TY -的T1 multi-omics数据集的集成使分子分类COPD JF -欧洲呼吸杂志》乔和J - 10.1183/13993003.01930 -2017欧元六世- 51 - 5 SP - 1701930 AU - Li川行非盟-惠洛克,克雷格•e . AU - Skold教授c·马格纳斯盟惠洛克,Asa m . Y1 - 2018/05/01 UR - //www.qdcxjkg.com/content/51/5/1701930.abstract N2 -慢性阻塞性肺疾病(COPD)是一种伞诊断造成的大量的潜在机制,和分子sub-phenotyping需要开发分子诊断/预测工具和有效的治疗方法。这些研究的目的是研究多组学整合是否能提高小群体COPD分子分类的准确性。采用相似性网络融合(SNF)方法，对52名女性的9个组学数据块(包括mRNA、微RNA、蛋白质组和代谢组)进行整合。多组学整合显著提高了从健康的不吸烟者和肺功能正常的吸烟者分类COPD患者的准确性，在95%的功率下，将所需的组大小从n=30减少到n=6。四到七种组学平台的七种不同组合达到了95%的准确率。首次在9个组学数据块上证明了多组学数据集成与数据驱动分类能力的准确性之间的定量关系。整合5到7个组学数据块，即使在当前吸烟的强烈混杂影响下，也能对小到6个人的COPD诊断进行100%正确的分类。这些结果可以作为未来基于系统的多组学研究的设计指南，表明从几个分子水平和解剖位置整合5到6个数据块足以促进小队列中无监督的分子分类。多组学整合显著改善COPD的无监督分子预测;100%准确率，子组n=6 http://ow.ly/EeiY30iWB2f ER -