Back to search

National and Kapodistrian University of Athens

ML4META - A comprehensive tool for Metabolomics Data Analysis

Abstract

dc:description

Η μεταβολομική είναι ένας αναδυόμενος τομέας της βιοϊατρικής έρευνας που επικεντρώνεται στην ανάλυση μεταβολιτών μικρών μορίων για την αποκρυπτογράφηση των μηχανισμών των ασθενειών και τον χαρακτηρισμό της φαινοτυπικής ποικιλομορφίας. Με την αυξανόμενη ποικιλομορφία των εφαρμογών στην ανακάλυψη βιοδεικτών, την ανάπτυξη φαρμάκων, την εξατομικευμένη ιατρική και την περιβαλλοντική παρακολούθηση, υπάρχει μια αυξανόμενη ανάγκη για εργαλεία μηχανικής μάθησης για τη δημιουργία εξηγήσιμων προγνωστικών μοντέλων που αξιοποιούν σύνολα δεδομένων μεταβολομικής. Ωστόσο, αυτά τα σύνολα δεδομένων χαρακτηρίζονται συνήθως από μικρά μεγέθη δειγμάτων, πολύ υψηλή διαστατικότητα, ανισορροπία κλάσεων και έλλειψη τυποποιημένων ροών εργασίας βιοπληροφορικής για την ανάλυσή τους. Παρουσιάζουμε το ML4META, ένα ολοκληρωμένο πακέτο Python για την ανάλυση συνόλων δεδομένων μεταβολομικής σε μορφή πίνακα. Το πακέτο περιλαμβάνει δυνατότητες προεπεξεργασίας, σταθερή επιλογή χαρακτηριστικών, ρύθμιση υπερπαραμέτρων σε πολλαπλούς αλγόριθμους εκτίμησης, μεθόδους επιλογής και αξιολόγησης μοντέλων, συμπερασμούς και ολοκληρωμένη κατάταξη σημασίας χαρακτηριστικών με βάση την προσθετική εξήγηση Shapley για τη διευκόλυνση της ανακάλυψης βιοδεικτών. Επαληθεύσαμε τις ποικίλες δυνατότητες του ML4META χρησιμοποιώντας δύο δημόσια διαθέσιμα σύνολα δεδομένων μεταβολομικής με πολύ διαφορετικά χαρακτηριστικά: το σύνθετο σύνολο δεδομένων EPIC για τη νόσο του Πάρκινσον (72 άτομα, 1430 βιοδείκτες) και το σύνολο δεδομένων ICC (ανοσοκυτταροχημεία) για μεμονωμένα κύτταρα (1544 κύτταρα, 511 βιοδείκτες). Το πρώτο σύνολο δεδομένων αποτελεί παράδειγμα κλινικών ερευνών με τυπικά μικρά μεγέθη δειγμάτων ασθενών και μεγάλα σύνολα χαρακτηριστικών, ενώ το δεύτερο σύνολο δεδομένων περιλαμβάνει φαινοτυπικό χαρακτηρισμό και σχέσεις βιοδεικτών υψηλής πολυπλοκότητας, όπως είναι εμφανές σε δεδομένα μεγάλης κλίμακας μονόκυτταρων. Προτείνουμε μια υβριδική προσέγγιση για την ανακάλυψη βιοδεικτών που συνδυάζει την επιλογή στοιχείων ανεξάρτητη από το μοντέλο χρησιμοποιώντας την Minimum Redundancy Maximum Relevance (MRMR) με την κατάταξη σημασίας βιοδεικτών βάσει SHAP για τον προσδιορισμό υποψηφίων βιοδεικτών υψηλής αξιοπιστίας που παρουσιάζουν τόσο ισχυρή επιλεκτικότητα όσο και ισχυρή προγνωστική σημασία. Σε αντίθεση με τις προσεγγίσεις που βασίζονται αποκλειστικά στις τιμές σημασίας SHAP χρησιμοποιώντας ολόκληρο το σύνολο βιοδεικτών και ένα μόνο μοντέλο πρόβλεψης, η υβριδική μας προσέγγιση ευνοεί την επιλογή σταθερών στοιχείων που παρουσιάζουν βέλτιστη ισορροπία μεταξύ συνάφειας και πλεονασμού, χρησιμοποιώντας επαναλαμβανόμενο MRMR ανεξάρτητο από το μοντέλο και υψηλή σημασία βιοδεικτών σε πολλαπλά μοντέλα υψηλής απόδοσης, όπως καθορίζεται από τις τιμές SHAP. Η πιο αυστηρή υβριδική μεθοδολογία μας στοχεύει στην αντιμετώπιση της μεροληψίας που είναι συγκεκριμένη για κάθε μοντέλο, στη βελτίωση της ανθεκτικότητας της επιλογής βιοδεικτών σε όλους τους αλγόριθμους και στη μείωση της έκθεσης του μοντέλου σε θορυβώδη στοιχεία. Για το σύνολο δεδομένων EPIC της νόσου του Πάρκινσον, εντοπίσαμε απλά ερμηνεύσιμα μοντέλα ElasticNet που επιτυγχάνουν τιμές AUC άνω του 0,98. Η ανάλυσή μας επικύρωσε τους πέντε βασικούς βιοδείκτες που είχαν προηγουμένως εντοπιστεί στη μελέτη αναφοράς χρησιμοποιώντας ένα νευρωνικό δίκτυο, επιβεβαίωσε τη σημασία έξι επιπλέον βιοδεικτών που επισημάνθηκαν σε αυτή την εργασία και αποκάλυψε έναν νέο πιθανό βιοδείκτη που δεν είχε αναφερθεί προηγουμένως. Για το πρόβλημα ταξινόμησης μονόκυτταρων ICC, οι εκτιμητές βάσει δέντρου πέτυχαν βαθμολογίες AUC 0,83-0,84, ενώ εντόπισαν 14 πιθανούς βιοδείκτες, 9 από τους οποίους δεν περιλαμβάνονταν στην αρχική μελέτη. Η υβριδική μας προσέγγιση, η οποία συνδυάζει την ανεξάρτητη από το μοντέλο επιλεκτικότητα βιοδεικτών με βάση τη σταθερότητα με την κατάταξη της σημασίας των στοιχείων ανά μοντέλο σε πολλαπλούς εκτιμητές, παρέχει ένα βελτιωμένο πλαίσιο ανθεκτικότητας για την ανακάλυψη βιοδεικτών που ελαχιστοποιεί τα ψευδώς θετικά στοιχεία, εξασφαλίζοντας παράλληλα τη βιολογική ερμηνευσιμότητα. ΘΕΜΑΤΙΚΗ ΠΕΡΙΟΧΗ: Ανάλυση δεδομένων μεταβολομικής, μηχανική μάθηση στην υγειονομική περίθαλψη, επιλογή στοιχείων, ανάπτυξη λογισμικού, βιοπληροφορική

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Αλβανάκης-Αποστόλου Σπυρίδων
  • Alvanakis-Apostolou Spyridon

Subjects

dc:subject × 2

Rights

Language dc:language
Ελληνικά, English, Greek

Identifiers

dc:identifier.*
Identifier
uoadl:5305044

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Αλβανάκης-Αποστόλου Σπυρίδων; Alvanakis-Apostolou Spyridon. ML4META - A comprehensive tool for Metabolomics Data Analysis. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5305044