Big Data Science mit dem BD2K-LINCS Data Coordination and Integration Center

Beschreibung

Die Library of Integrative Network-based Cellular Signatures (LINCS) ist ein NIH Common Fund-Programm. Die Idee besteht darin, verschiedene Arten menschlicher Zellen mit vielen verschiedenen Arten von Störungen zu stören, wie zum Beispiel: Arzneimittel und andere kleine Moleküle; genetische Manipulationen wie Knockdown oder Überexpression einzelner Gene; Manipulation der extrazellulären Mikroumgebungsbedingungen, zum Beispiel das Wachstum von Zellen auf verschiedenen Oberflächen und mehr. Diese Störungen werden auf verschiedene Arten menschlicher Zellen angewendet, einschließlich induzierter pluripotenter Stammzellen von Patienten, die in verschiedene Abstammungslinien wie Neuronen oder Kardiomyozyten differenziert sind. Um die molekularen Netzwerke, die von diesen Störungen betroffen sind, besser zu verstehen, werden dann Veränderungen im Niveau vieler verschiedener Variablen gemessen, darunter mRNAs, Proteine und Metaboliten sowie zelluläre phänotypische Veränderungen wie Veränderungen in der Zellmorphologie. Das BD2K-LINCS Data Coordination and Integration Center (DCIC) hat den Auftrag, diese Daten zu organisieren, zu analysieren, zu visualisieren und mit anderen öffentlich zugänglichen relevanten Ressourcen zu integrieren. In diesem Kurs stellen wir kurz das DCIC und die verschiedenen Zentren vor, die Daten für LINCS sammeln. Anschließend befassen wir uns mit Metadaten und der Verknüpfung von Metadaten mit Ontologien. Anschließend stellen wir Datenverarbeitungs- und Normalisierungsmethoden zur Bereinigung und Harmonisierung von LINCS-Daten vor. Dies folgt auf Diskussionen darüber, wie Daten als RESTful-APIs bereitgestellt werden. Am wichtigsten ist, dass der Kurs Rechenmethoden behandelt, darunter Datenclustering, Gen-Set-Anreicherungsanalyse, interaktive Datenvisualisierung und überwachtes Lernen. Schließlich stellen wir Crowdsourcing-/Citizen-Science-Projekte vor, bei denen Studierende in Teams zusammenarbeiten können, um Expressionssignaturen aus öffentlichen Datenbanken zu extrahieren und diese Signatursammlungen dann mit LINCS-Daten abzugleichen, um kleine Moleküle als potenzielle Therapeutika vorherzusagen.