× cerrar
Crédito: Lisa Bramer | Laboratorio Nacional del Noroeste del Pacífico
Es un signo de los tiempos: una tienda de aplicaciones para entusiastas de las ómicas. oh Portal de análisis multiómicos (MAP) a finales de 2024 será una ventanilla única para aplicaciones informáticas capaces de dar sentido a datos ómicos diversos y vastos. Genómica, proteómica, lipidómica, transcriptómica: todas son bienvenidas.
La científica de datos Lisa Bramer y la bioestadística Kelly Stratton del Laboratorio Nacional del Noroeste del Pacífico (PNNL) y el Laboratorio de Ciencias Moleculares Ambientales comenzaron a desarrollar la tienda hace unos años. El equipo ha lanzado versiones beta de dos aplicaciones hasta ahora y planea agregar cuatro más para fin de año.
«Estamos tratando de crear algo asequible pero escalable», dijo Bramer. «El objetivo no es agregar funciones en una única aplicación de gran tamaño cada vez que necesitamos incorporar una nueva herramienta, un nuevo instrumento o una nueva técnica. En cambio, podemos crear estas aplicaciones más pequeñas y compactas y ponerlas todas en un solo lugar. . para que los investigadores puedan obtener datos más fácilmente, tempranamente y con mayor frecuencia”.
Sneha Couvillion, investigadora biomédica de PNNL, es una de las primeras en adoptar y fanática de la tienda MAP.
«Me encanta. Es una gran herramienta para que alguien que no sea estadístico como yo haga un análisis estadístico básico de sus datos», dijo Couvillion. Ha sido especialmente útil, afirma, para estudios más pequeños en los que quiere echar un vistazo rápido a los datos antes de decidir cómo proceder.
× cerrar
Crédito: Lisa Bramer | Laboratorio Nacional del Noroeste del Pacífico
En el mundo académico, añade, “…tener un equipo de bioestadísticos no es típico. Es un lujo que tenemos en PNNL”. Pero incluso con un equipo de ellos, afirma, la cola para el análisis de datos puede estar abarrotada. Con MAP y sus aplicaciones, los investigadores ahora pueden sumergirse en los datos por sí mismos, tantas veces como quieran. Si necesitan análisis adicionales, pueden contratar a un bioestadístico para que los ayude.
“Es una mejora del proceso, además de ser un conjunto de herramientas”, afirma Bramer. «Por lo general, los experimentos irían desde el diseño hasta el banco, los instrumentos y el análisis de datos, y el investigador no vería los datos hasta que un bioestadístico pueda analizarlos con ellos».
Con PMart, una de las aplicaciones de MAP, a Couvillion le lleva sólo media hora pasar de los datos sin procesar a las estadísticas finales con un conjunto de datos simple. Esto le permite reflexionar sobre la información y decidir los próximos pasos, a menudo avanzando hacia un experimento mucho más amplio y diseñado con más rigor gracias a los datos iniciales.
A lo largo de los años, la visualización ha sido una adición importante al análisis de datos. Algunas personas prosperan con listas o líneas de texto, mientras que otras prefieren imágenes. Antes de la visualización, estos últimos estaban en una secuencia y (probablemente) tenían más dificultades para comprender sus datos.
La herramienta PMart se ha ampliado para procesar ómicas generales y tipos de datos adicionales con el apoyo del Programa de Investigación y Desarrollo Dirigido por Laboratorio de PNNL. La herramienta ahora realiza control de calidad y prepara datos para comparaciones estadísticas. También incluye vistas de resumen útiles, todas las cuales se pueden descargar y guardar individualmente para informes e incluso incluyen comandos computacionales que un estadístico puede reproducir. Esto es especialmente útil para cualquier miembro de la comunidad científica que utilice aplicaciones en MAP pero quiera o necesite llevar los análisis un paso más allá con un estadístico experto.
Además, las aplicaciones pueden transferir datos entre ellas para su posterior análisis. PMart, por ejemplo, puede producir tipos de datos que van a una segunda aplicación conocida como MODE.
MODE es excepcional para encontrar tendencias y crear presentaciones visuales interactivas. A diferencia de los gráficos de resumen tradicionales, como el análisis de componentes principales, que pueden omitir mostrar información y hallazgos importantes, MODE presenta una vista detallada de cada biomolécula medida y analizada y ayuda a priorizar los hallazgos para que el usuario los investigue.
