариантов, которые можно выбрать для применения в других омических исследованиях (например, транскриптомике и протеомике). Вкратце, в метабокс интегрированы следующие функции: (i) нормализация и преобразование данных, (ii) одномерный статистический анализ с процедурами проверки гипотез, которые автоматически выбираются на основе дизайна исследований пользователей, (iii) совместная визуализация генов, белков и метаболиты в различных комбинациях биохимических сетей, (iv) расчет сетей, управляемых данными, с использованием подходов на основе корреляции, (v) оценка сетей сходства химической структуры по отпечаткам субструктур, (vi) функциональная интерпретация с анализом перепредставления, оценка функциональных классов и создание WordCloud и (vii) интерактивная визуализация богатых информацией таблиц и сетей.Кроме того, metabox распространяется как стандартный пакет R, который упрощает распространение, установку и делает внутренние функции metabox доступными для использования опытными пользователями в настраиваемых рабочих процессах.

Материалы и методы

Metabox — это программный пакет на основе R, разработанный как веб-приложение для интерактивных научных вычислений и визуализации. Инструмент состоит из предварительно скомпилированной базы данных графов и функций R, необходимых для анализа метаболомных данных.В следующих разделах подробно объясняется каждый из компонентов инструмента.

Внутренняя база данных графов

Внутренняя база данных графов — это предварительно скомпилированная база данных графов, которая используется для сбора предварительных знаний из нескольких ресурсов (таблица S1). База данных требуется для функций запросов к биологической сети, описанных в следующем разделе. База данных графов Neo4j (http://neo4j.com/) используется для хранения информации о молекулярных объектах и ​​их взаимосвязях. В этой версии доступна база данных графов для Homo sapiens .После установки он автоматически получит доступ к этой предварительно скомпилированной базе данных людей на нашем сервере.

Схема базы данных была адаптирована из пакета Grinn [2] (S1 Рис). В частности, база данных включает в себя большинство биологических взаимосвязей между молекулярными объектами, такими как отношения субстрат-продукт (BIOCHEMICAL_REACTION), белок-составной катализ (CATALYSIS), белок-белковые взаимодействия (MOLECULAR_BINDING), белки, кодирующие ген (CONVERSION), белок- регуляции транскрипции генов (CONTROL), ассоциации ген-ген (GENETIC_ASSOCIATION), регуляции микроРНК-генов (CONTROL) и аннотации звеньев пути (ANNOTATION) (таблица S2).

В базе данных используются две системы идентификаторов: внутренние идентификаторы Neo4j (NID) и идентификаторы Гринна (GID). NID — это числовое число, автоматически генерируемое системой баз данных Neo4j. GID использует аутентичные идентификаторы различных баз данных домена. В частности, GID использует идентификаторы ENSEMBL для генов, номенклатуру miRTarBase для микро-РНК, записи UniProt для белков и номера PubChem CID или KEGG для соединений и путей. Для ввода данных пользователем требуются либо идентификаторы GID, либо преобразование других идентификаторов в NID с помощью инструмента преобразования, представленного в метабоксе (файл S3).

Функции на основе R для рабочих процессов анализа

В метабоксе рабочие процессы анализа метаболомики разделены на статистику и интерпретацию (). Статистический пакет включает обработку данных и статистический анализ, а рабочий процесс интерпретации используется для биологической интерпретации статистических результатов. Бэкэнд-функции для обоих рабочих процессов были разработаны на языке программирования R (https://www.r-project.org/).

Обработка данных и статистический анализ

Обработка данных и статистический анализ являются ключевыми задачами анализа метаболомных данных.Целью обработки данных (преобразование и нормализация) является улучшение нормальности наборов данных для улучшения сопоставимости интенсивностей метаболитов. Впоследствии статистические инструменты используются для поиска значимых молекулярных объектов как для проверки гипотез (одномерный анализ), так и для кластерного анализа (многомерный анализ, который может служить для генерации гипотез).

• Нормализация данных . В настоящее время реализованы два типа методов нормализации: нормализация на основе функций и нормализация на основе выборки.Обе нормализации можно выполнять последовательно. Нормализация на основе выборки направлена ​​на нормализацию каждой выборки для контроля систематических и технических различий между выборками. В метабокс включены несколько часто используемых методов нормализации: нормализация к метаданным для конкретного образца (например, по сухой массе), нормализация к сумме всех идентифицированных метаболитов [13], нормализация к средним для партии значениям данных конкретных образцов или LOESS (локально оцененное сглаживание диаграммы разброса), нормализация к специально введенным пробам контроля качества или пулу [14].Нормализация LOESS выполняется с параметрами диапазона, которые автоматически выбираются путем перекрестной проверки и пакетной коррекции [15]. И наоборот, нормализация на основе метаболитов направлена ​​на то, чтобы сделать измеряемые переменные более сопоставимыми друг с другом в отношении общей дисперсии. В метабоксе доступны три метода, включая автоматическое масштабирование, масштабирование по Парето и масштабирование по диапазону [16]. Эти методы нормализации обычно используются для инструментов многомерного анализа, чтобы гарантировать, что гетероскедастичность данных сведена к минимуму.

• Преобразование данных . Metabox предлагает стандартные методы преобразования переменных, включая логарифм и степень. Эти методы могут использоваться для улучшения предположений о нормальности данных для процедур параметрической статистической проверки гипотез, которые в противном случае могут быть чувствительны к ненормальным распределениям, выбросам и отсутствию однородности дисперсий.

• Анализ поисковых данных . Metabox использует графики показателей анализа основных компонентов (PCA) для визуализации в реальном времени во время процедур обработки данных [16].Это позволяет пользователям обнаруживать выбросы и выбирать подходящие методы для нормализации и преобразования данных в соответствии со свойствами структуры данных. Кроме того, пользователи могут выбирать символы разброса на графиках оценок PCA и получать соответствующую информацию о выборке из кольцевой диаграммы. Это помогает пользователям обнаруживать неожиданные особенности в структуре данных.

• Одномерный анализ . Metabox объединяет множество хорошо зарекомендовавших себя статистических методов проверки гипотез и процедур апостериорного анализа ().Кроме того, метабокс включает соответствующие процедуры непараметрического тестирования, апостериорный анализ с коррекцией частоты ложных обнаружений (FDR) как на уровне основного эффекта, так и на уровне простого основного эффекта, а также анализ мощности на уровне объекта. Начальная загрузка предоставляется как дополнительная непараметрическая процедура тестирования. Кроме того, метабокс автоматически и надлежащим образом предлагает методы статистического анализа в соответствии с дизайном исследования, введенным пользователем. Эта функция призвана помочь пользователям разобраться в глубине статистической терминологии.

  Таблица 1

  Список процедур статистического анализа в метабоксе.

  9057 1 Результаты с последующим апостериорным анализом уровня основного эффекта и простого уровня основного эффекта, соответствующих структуре дизайна вторичного исследования

  Дизайн исследования	Тест	Методы	Следующие процедуры
  Две независимые группы	Существует статистически значимая разница между средними значениями двух независимых групп	Тест Уэлча Уитни, Университет Уэлча тест * , t тест;	P-значения, скорректированные с поправкой на FDR с использованием процедуры Бонджамини-Хохберга [17]
  Двухпарная группа	Средняя разница между парными наблюдениями статистически значима и отличается от нуля	t-критерий Велча для разницы, Mann-Whitney U тест на разность * , t-тест Велча на разность;	P-значения, скорректированные для FDR с использованием процедуры Бонджамини-Хохберга
  Множественная независимая группа	Имеются статистически значимые различия между средними значениями трех или более независимых групп	Уэлч ANOVA; Тест суммы рангов Краскела-Уоллиса * ; ANOVA;	Параметрический тест, за которым следует апостериорный тест Геймса-Хауэлла (или Тьюки) для сравнения всех возможных комбинаций групповых различий; непараметрический тест с последующими попарными сравнениями с использованием процедуры Данна [18] с поправкой Бонферрони.
  Многопарная группа	Существуют статистически значимые различия между средними значениями трех или более уровней фактора внутри субъектов.	Повторный дисперсионный анализ; Тест Фридмана * ;	Результат параметрического теста, скорректированный по процедуре Гринхауса-Гейссера [19] на нарушение сферичности, с последующим апостериорным тестом Бонферрони, предложенным Максвеллом и Делани [20]; непараметрические с последующими попарными сравнениями с использованием критериев ранговых знаков Вилкоксона [21] были выполнены с поправкой Бонферрони
  Двусторонние независимые группы	Существует статистически значимый эффект взаимодействия между двумя способами независимых групп	Двусторонний ANOVA, двусторонний дисперсионный анализ с надежной оценкой	Результаты с последующим апостериорным анализом уровня основного эффекта и простого уровня основного эффекта, соответствующего структуре дизайна вторичного исследования
  Двусторонние парные группы	Имеется статистически значимый эффект взаимодействия между двумя внутрипредметными способами	Двусторонний анализ ANOVA	Результаты, за которыми следует апостериорный анализ уровня основного эффекта и простого уровня основного эффекта, соответствующего структуре дизайна вторичного исследования
  Двусторонние смешанные группы	Есть различия между независимыми группами с течением времени	Смешанный дисперсионный анализ

• Анализ мощности предоставляется на уровне организации. Он охватывает анализ мощности для процедур проверки гипотез, перечисленных в. Metabox предлагает два уровня анализа мощности: до оценки размера выборки и post-hoc для оценки статистической мощности.

Построение сети

Сетевой анализ — многообещающий подход для изучения молекулярных взаимодействий. Кроме того, сети можно использовать в качестве каркаса для картирования экспериментальных результатов для выявления потенциальных маркеров, измененных путей или активных подграфов. Metabox поддерживает построение сетей как на основе отношений знания предметной области, так и на основе эмпирических отношений.Есть четыре основные функции для построения сетей из разных контекстов.

• Биологические сети запрашиваются из нашей предварительно скомпилированной базы данных графов, которая содержит априорных отношений из нескольких ресурсов в анализах SimpleNetwork и HeterogenNetwork. Анализ SimpleNetwork используется для запроса биологических сетей одного типа взаимосвязи (например, сетей белок-белковых взаимодействий), тогда как HeterogenNetwork анализирует биологические сети запросов, содержащие один или комбинации типов взаимосвязей (например. грамм. сети биохимических реакций, содержащие ассоциации субстрат-продукт и соединение-фермент). Списки сущностей и шаблонов отношений проиллюстрированы в схеме базы данных (S1 Fig).

• Сети взвешенной корреляции вычисляются на основе экспериментальных данных с использованием подходов парной или частичной корреляции. Парный корреляционный анализ вычисляет связи между каждой парой объектов. Metabox включает корреляционный анализ Пирсона, Спирмена или Кендалла на основе пакета WGCNA [22].Частичный корреляционный анализ выполняется на основе пакета qpgraph, который оценивает связи между объектами, контролируя эффекты от других объектов [23, 24].

• Сети сходства химической структуры рассчитываются на основе отпечатков субструктур PubChem с использованием расчетов матрицы химического сходства Танимото [25, 26].

• Высокоэффективная подсеть перечисляется из биологических сетей, сетей взвешенной корреляции или сетей сходства химической структуры. Эта идентификация подсети основана на пакете BioNet, который вычисляет оценки сетевых узлов на основе результатов статистического анализа с p-значением и сопровождается эвристическим поиском для идентификации подсети с высокими показателями [27, 28].

Функциональный анализ

Функциональный анализ предназначен для помощи в биологической интерпретации результатов статистического анализа, сетевых выходных данных и загруженного пользователем списка молекулярных объектов. Текущая версия metabox поддерживает анализ соединений, белков и генов на основе пути KEGG [29].Кроме того, metabox использует медицинские предметные заголовки (MeSH) [30] для интерпретации соединений, запрашивая категорию «химические вещества и лекарства» в базе данных PubChem [31]. Включены три различных варианта анализа.

• Оценка функционального класса [32] или анализ пополнения набора оценивает значимость условий аннотации из статистики на уровне сущностей (например, p-значения сущностей, рассчитанные на основе статистического анализа). Metabox объединяет широко используемые методы анализа обогащения набора генов из пакета фортепиано, включая [33], комбинированный вероятностный тест Фишера [34], метод Стоуффера [35], функции Reporter [36, 37], Median и Mean.Метод Фишера вычисляет каждую статистику на уровне набора, комбинируя логарифмическое преобразование статистики на уровне сущности, в то время как метод Стоуффера вычисляет путем агрегирования Z баллов p-значений на уровне сущности. Метод Reporter аналогичен методу Стоуфера с дополнительной процедурой коррекции распределения фона. Методы Median и Mean просты (т.е. каждая статистика на уровне набора является медианной и средней статистикой на уровне объекта соответственно). Пакет фортепиано использует подход перестановки для оценки значимости набора сущностей термина аннотации.

• Анализ перепредставленности предназначен для выявления перепредставленных терминов аннотации данного списка объектов с использованием гипергеометрического теста. Для сетей, содержащих несколько типов узлов, метод Фишера используется для объединения p-значений из гипергеометрического теста.

• Генерация WordCloud — это простое графическое представление терминов аннотации, где размер шрифта слова соответствует количеству членов. Он предоставляет краткую сводку условий аннотации данного списка объектов без каких-либо статистических тестов.Функция основана на пакете R tm [38] и пакете R wordcloud (https://cran.r-project.org/web/packages/wordcloud/).

Графический интерфейс пользователя

Графический интерфейс пользователя (GUI) Metabox был реализован с помощью HTML, JavaScript и CSS. Внутренние функции R были развернуты в веб-браузере с использованием библиотеки OpenCPU JavaScript [39], которая позволяет пользователям выполнять функции R в веб-браузерах, таких как Firefox, Chrome, Internet Explorer и Safari. Графический интерфейс представляет собой макет из двух столбцов с боковой панелью навигации, содержащей список различных функций. С правой стороны содержимое страницы изменяется в соответствии с выбранной функцией. Сворачиваемые древовидные представления терминов MeSH отрисовываются с использованием библиотеки JavaScript D3.js (https://d3js.org/). Облака слов строятся с помощью пакета wordcloud (https://cran.r-project.org/web/packages/wordcloud/). Библиотека Cytoscape.js JavaScript [40] используется для создания интерактивных сетей. Сетевая навигация, такая как панорамирование, масштабирование и выбор, может выполняться с помощью мыши или сенсорной панели. Полученные сети можно загрузить в формате PNG или в виде текстовых файлов с разделителями-табуляторами, которые можно использовать в другом программном обеспечении.

Результаты и обсуждения

В этом разделе демонстрируется полезность метабокса для анализа метаболомных данных с использованием двух независимых наборов данных, которые измеряют профили метаболомной и генной экспрессии аденокарциномы легкого и прилегающих доброкачественных тканей легкого [41, 42]. Примеры наборов данных, соответствующие руководства и руководство пользователя Metabox предоставляются в виде дополнительных файлов (файлы S1, S2 и S3 соответственно).

Наборы данных Omic

Метаболомные данные содержат 39 образцов злокачественной и прилегающей незлокачественной ткани легкого, измеренные с помощью газовой хроматографии с времяпролетной масс-спектрометрией (GC-TOF-MS) и предварительно обработанные базой данных BinBase [43] .Было измерено 462 соединения, 171 из которых были структурно идентифицированы и связаны PubChem CID. Данные из базы данных BinBase были загружены в метабокс для преобразования журнала перед статистическим анализом с использованием парного t-критерия. После корректировки FDR по Бенджамини и Хохбергу (BH-FDR) на 5% (pFDR <0,05) между раковыми и контрольными тканями было 131 значимое соединение.

Профили экспрессии генов 58 аденокарциномы легкого и прилегающих незлокачественных тканей легкого были получены с использованием Illumina HumanWG-6 v3. 0 и загружены из базы данных Gene Expression Omnibus [44] как набор транскриптомных данных {«type»: «entrez-geo», «attrs»: {«text»: «GSE32863», «term_id»: «32863» }} GSE32863. Анализ дифференциальной экспрессии генов, сравнивающий аденокарциному легкого и прилегающие незлокачественные ткани легкого, был выполнен с помощью GEO2R [44]. P-значения были скорректированы с учетом вероятности ложных открытий по Бенджамини и Хохбергу на уровне 5% (pFDR <0,05). Анализ дифференциальной экспрессии генов, сравнивающий опухолевую и контрольную ткани, сообщил о 171 из 21 204 гена, в которых pFDR <0.05 и | log2FC | > 2.

Использование метабокса для углубленного анализа метаболомных данных

В следующем примере метабокса показан комплексный анализ метаболомных данных, проходящий через множество общих этапов анализа, включая: обработку данных, статистический анализ и биохимическое отображение результатов. в различных контекстах, включая структурное сходство, путь и другие биохимические взаимосвязи. Предварительно обработанные метаболические профили были импортированы в metabox для обработки данных и статистического анализа.Впоследствии выходные данные были переданы в часть построения сети для расчета сети сходства химической структуры измеренных соединений (т.е. 171 соединение имеет связанный PubChem CID). Порог по умолчанию использовался с коэффициентом корреляции r _xy > 0,7. Полученные списки парных метаболических корреляций затем отображаются в виде сетевого графика, который может быть расширен дополнительной эмпирической или аннотационной информацией. Здесь мы применили опцию оценки функционального класса для оценки значительно обогащенных путей.Мы обнаружили значительно обогащенные пути (значение p <0,05), включая метаболизм аргинина и пролина, биосинтез аргинина и взаимное превращение пентозы и глюкуроната. показывает часть полученной сети сходства, наложенную на расширенные пути. Аминокислоты, орнитин, цитруллин и глутамин были метаболически связаны посредством пути «биосинтеза аргинина». Кроме того, орнитин метаболически связан с пролином, 5-аминопентановой кислотой и глутаминовой кислотой посредством метаболизма аргинина и пролина.

Химическое сходство между всеми идентифицированными метаболитами было рассчитано на основе отпечатков субструктуры PubChem. Узлы сети связаны коэффициентами корреляции с использованием толщины ребер для корреляций r _xy > 0,7. Для оценки значительно обогащенных путей использовалась шкала функциональных классов Metabox ( p <0.05), что приводит к метаболизму аргинина / пролина, биосинтезу аргинина и взаимопревращениям пентозы / глюкуроната среди других путей. Обогащение путей обозначено цветом на круговых диаграммах узлов.

Metabox поддерживает интегративное исследование значимых генов и соединений из исследований рака легких в контексте биологической сети

Далее мы использовали списки значительно дисрегулируемых генов (pFDR <0,05 и | log2FC |> 2) и существенно различных соединений (pFDR <0,05 ) от сравнений между парными опухолями легких и доброкачественными тканями для построения биологической сети с использованием базы данных взаимосвязей внутреннего графа. Полученная сеть была загружена и дополнительно улучшена путем картирования со статистической информацией с помощью Cytoscape [45].

Выходная сеть показывает метаболические связи между углеводами, глицерином, жирными кислотами, пальмитиновой кислотой, сфинголипидами, сфинганином, аминокислотами, глутаминовой кислотой и глицериновой кислотой, а также метаболитами, связанными с гликозилированием, включая уридиндифосфат глюкуроновую кислоту (UDP-глюкуроновую кислоту) и уридиндифосфат-N-ацетилглюкозамин (UDP-GlcNAc) (). Комбинации взаимосвязей можно исследовать с помощью таких сетей, включая катализ белок-соединение, гены, кодирующие белок, и регуляцию белков-генов, интегрируя информацию от регуляции транскрипции до клеточного метаболизма.Например, сеть описывает метаболические взаимоотношения для UDP-GlcNAc и N-ацетилглюкозамина (GlcNAc) через соответствующие ферменты N-ацетилтрансферазы, кодируемые генами GCNT3 и OGT , оба из которых были значительно усилены. Модификация ядерных и цитозольных белков путем добавления O-связанного β-N-актилглюкозамина (O-GlcNAc) по остаткам серина или треонина или O-GlcNAцилирование играет важную роль в нескольких клеточных процессах, таких как передача сигналов, метаболизм, регуляция транскрипции и деление клеток. [46].Имеющиеся данные указывают на то, что гипер-O-GlcNAцилирование — обычное явление при раке [46–48]. UDP-GlcNAc является важным донором GlcNAc, который переносится на белковые субстраты с помощью O-связанной N-ацетилглюкозаминтрансферазы [46]. также показано, что кодирующий фермент ген OGT был связан с регуляторами белка, такими как FOXO4 и TFE2, которые были связаны с генами фосфолипидной фосфатазы 3 ( PLPP3 ) и длинноцепочечной жирной кислотой — CoA-лигазой 4 ( ACSL4). ). Оба гена были значительно подавлены при раке легких по сравнению с контрольными тканями, а ассоциированные белки были метаболически связаны со значительно сниженными соединениями сфинганина и пальмитиновой кислоты соответственно.Ген OGT был также связан с факторами транскрипции MYC (онкопротеин, участвующий в инициации и поддержании нескольких видов рака [47, 49]) и LEF1, которые, в свою очередь, были связаны с генами ALDh28A1 и GFPT1 . Оба гена были значительно активированы при раке легких по сравнению с контрольными образцами, а кодируемые белки были метаболически связаны со значительно повышенным содержанием глутаминовой кислоты. Кроме того, ALDh28A1 разделял тот же фактор транскрипции CREB1 с активированным геном CHPF трансферазы глюкуроновой кислоты, который был связан с субстратом UDP-глюкуроновой кислотой.

Значительно разные гены и метаболиты были нанесены на карту во внутренней базе данных графа метабокса с использованием ферментов в качестве связывающих узлов (серый). Полученная сеть была загружена и нанесена на карту относительные изменения между опухолевыми и неопухолевыми тканями с помощью Cytoscape. Взаимосвязи графа КОНТРОЛЬ, ПРЕОБРАЗОВАНИЕ и КАТАЛИЗ отмечены цветными краями.Сеть показывает метаболические связи между глицерином, пальмитиновой кислотой, сфинганином, глутаминовой кислотой, глицериновой кислотой, UDP-глюкуроновой кислотой и UDP-GlcNAc.

Этот пример демонстрирует использование метабокса для интеграции информации о результатах метаболизма и экспрессии генов для совместной визуализации в сетевом контексте. Полученная сеть перечисляет и показывает взаимосвязи между регуляторами белка, генами, ферментами и метаболитами, связанными с метаболизмом аминокислот, жирных кислот и липидов, а также гликозилированием, которые могут быть функционально протестированы в последующих исследованиях.

Сравнение с существующими инструментами

На сегодняшний день существует множество инструментов биоинформатики для анализа метаболомных данных, однако не все из них поддерживают всесторонний анализ и комплексное исследование метаболомных данных. Metabox — это свободно доступный инструмент, который объединяет ряд подходов к обработке данных, статистическому анализу, построению сетей, интегративной визуализации и функциональной интерпретации метаболомных данных в одном программном пакете. предоставляет обзор инструментов, которые содержат функции, сопоставимые с metabox.Он также подчеркивает, что metabox превосходит другие «атомные» данные в области статистики и комплексного исследования в сетевых контекстах и ​​функциональном анализе.

Таблица 2

Сравнение с существующими инструментами для анализа и интерпретации метаболомных данных.

В части рабочего процесса интерпретации metabox поддерживает совместную визуализацию молекулярных объектов в нескольких комбинациях биологических сетей. Настоящие базы данных включают взаимосвязи между знаниями в предметной области, доступные только человеку из ограниченных ресурсов. Мы планируем обновить текущие базы данных, используя дополнительную информацию из предварительно скомпилированных баз данных, таких как ConsensusPathDB.Кроме того, будет добавлена ​​функция объединения различных сетевых выходов. Текущие функциональные интерпретации находятся в контексте путей KEGG и категорий химических веществ MeSH и лекарств для соединений. Мы изучаем возможность включения большего количества типов биологических аннотаций, таких как аннотации ассоциаций болезней и генной онтологии (GO) [50], однако добавление дополнительных баз данных требует тщательной проверки и оценки пригодности.

Выводы

В этом исследовании мы предлагаем альтернативный набор инструментов для тщательного анализа и комплексного исследования метаболомных данных.Metabox включает широко используемые статистические методы для обработки и идентификации ключевых объектов входных экспериментов, предлагает различные методологии интегративного анализа и обеспечивает интерактивную визуализацию для облегчения биологических интерпретаций. Инструмент встроен в базу данных графов и поддерживает построение сетей как на основе знаний, так и на основе данных. Дизайн графического интерфейса пользователя в виде интуитивно понятного веб-интерфейса призван помочь лабораторным биологам просто выполнять анализ данных. Metabox также запускается как стандартный пакет R для опытных пользователей, которые могут использовать его в сочетании с другими проектами R.Развитие метабокса подчеркивает потребности исследовательских сообществ в эффективном анализе, интеграции и интерпретации метаболомических исследований.

Вспомогательная информация

S1 Таблица

(PDF)

S2 Таблица

(PDF)

S1 Рис.

Схема базы данных иллюстрирует молекулярные сущности и их отношения, хранящиеся в базе данных графа.Овалы обозначают молекулярные объекты, а круглые прямоугольники указывают на отношения.

(TIF)

Файл S1

(ZIP)

Файл S3

(PDF)

Выражение признательности

Этот проект финансировался Национальным институтом здравоохранения, U24 DK097154 Центра метаболомики Западного побережья. Все авторы благодарны доктору Йоханнесу Ф. Фарманну за ценные комментарии.

Заявление о финансировании

Эта работа была поддержана Национальным институтом здравоохранения U24 и Национальным институтом диабета, болезней органов пищеварения и почек DK097154.Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

Доступность данных

Все соответствующие данные находятся в документе и его файлах с вспомогательной информацией.

Ссылки

Обновление SEOPress 5.1, выпуск

SEOPress 5.1 теперь доступен. Мы рекомендуем вам как можно скорее обновить свой сайт, чтобы воспользоваться последними функциями и улучшениями.

🎉 Новинка — Универсальный метабокс для SEO, вторая итерация

SEOPress 5.0 представляет наш новый универсальный метабокс SEO, который работает со всеми конструкторами страниц.Теперь, с версией 5.1, мы продолжаем нашу работу, добавляя вкладки XML Sitemap для видео и новостей.

🎉 Новое — предложения по внутренним ссылкам (PRO)

Наконец-то, после месяцев ожидания, наш инструмент для внутренних ссылок! Мы автоматически предложим контент, на который вы должны ссылаться, из редактируемой статьи.

Как предлагаются внутренние ссылки?

Спасибо математике! Мы используем то, что называется tf-idf, то есть термин «частота – обратная частота документа».Это метод статистического взвешивания, который позволяет рассчитать важность ключевого слова в вашем документе по сравнению со всеми другими вашими статьями. Затем мы можем сортировать, классифицировать содержимое по отношению друг к другу и предлагать до 5 внутренних ссылок для каждого сообщения. В нашем метабоксе SEO на вкладке «Внутренние ссылки» вы можете просмотреть предложения, скопировать ссылку одним щелчком мыши, просмотреть ее или отредактировать ее содержимое. Просто так!

Нет предложений?

Вы должны сохранить свой пост один раз, чтобы запустить процесс.Перейдите в свой список сообщений, выберите все, массовые действия, отредактируйте и нажмите кнопку «Обновить», чтобы рассчитать предложения внутренних ссылок для нескольких сообщений одновременно.

Это умно!

Наконец, мы добавили немного «интеллекта» к нашей функции внутренних ссылок:

• стоп-слов для 38 языков, чтобы предотвратить предложения, основанные на таких ключевых словах, как «the», «and», «or»…
• Не менее 200 слов в сообщении
• контент со статусом «опубликовано»
Тип сообщения
• , доступный для публичного запроса.

🎉 Другие новости

Было добавлено много других новых функций и улучшений, например:

• Обновлен французский перевод бесплатной версии 🇫🇷
• Скоро выйдет перевод на итальянский как в бесплатной, так и в PRO версии 🇮🇹
Разработчики
• теперь могут фильтровать типы сообщений для отслеживания предложений автоматической переадресации
• мы исправили проблему с нашей проверкой битых ссылок (обязательно перейдите в SEO, BOT, Настройки и выберите типы сообщений для сканирования, затем сохраните изменения).
• проблема совместимости со Slider PRO и нашим универсальным метабоксом SEO
• проблема со схемой блока FAQ
• универсальный метабокс SEO теперь доступен для редактора блоков

Мы также исправили некоторые проблемы с CSS, начиная с версии 5.0 включил новый пользовательский интерфейс.

Не забудьте подписаться, чтобы быть в курсе последних новостей и улучшений в наших плагинах для SEO!

Вы влюблены в SEOPress? Помогите нам, написав 5-звездочный обзор в официальном каталоге плагинов WordPress.org!

История изменений

Это обновление содержит следующие изменения (полный список изменений здесь):

 = 5,1 (26.08.2021) =
* НОВИНКА Предложения по внутренним ссылкам 🎉🎉🎉 (PRO)
* НОВЫЕ карты сайта для видео и новостей добавлены в универсальный метабокс для SEO.
* НОВЫЙ хук 'seopress_automatic_redirect_cpt' для фильтрации типов сообщений для отслеживания предложений автоматического перенаправления (https: // www.seopress.org/support/hooks/filter-post-types-to-watch-for-automatic-redirections/)
* НОВЫЙ хук 'seopress_beacon_svg' для фильтрации значка маяка SVG для универсального метабокса SEO
* ИНФОРМАЦИЯ Обновление французского языка
* ИНФОРМАЦИЯ Добавить URL-адрес автора в схему
* FIX Проверка неработающих ссылок (перейдите в SEO, BOT, Настройки и выберите типы сообщений для сканирования)
* FIX Проблема совместимости со Slider PRO
* Блок FIX FAQ: дублированное изображение и неверный атрибут alt-текста
* FIX Неустранимая ошибка is_plugin_active в редких случаях
* FIX Ручной тип схемы местного бизнеса (автоматический)
* ИСПРАВИТЬ i18n
* ИСПРАВЛЕНИЕ Отсутствует информация из Social Preview
* ИСПРАВИТЬ CSS в пользовательском интерфейсе
* FIX Conflict with Post Types Order plugin.
* FIX Глобальные кнопки с изображениями в социальных сетях для каждого типа сообщений
* ИСПРАВЛЕНИЕ Использовать дату публикации в XML-файлах Sitemap, если modified_date более раннее
* FIX Universal SEO metabox с редактором блоков
* Счетчик слов FIX / плотность ключевых слов с помощью Oxygen Builder 

Генеральный директор SEOPress.12 лет опыта работы с WordPress. Основатель плагинов WP Admin UI и WP Cloudy. Соорганизатор WP BootCamp.

Meta Box — Admin Columns Pro

Meta Box уже зарекомендовал себя как один из основных плагинов для управления настраиваемыми полями на веб-сайтах WordPress. С более чем 400 000 активных установок и особым подходом для разработчиков, это необходимый набор инструментов для разработчиков, которые предпочитают код конфигурации базы данных для управления веб-сайтами, связанными с настраиваемыми полями.

Благодаря интеграции Meta Box для Admin Columns Pro вы сможете настраивать таблицы списков WordPress для любого типа сообщения, пользователя или таксономии, добавляя столбцы для полей, определенных в ваших мета-боксах. А благодаря мощным функциям Admin Columns pro вы сможете легко искать, редактировать, сортировать и экспортировать свои данные прямо со страниц обзора.

С помощью Admin Columns вы можете создать столбец для каждого поддерживаемого поля Meta Box. Все поддерживаемые поля перечислены в раскрывающемся списке Тип столбца и сгруппированы в отдельной группе мета-поля.Поддерживаются следующие поля Meta Box: Текст , Номер , URL , Электронная почта , Диапазон , Текстовый список , Флажок , Список флажков , Кнопка , Радио , Select , Select Advanced , Textarea , Image Select , Color , OEmbed , Slider , WYSIWYG , Autocomplete , , 911 11 , Date , Date Time , Time , Post , Taxonomy , Taxonomy Advanced , User , HTML File , File Input , File Advanced , Image Advanced Image Advanced Image Advanced , HTML Изображение , Видео , Фон , KeyValue .

Искать содержимое Meta Box в таблице списка

После того, как вы создали столбцы для полей Meta Box, вы можете легко выполнять поиск по содержимому этих полей прямо из обзора с помощью наших смарт-фильтров. Столбцы администратора распознают настройки полей, чтобы предоставить вам лучший пользовательский интерфейс для связанных полей. Поиск в текстовых полях слов или определенных строк. Числовые поля можно искать в пределах диапазона, например «Страницы от 100 до 200». Вы можете легко искать даты в определенном диапазоне, начиная с определенной даты или простых дат, которые находятся в прошлом или будущем.

И последнее, но не менее важное: вы можете искать в реляционных полях определенных отношений. Допустим, у вас есть поле «Автор», которое содержит ссылку на таблицу пользователей. С помощью наших интеллектуальных фильтров вы можете легко отфильтровать все сообщения с конкретным автором, выбрав автора из списка из доступных авторов.

Функция «Встроенное редактирование» позволяет обновлять данные ваших столбцов / полей прямо из таблиц списков WordPress. Так что больше не нужно заходить на страницу редактирования сообщения, чтобы редактировать только простое поле.Эта функция сэкономит вам много времени, когда вы часто меняете определенные данные для своих сообщений.

Все, что можно редактировать с помощью нашей встроенной функции редактирования, также можно редактировать массово. Просто отметьте сообщения, которые хотите редактировать, и нажмите кнопку «Массовое редактирование», чтобы изменить данные для выбранных строк.

Легко экспортируйте все данные из обзора в файл CSV. Конечно, экспорт работает для многостраничных и учитывает любые действия по сортировке или фильтрации. Это позволяет экспортировать данные только для определенных сообщений с конкретными данными.

Набор инструментов метабокса состоит из основного плагина с множеством бесплатных и платных расширений, доступных на их веб-сайте. Мы выбрали самые популярные и подходящие расширения из Meta Box и сделали их совместимыми с нашей интеграцией. Поддерживаются следующие расширения:

• МБ Настраиваемая таблица (Сохранение настраиваемых полей в настраиваемых таблицах в базе данных)
• МБ Term Meta (поддержка страниц обзора таксономии)
• МБ User Meta (Поддержка страницы обзора пользователя)
• МБ Comment Meta (Поддержка страницы обзора комментариев)

Опора для нестандартного стола

Одним из основных расширений для Meta Box является поддержка настраиваемых таблиц.Это расширение позволяет хранить настраиваемые поля в отдельной таблице вместо метатаблиц WordPress по умолчанию, что значительно ускоряет получение данных при работе с большим набором данных. Интеграция Meta Box для Admin Columns Pro поддерживает эти настраиваемые таблицы, и все профессиональные функции, такие как сортировка, экспорт, редактирование и поиск, реализованы с большой производительностью.

Как создавать собственные мета-блоки в WordPress и почему

Итак, у вас есть веб-сайт WordPress, и вы некоторое время публикуете статьи.Однако вы ищете способы добавить больше функциональности к своим сообщениям. Наличие настраиваемого мета-окна на вашем веб-сайте позволит вам выполнять настраиваемые функции в ваших сообщениях и страницах.

Что такое мета-боксы?

В редакторе записей и страниц WordPress есть несколько полей по умолчанию. Вы узнаете их как блоки, например:

• Редактор
• Опубликовать
• Категории
• Теги

Это так называемые мета-блоки WordPress. Они есть в каждой теме WordPress, а в некоторые из них по умолчанию уже добавлены другие мета-блоки.Все зависит от вашей темы. Есть даже мета-поля для добавления метаописаний и ключевых слов.

Вы можете добавить настраиваемые мета-блоки на свой веб-сайт WordPress, используя плагины, код или их комбинацию. Мы поговорим об этом подробнее ниже, но давайте поговорим о том, почему вам следует добавлять мета-поле, когда это необходимо в ваш редактор.

Зачем нужны мета-боксы?

За этим стоят разные мыслительные процессы. Добавление настраиваемого мета-блока и его использование может иметь важное значение или может быть связано с чем-то забавным.Может быть, вы хотите узнать, какая сейчас погода, или показать смайлики с настроением. Есть много типов мета-полей и полей, которые вы можете добавить.

При этом мета-поля и мета-поля также очень удобны, если вы хотите собрать определенную информацию, относящуюся к редактируемому посту.

Когда вы создаете настраиваемое мета-поле, оно будет отображаться на том же экране, что и вся остальная информация, связанная с публикациями, которая у вас есть. Установлены четкие отношения, и вы можете увидеть, как все они работают вместе, исходя из того, как вы их строите.

Мета-боксы не видны пользователям вашего сайта и читателям статей. Они видны вам только в задней части панели администратора WordPress. Кроме того, вы можете расположить свои собственные мета-блоки в бэкенде, как хотите. Владельцы веб-сайтов получают полный контроль над средой редактирования и могут отображать их так, как они считают нужным.

Давайте посмотрим, как вы можете добавить настраиваемый мета-блок WordPress на свой веб-сайт и использовать его в будущем.

Meta Box

Meta Box - это очень мощный, но легкий плагин, который позволяет разработчикам или владельцам веб-сайтов (если вы знаете как) создавать неограниченное количество пользовательских мета-боксов на своих веб-сайтах.Это также дает вам возможность создавать настраиваемые поля.

Этот плагин обладает множеством функций. После установки и активации вы сможете создавать более 40 различных типов настраиваемых мета-блоков для своего веб-сайта. Вот некоторые из наиболее популярных:

• Текст
• Изображения
• Загрузки файлов
• Флажки
• Радиокнопки
• Выбор даты и времени
• Выбор сообщения
• Таксономия
• Пользователь

Опять же, это просто несколько настраиваемых мета-блоков, которые вы можете создать после установки плагина.

После установки плагина вам нужно будет выполнить несколько шагов. Это включало копирование и вставку кода из исходного плагина в файл functions.php . Однако мы рассмотрим это вместе ниже.

Давайте рассмотрим, как добавить настраиваемый мета-блок на ваш сайт WordPress.

Установить и активировать Meta Box

Чтобы добавить настраиваемый мета-блок WordPress на свой веб-сайт, вам сначала необходимо установить и активировать плагин. Вы можете сделать это, перейдя на страницу плагинов на панели администратора WordPress и выполнив поиск там имени плагина.

После того, как плагин будет установлен и активирован, вы будете готовы приступить к созданию настраиваемых мета-боксов для добавления на свой веб-сайт для использования.

Примечание: У плагина Meta Box фактически нет страницы администратора для конфигурации или настроек. Вместо этого вам нужно использовать онлайн-генератор, который предоставляет пользовательский интерфейс, который ускоряет процесс и позволяет легко создавать мета-блоки на лету.

После активации плагина вы автоматически попадете на домашнюю страницу, где будет для вас некоторая информация.

Начало работы

Прежде всего, вы увидите начальную страницу для плагина Meta Box. Это будет включать в себя вкладку «Начало работы», «Расширение» и «Поддержка».

Теперь вы можете просмотреть другие вкладки. Вы можете проверить некоторые другие расширения, которые они рекомендуют для других целей, и даже щелкнуть вкладку поддержки, чтобы получить доступ к разработчикам и справочной документации, когда это необходимо.

При этом мы собираемся придерживаться настройки мета-бокса в этом руководстве.Итак, оставайтесь на той странице, на которой вы находитесь, и давайте двигаться дальше.

Доступ к онлайн-генератору

Чтобы добавить настраиваемый мета-блок на свой веб-сайт, вам придется использовать «онлайн-генератор», который предоставляет плагин мета-бокса. Прокрутите вниз до правого нижнего угла стартовой страницы и нажмите кнопку «Перейти к онлайн-генератору».

Примечание: Онлайн-генератор, который предоставляет Meta Box, позволяет легко создавать мета-блоки с настраиваемыми полями.Он напрямую связан с плагином и предоставляет очень мощный и удобный пользовательский интерфейс, который позволяет создавать настраиваемое мета-поле с помощью метода перетаскивания.

Добавление