www.wikidata.uk-ua.nina.az

Мультиоміка мульти оміка інтегративна оміка це підхід до біологічного аналізу спрямований на використання та інтеграцію

Мультиоміка

Мультиоміка, мульти-оміка, інтегративна оміка — це підхід до біологічного аналізу, спрямований на використання та інтеграцію великої кількості даних, наданої дослідженнями «-омами», такими як геном, протеом, транскриптом[en], епігеном[en], епітранскриптом[en], метаболом, інтерактом, мікробіом (метагеном, метатранскриптом, метапротеом) та інші, щоб розвинути комплексне та цілісне розуміння біологічних систем.

Мультиоміка: спрощено та схематично (без епігеноміки та ін.)
Кількість цитувань термінів «Multiomics» і «Multi-omics» у PubMed до 31 грудня 2021 року.

«Оміксні технології» — це набори передових, високопродуктивних методологій, які використовуються для аналізу широкого діапазону біологічних молекул та їх взаємодії з метою розуміння структури, функції та динаміки біологічних систем на різних рівнях. Поєднуючи ці «-оми», вчені можуть аналізувати складні біологічні великі дані, щоб знаходити нові асоціації між біологічними об’єктами, точно визначати відповідні біомаркери[en] захворювань і фізіологічних процесів. Роблячи це, мультиоміка об’єднує різноманітні дані омік, щоб знайти узгоджено відповідний зв’язок або асоціацію генотип-фенотип-довкілля. Термін «мультіоміка» відображає взаємозв’язок і складну взаємодію між різними типами біологічних даних. Біологічні процеси керуються каскадом подій, які починаються з генома та призводять до функціональних білків і метаболітів, які опосередковують клітинні процеси. Уздовж цього континууму існують різні точки регулювання та зворотного зв’язку, які найкраще зрозуміти, якщо розглядати їх разом.

Мультиоміка має на меті вийти за рамки редукціоністського погляду на розгляд кожного типу даних омік ізольовано. Натомість мультиоміка, як підхід, визнає, що ціле більше, ніж сума його частин. Підходи мультиоміки можуть прояснити, як зміни на одному рівні (наприклад, генетична мутація) можуть поширюватися на інші рівні (наприклад, зміни у функції білка та виробництві метаболітів), таким чином сприяючи складним рисам або хворобливим станам.

Цей комплексний підхід є особливо ефективним у вирішенні складних біологічних питань і все частіше застосовується в таких сферах, як біомедицина та біомедична інженерія, біотехнологія, експериментальна біологія, біоінженерія та синтетична біологія, сільське господарство й дослідження навколишнього середовища тощо. Наприклад, у персоналізованій медицині інтеграція мультиомних даних — від геномних до навколишніх — пропонує можливість більш точного прогнозування, профілактики та стратегій лікування для конкретних пацієнтів.

Однак інтеграція кількох типів даних омік не позбавлена ​​проблем. Вони включають потребу в надійних обчислювальних інструментах і статистичних методах для обробки та аналізу великих складних наборів даних; необхідність стандартизації та перевірки даних; а також питання етики, конфіденційності та обміну даними. Незважаючи на ці проблеми, мультиоміка має величезні перспективи для трансформації нашого розуміння складних біологічних систем і хворобливих процесів, і розвивається експоненційно.

Типи досліджень в мультиоміці Редагувати

Геноміка Редагувати

Геноміка — це наука про повний набір генів в організмі (геном), включаючи їх організацію, функції та взаємодію. Завершення проекту «Геном людини» у 2003 році стало знаменним досягненням, яке проклало шлях для передових досліджень генетики людини та інших видів. Методи в геноміці включають секвенування цілого генома[en], повногеномне дослідження асоціацій[en] (GWAS) і порівняльну геноміку[en] та інші. (див. Геноміка, Біоінформатика)

Епігеноміка Редагувати

Епігеноміка — це дослідження повного набору епігенетичних модифікацій генетичного матеріалу клітини, відомого як епігеном. Ці зміни можуть впливати на експресію генів, "вмикаючи" чи "вимикаючи" їх, не змінюючи базову послідовність ДНК.

  • Профіль метилювання ДНК: Вивчення статусу метилювання специфічних залишків цитозину в ДНК. Патерни метилювання часто асоціюються з глушінням генів і можуть бути проаналізовані за допомогою таких методів, як бісульфітне секвенування[en] та методи аналізу мікрочипів[en].
  • Дані модифікації гістонів — ChIP-Seq (Секвенування імунопреципітацією хроматину): визначення місць і моделей модифікацій гістонів (наприклад, ацетилювання, метилювання), пов’язаних з регуляцією генів. Секвенування ChIP поєднує імунопреципітацію хроматину з високопродуктивним секвенуванням.
  • Секвенування малих РНК[en]: профілювання малих некодуючих РНК (наприклад, мікроРНК, малих інтерферуючих РНК), які відіграють вирішальну роль у регуляції генів після транскрипції.
  • Аналіз довгих некодуючих РНК (lncRNA): Дослідження функцій і регуляторних ролей довгих некодуючих РНК у експресії генів та епігенетичній регуляції.
  • Методи фіксації конформації хромосом — відображення тривимірної організації хроматину в клітинному ядрі. Дані Hi-C дають зрозуміти, як хроматинові петлі та взаємодії впливають на регуляцію генів і архітектуру геному.
  • Повноепігеномне дослідження асоціацій[en] (EWAS) — Епігеномне профілювання метилювання ДНК: виявлення епігенетичних змін, пов’язаних із захворюваннями, ознаками та впливом навколишнього середовища, подібно до повногеномних досліджень асоціацій (GWAS) для генетичних варіацій.

Транскриптоміка Редагувати

Транскриптоміка передбачає вивчення повного набору транскриптів РНК, які виробляються геномом за певних умов. Такі методи, як мікрочипи та секвенування РНК[en] (RNA-seq), дозволяють дослідникам вимірювати зміни в експресії генів, виявляючи, як клітини реагують на різні стимули. (Див. також Транскрипція (біологія))

Епітранскриптоміка Редагувати

Епітранскриптоміка — це дослідження епітранскриптому[en] — функціонально відповідних модифікацій транскриптому, які можуть впливати на стабільність, локалізацію та трансляцію РНК. Це поле дозволяє досліджувати інший рівень регуляції генів, який впливає на численні клітинні процеси та потенційно сприяє хворобливим станам.

Епітранскриптоміка зосереджена на вивченні посттранскрипційних модифікацій молекул РНК. Ці модифікації, такі як N6-метиладенозин (m6A) і 5-метилцитозин (m5C), можуть впливати на стабільність, локалізацію та ефективність трансляції РНК.

Епітранскриптомне секвенування[en]: такі методи, як m6A-seq і m5C-seq, використовуються для профілювання модифікацій РНК у транскриптомі. Ці дані допомагають ідентифікувати модифіковані ділянки РНК і зрозуміти їхню функціональну роль.

Протеоміка Редагувати

Протеоміка передбачає широкомасштабне вивчення білків, включаючи їх структуру, функції та взаємодії, — протеом. Мас-спектрометрія та білкові мікрочіпи є широко використовуваними методами в протеоміці.

Функціональна протеоміка — дослідження білок-білкових взаємодій, субклітинної локалізації та функцій білка в клітинних шляхах.

Ліпідоміка Редагувати

Ліпідоміка — це широкомасштабне дослідження шляхів і мереж клітинних ліпідів у біологічних системах. Ліпідоміка використовує методи аналітичної хімії та мас-спектрометрії для ідентифікації та кількісного визначення різноманітного профілю ліпідів у біологічних системах.

Глікоміка Редагувати

Глікоміка — це комплексне дослідження всіх гліканових структур (вуглеводів) клітини, тканини або організму. Глікоміка досліджує структуру та функції гліканів (цукрів, сахаридів) у біологічних системах, зокрема, завдяки мас-спектрометрії.

Метаболоміка Редагувати

Метаболоміка — це дослідження повного набору дрібномолекулярних хімічних речовин, знайдених у біологічному зразку. Досліджуючи ці метаболіти, дослідники можуть отримати уявлення про фізіологічні стани та реакцію на захворювання або зміни навколишнього середовища. (див. Біоінформатика)

Інтерактоміка Редагувати

Інтерактоміка відноситься до вивчення інтерактома, усієї сукупності молекулярних взаємодій у клітинах. Це може включати білок-білок, білок-ДНК, білок-метаболіт, епігенетичні, мікроРНК-мРНК, бактеріальні та інші типи взаємодій.

Мікробіоміка Редагувати

Мікробіоміка передбачає характеристику та аналіз мікробних спільнот, включаючи бактерії, археї, віруси, гриби, пріони, найпростіші та водорості, у визначеному середовищі. (Див. також Мікробіом, Мікробіом людини, Мікробіота кишківника)

Метагеноміка Редагувати

Метагеноміка — це дослідження генетичного матеріалу, отриманого безпосередньо зі зразків навколишнього середовища чи мікробіому певного організму. Це дозволяє охарактеризувати спільноти організмів, які не піддаються культивуванню звичайними мікробіологічними методами. Метагеноміка дає уявлення про структуру та функції мікробних спільнот у різноманітних середовищах, у тому числі в організмі людини.

Метатранскриптоміка Редагувати

Метатранскриптоміка — розділ транскриптоміки та мікробіоміки, який займається вивченням транскриптомів у мікробних спільнотах. Він пропонує розуміння активних функціональних елементів спільноти та може проілюструвати, як громади реагують на подразники навколишнього середовища. Метатранскриптоміка також може допомогти ідентифікувати гени, що експресуються окремими членами спільноти, досліджуючи функціональні ролі різних членів спільноти.

Метапротеоміка Редагувати

Метапротеоміка передбачає вивчення всього мікробного протеому в певний момент часу. Метапротеоміка надає функціональну інформацію про мікробні спільноти, що робить її ключовим інструментом для розуміння взаємодії мікробів і динаміки спільнот у їхньому природному середовищі існування. Такий підхід також допомагає з’ясувати функціональні ролі окремих членів і спільноти в цілому.

Інструменти та методи Редагувати

Секвенування наступного покоління Редагувати

Технології секвенування наступного покоління (NGS) зробили революцію в геноміці та інших галузях оміки. Вони забезпечують високопродуктивне секвенування, обробляючи мільйони послідовностей одночасно. NGS використовується для секвенування цілих геномів, транскриптомів (RNA-seq), метагеномів і аналізу епігенетичних маркерів.

Аналіз мікрочипів Редагувати

Технологія мікрочипів, хоч і не така продуктивна як новіші методи, але також використовується для високопродуктивного аналізу експресії генів (транскриптоміка), а також для виявлення однонуклеотидних поліморфізмів (SNP) і варіацій кількості копій (CNV) у геноміці. Секвенування РНК (RNA-Seq), витіснило технологію мікрочіпів і стало методикою вибору, завдяки своїй здатності вимірювати експресію генів з високою чутливістю та точністю, а також ідентифікувати нові транскрипти.

Мас-спектрометрія Редагувати

Мас-спектрометрія є ключовим методом у протеоміці та метаболоміці, що дозволяє ідентифікувати та кількісно визначити білки та метаболіти. Цей метод також використовують для ліпідоміки, глікоміки та інших типів молекулярного аналізу.

Біоінформатика та обчислювальні засоби Редагувати

Необхідним компонентом досліджень мультиоміки є використання обчислювальних інструментів для аналізу та інтеграції великих і складних наборів даних оміки, що є сферою досліджень в біоінформатиці. Інструменти для інтеграції даних включають статистичні підходи, алгоритми машинного навчання та інструменти мережевого аналізу. Бази даних і програмні платформи також мають вирішальне значення для обміну та анотування даних різних омік.

Машинне навчання Редагувати

Паралельно з прогресом у молекулярній, системній та обчислювальній біології, активно розвиваються програми машинного навчання для аналізу біомедичних даних. Інтеграція мультиомічного аналізу даних і машинного навчання призвела до відкриття нових біомаркерів. Наприклад, один із методів проекту mixOmics реалізує метод, заснований на частковій регресії найменших квадратів[en] для відбору ознак (передбачуваних біомаркерів).

Одноклітинна мультиоміка Редагувати

Відгалуженням галузі мультиоміки є аналіз багаторівневих одноклітинних даних, які називають одноклітинною[en] мультиомікою. Цей підхід дає нам безпрецедентну можливість розглядати багаторівневі процеси в здоров’ї та захворюваннях на рівні однієї клітини.

Методи паралельного одноклітинного геномного та транскриптомного аналізу можуть базуватися на одночасній ампліфікації або фізичному розділенні РНК і геномної ДНК. Вони дозволяють отримати інформацію, яку неможливо зібрати виключно за допомогою транскриптомного аналізу, оскільки, наприклад, дані РНК не містять некодуючих геномних ділянок та інформації щодо варіації кількості копій. Розширенням цієї методології є інтеграція одноклітинних транскриптомів до одноклітинних метиломів, поєднання одноклітинного бісульфітного секвенування[en] до одноклітинного секвенування РНК (RNA-Seq). Інші методи досліджують епігеном, такі як одноклітинний ATAC-Seq[en] і одноклітинний Hi-C.

Проблемою є інтеграція протеомних і транскриптомних даних. Один із підходів до виконання такого вимірювання полягає у фізичному розділенні одноклітинних лізатів на дві частини, обробці половини для РНК, а половини для білків. Вміст білка в лізатах можна виміряти, наприклад, за допомогою методів розширення (PEA), які використовують антитіла зі штрих-кодом ДНК. Інший підхід використовує комбінацію РНК-зондів важких металів і білкових антитіл для адаптації мас-цитометрії для мультиомічного аналізу.

Системи CRISPR-Cas Редагувати

Системи CRISPR-Cas, зокрема CRISPR-Cas9, зробили революцію в геномних дослідженнях. Їх можна використовувати для точного редагування геномів, що дозволяє проводити функціональні дослідження генів і генетичних варіантів.

Завдяки точності CRISPR-Cas9 дослідники можуть створювати певні генетичні пертубації (наприклад, генні нокаути або специфічні мутації) контрольованим чином, а потім використовувати різні методи оміки (геноміка, транскриптоміка, протеоміка, метаболоміка тощо), щоб зрозуміти наступні наслідки цих змін. Це дозволяє отримати цілісне уявлення про вплив конкретного гена на процеси в клітині.

За тим же принципом, систему dCas9, де білок Cas9 є «мертвим» або каталітично неактивним, можна використовувати для цілеспрямованого редагування епігенома, якщо його злити з ферментами, які модифікують епігеном, такими як ДНК-метилтрансферази або гістон-ацетилтрансферази. Після цього, методами епігеноміки можливо дослідити й оцінити отриманні зміни в епігеномі і їх роль в процесах в клітині.

Інтеграція даних в мультиоміці Редагувати

Інтеграція даних мультиоміки є вирішальним кроком у дослідженнях мультиоміки, метою якого є надання повного уявлення про біологічні системи на різних молекулярних рівнях. Завдання класифікації методів інтеграції даних мультиоміки є складним через різноманітні методології з різними цілями. Однак їх можна широко класифікувати на основі їхніх базових статистичних стратегій, їхньої біологічної цілі та способу обробки кількох типів даних омік.

Існує два загальні підходи до організації вхідних даних для подальшої їх інтеграції та аналізу: методи ансамблю даних і методи ансамблю моделі. Методи ансамблю даних об’єднують дані мультиоміки з різних молекулярних шарів в єдину матрицю як вхідні дані. Навпаки, методи ансамблю моделі аналізують кожні дані омік незалежно, а потім об’єднують результати для побудови інтегративного аналізу. На основі цих двох методик організації даних класифікують наступні методи інтеграції даних:

Методи інтеграції даних Редагувати

Методи на основі регресії/асоціації Редагувати

  • Послідовний аналіз
  • Методи на основі канонічний кореляційного аналізу (CCA) і співінерційного аналізу (CIA)
  • Методи на основі факторного аналізу

Методи на основі кластеризації Редагувати

  • Кластеризація на основі ядра
  • Метод кластеризації на основі матричної факторизації
  • Метод баєсової кластеризації
  • Багатовимірний метод кластеризації

Методи на основі мереж Редагувати

  • Мережі на основі матриці факторизації (MF-Based)
  • Баєсові мережі
  • Мережі на основі поширення (NP-Based)
  • Кореляційні та інші мережі

Проблеми та виклики Редагувати

В інтеграції мультиомічних даних є кілька проблем та викликів які стоять перед дослідниками. Вони включають потребу в:

  • Великих та високоякісні наборах даних, оскільки методи інтеграції часто вимагають великих обсягів даних для надійних результатів.
  • Методи обробки відсутніх даних, оскільки не всі типи даних омік можуть бути доступними для всіх зразків.
  • Ефективні методи нормалізації та трансформації для врахування відмінностей у масштабі та розподілі між різними типами даних омік.
  • Методи врахування пакетниз ефектів та інших джерел небіологічної варіації.

Оскільки дослідження мультиоміки стають все більш поширеними, виникає потреба в розробці більш складних методів інтеграції, програмних засобів, автоматизованих систем, технологічних процесів і баз даних. Очікується, що майбутні досягнення в галузі біоінформатики, машинного навчання та штучного інтелекту відіграватимуть вирішальну роль у цьому відношенні.

Застосування Редагувати

В медицині Редагувати

Прогрес в мультиоміці обіцяє заповнити прогалини в розумінні людського здоров’я та хвороб, і багато дослідників працюють над способами створення та аналізу даних, пов’язаних із хворобами. Перші застосування варіюються від розуміння взаємодій господар-патоген та інфекційних захворювань, онкопатологій, до кращого розуміння хронічних і складних неінфекційних захворювань, неврологічних патологій, і вдосконалення персоналізованої медицини.

Інтегруючи геномні, транскриптомні, протеомні та інші омічні дані, клініцисти можуть розробити всебічне розуміння здоров’я та хворобливого стану пацієнта, керуючи вибором найбільш ефективних методів лікування та профілактичних заходів. Наприклад, огляд 2023 року виділив такі 5 основних застосувань мультиоміки в трансляційній медицині: 1) виявлення молекулярних моделей, пов’язаних із захворюванням, 2) ідентифікація підтипу, 3) діагностика та прогноз, 4) прогнозування реакції на ліки та 5) розуміння регуляторних процесів.

Розуміння механізмів захворювання Редагувати

Інтегруючи кілька шарів оміки, дослідники можуть отримати глибше розуміння механізмів захворювання на молекулярному рівні. Наприклад, геномні дані можуть ідентифікувати генетичні варіанти, пов’язані з хворобою, транскриптомні дані можуть виявити пов’язані зміни в експресії генів, протеомні дані можуть показати зміни рівнів і модифікацій білка, а метаболомічні дані можуть ідентифікувати пов’язані метаболічні зміни.

Класифікація захворювань Редагувати

Дані мультиоміки можуть допомогти класифікувати та підтипувати захворювання, особливо складні захворювання, у більш конкретні категорії на основі їхніх молекулярних профілів. Це може покращити діагностику та лікування. Наприклад, різні підтипи раку або діабету можуть мати різні молекулярні профілі, які по-різному реагують на лікування.

Виявлення біомаркерів Редагувати

Дані мультиоміки можуть допомогти у відкритті біомаркерів для діагностики захворювань, прогнозу та відповіді на лікування. Шляхом порівняння профілів омік захворювання та здорового стану можна ідентифікувати потенційні біомаркери.

Розробка ліків та прогнозування реакції на ліки Редагувати

Мультиоміка також може відігравати вирішальну роль у відкритті та розробці ліків. Наприклад, розуміння омік-профілів захворювань може допомогти в ідентифікації потенційних мішеней ліків. Крім того, дані мультиоміки можуть допомогти передбачити та зрозуміти реакцію на ліки.

Комплексний проект мікробіома людини Редагувати

Огляд фаз 1 і 2 проекту мікробіома людини.

Друга фаза проекту людського мікробіому вартістю 170 мільйонів доларів була зосереджена на інтеграції даних пацієнтів у різні набори даних омік, враховуючи генетику господаря, клінічну інформацію та склад мікробіому. Перша фаза була зосереджена на характеристиці спільнот у різних місцях тіла. Друга фаза зосереджена на інтеграції мультиомічних даних від господаря та мікробіому до захворювань людини. Зокрема, проект використовував мультиоміку для покращення розуміння взаємодії мікробіот кишківника та носа з діабетом 2 типу, мікробіоти кишківника та запальних захворювань кишківника, та мікробіоти вагіни й передчасних пологів.

Системна імунологія Редагувати

Складність взаємодій в імунній системі людини спонукала до створення великої кількості пов’язаних з імунологією багатомасштабних омічних даних. Мультиомічний аналіз даних був використаний для збору нових ідей щодо імунної відповіді на інфекційні захворювання, такі як дитяча чікунгунья, а також неінфекційні аутоімунні захворювання. Мультиоміку також активно використовували для розуміння ефективності та побічних ефектів вакцин. Наприклад, мультиоміка була важливою для виявлення зв’язку змін метаболітів плазми та транскриптома імунної системи у відповідь на вакцинацію проти оперізувального герпесу.

Старіння та омолодження Редагувати

Старіння організму зумовлене взаємопов’язаними молекулярними змінами, що охоплюють внутрішні та позаклітинні фактори. Комбінований аналіз високопродуктивних наборів даних мультиоміки на популяційному або одноклітинному рівнях може забезпечити багатовимірний інтегрований профіль гетерогенних процесів старіння з безпрецедентною продуктивністю та деталізацією. Ці нові стратегії дозволяють досліджувати молекулярний профіль і регуляторний статус експресії генів під час старіння, і, у свою чергу, сприяють розробці нових заходів щодо старіння та омолодження.

У дослідженні 2023 року, опублікованому в Nature Communications, дослідники використовували транскриптомні асоційовані дослідження (TWAS) і аналіз менделівської рандомізації (MR), щоб ідентифікувати сигнатури експресії генів і генетичні мішені ліків, пов’язані зі старінням на рівні епігеному та комплексним підходом до довголіття та омолодження (див. Механізми старіння). Вони ідентифікували 22 асоціації з високим ступенем достовірності з епігенетичним старінням і 7 з багатофакторним довголіттям, з кількома генами, пов’язаними з передачею сигналів інсуліну, функцією мітохондрій, клітинною реакцією на стрес і метаболізмом. Дослідження також виявило вплив імунних клітин на прискорення епігенетичного старіння, що передбачає потенційні можливі мішені для терапевтичних втручаннь. Подільші дослідження в цій сфері допоможуть визначити конкретні препарати чи втручання для терапії проти старіння. Інтеграція мультиоміки в точні стратегії омолодження є багатообіцяючою у визначенні лікарських цілей для продовження здорових років життя.

В сільському господарстві Редагувати

У галузі сільського господарства мультиомічні підходи застосовуються для покращення ефективності селекції та генетичного поліпшення сільськогосподарських культур і тварин. Геномні дані можуть ідентифікувати корисні генетичні ознаки, тоді як транскриптомні, протеомні та метаболомні дані можуть допомогти зрозуміти їх вплив. Це може керувати стратегіями розведення та зусиллями щодо генетичної модифікації.

Також, застосування мультиоміки в сільському господарстві є важливим для сприяння сталим методам ведення сільського господарства. Оскільки надмірне використання хімічних добрив призвело до численних екологічних проблем, глибоке розуміння агроекосистеми, яка містить рослини, мікроби та ґрунт, є необхідним для сталого сільського господарства. Наприклад, мультиомічне дослідження структури агроекосистеми, опубліковане в PNAS в 2020 році, виявило, що органічний азот є ключовим компонентом, який сприяє врожайності сільськогосподарських культур за умови соляризації ґрунту, навіть при наявності неорганічного азоту.

В екології Редагувати

В екології та дослідженнях навколишнього середовища методи мультиоміки використовуються для вивчення екосистем на молекулярному рівні. Наприклад, метагеномні, метатранскриптомні, метапротеомні та метаметаболомні дані можуть дати розуміння складу та функції мікробних спільнот у різних середовищах та в конкретних ризосферах.

Програмне забезпечення та бази даних Редагувати

Проект Bioconductor курує різні пакети R, спрямовані на інтеграцію даних омік:

  • omicade4 для множинного співінерційного аналізу мультиомічних наборів даних
  • MultiAssayExperiment, що пропонує інтерфейс біопровідника для накладання зразків
  • IMAS, пакет, зосереджений на використанні мультиомічних даних для оцінки альтернативного сплайсингу
  • bioCancer, пакет для візуалізації мультиомних даних раку
  • mixOmics, набір багатоваріантних методів для інтеграції даних
  • MultiDataSet, пакет для інкапсуляції кількох наборів даних

База даних OmicTools додаткововисвітлює R-пакети та інші інструменти для мультиомічного аналізу даних:

  • PaintOmics, веб-ресурс для візуалізації наборів даних мультиоміки
  • SIGMA, програма Java, зосереджена на інтегрованому аналізі наборів даних раку
  • iOmicsPASS, інструмент на C++ для прогнозування фенотипу на основі мультиоміки
  • Grimon, графічний інтерфейс R для візуалізації мультиомічних даних
  • Omics Pipe, фреймворк на Python для відтворюваної автоматизації мультиомічного аналізу даних

Мультиомні бази даних Редагувати

Основним обмеженням класичних омічних досліджень є виділення лише одного рівня біологічної складності. Наприклад, транскриптомні дослідження можуть надавати інформацію на рівні транскриптів, але багато різних об’єктів та процесів впливають на біологічний стан зразка (геномні варіанти, посттрансляційні модифікації, продукти метаболізму, взаємодіючі організми тощо). З появою високопродуктивної біології стає все більш доступним проводити численні вимірювання, дозволяючи трансдоменні (наприклад, рівні РНК і білка) кореляції та висновки. Ці кореляції допомагають будувати більш повні біологічні мережі, заповнюючи прогалини в наших знаннях.

Інтеграція даних, однак, не є легким завданням. Щоб полегшити процес, були створені бази даних і конвеєри для систематичного дослідження мультиомічних даних:

Однак, бази даних містять різні представлення того самого біологічного шляху, що може призвести до різних результатів аналізу статистичного збагачення та прогнозних моделей у контексті точної медицини. Тому рекомендується використовувати бази даних декількох представлень шляхів або інтегративні бази даних.

Див. також Редагувати

Додаткова література Редагувати

Книги Редагувати

Журнали Редагувати

Статті Редагувати

Примітки Редагувати

  1. ↑ Babu, Mohan; Snyder, Michael (2023-06). Multi-Omics Profiling for Health. Molecular & Cellular Proteomics 22 (6). с. 100561. ISSN 1535-9476. PMC PMC10220275. PMID 37119971. doi:10.1016/j.mcpro.2023.100561. Процитовано 14 червня 2023. 
  2. Hasin, Yehudit; Seldin, Marcus; Lusis, Aldons (5 травня 2017). Multi-omics approaches to disease. Genome Biology 18 (1). с. 83. ISSN 1474-760X. PMC PMC5418815. PMID 28476144. doi:10.1186/s13059-017-1215-1. Процитовано 11 червня 2023. 
  3. Pinu, Farhana R.; Beale, David J.; Paten, Amy M.; Kouremenos, Konstantinos; Swarup, Sanjay; Schirra, Horst J.; Wishart, David (2019-04). Systems Biology and Multi-Omics Integration: Viewpoints from the Metabolomics Research Community. Metabolites (англ.) 9 (4). с. 76. ISSN 2218-1989. PMC PMC6523452. PMID 31003499. doi:10.3390/metabo9040076. Процитовано 14 червня 2023. 
  4. ↑ Kang Ning (2023). Methodologies of Multi-Omics Data Integration and Data Mining: Techniques and Applications (eng). Springer. ISBN 978-981-19-8209-5. 
  5. Hood, Leroy; Tian, Qiang (1 серпня 2012). Systems Approaches to Biology and Disease Enable Translational Systems Medicine. Genomics, Proteomics & Bioinformatics (англ.) 10 (4). с. 181–185. ISSN 1672-0229. PMC PMC3844613. PMID 23084773. doi:10.1016/j.gpb.2012.08.004. Процитовано 11 червня 2023. 
  6. ↑ Kang Ning (2023). Methodologies of Multi-Omics Data Integration and Data Mining: Techniques and Applications (англ). Сінгапур: Springer. с. 167. ISBN 978-981-19-8209-5. 
  7. ↑ Christopher Gerner, Michelle Hill (2021). Integrative Multi-Omics in Biomedical Research (англ). MDPI, Biomolecules. с. 178. ISBN 978-3-0365-2582-2. 
  8. Tarazona, S., Balzano-Nogueira, L., & Conesa, A. (2018). Multiomics Data Integration in Time Series Experiments. DOI:10.1016/bs.coac.2018.06.005
  9. Bersanelli, Matteo; Mosca, Ettore; Remondini, Daniel; Giampieri, Enrico; Sala, Claudia; Castellani, Gastone; Milanesi, Luciano (20 січня 2016). Methods for the integration of multi-omics data: mathematical aspects. BMC Bioinformatics 17 (2). с. S15. ISSN 1471-2105. PMC PMC4959355. PMID 26821531. doi:10.1186/s12859-015-0857-9. Процитовано 11 червня 2023. 
  10. Subramanian, Indhupriya; Verma, Srikant; Kumar, Shiva; Jere, Abhay; Anamika, Krishanpal (2020-01). Multi-omics Data Integration, Interpretation, and Its Application. Bioinformatics and Biology Insights (англ.) 14. с. 117793221989905. ISSN 1177-9322. PMC PMC7003173. PMID 32076369. doi:10.1177/1177932219899051. Процитовано 11 червня 2023. 
  11. Mavromatis, Lucas A.; Rosoff, Daniel B.; Bell, Andrew S.; Jung, Jeesun; Wagner, Josephin; Lohoff, Falk W. (19 квітня 2023). Multi-omic underpinnings of epigenetic aging and human longevity. Nature Communications (англ.) 14 (1). с. 2236. ISSN 2041-1723. doi:10.1038/s41467-023-37729-w. Процитовано 11 червня 2023. 
  12. ↑ Hood, Leroy; Flores, Mauricio (15 вересня 2012). A personal view on systems medicine and the emergence of proactive P4 medicine: predictive, preventive, personalized and participatory. New Biotechnology (англ.) 29 (6). с. 613–624. ISSN 1871-6784. doi:10.1016/j.nbt.2012.03.004. Процитовано 11 червня 2023. 
  13. ↑ He, Feng Q.; Ollert, Markus; Balling, Rudi; Bode, Sebastian F. N.; Delhalle, Sylvie (6 лютого 2018). A roadmap towards personalized immunology. NPJ Systems Biology and Applications 4 (1): 9. ISSN 2056-7189. PMC 5802799. PMID 29423275. doi:10.1038/s41540-017-0045-9. 
  14. ↑ Hu, Cheng; Jia, Weiping (18 серпня 2021). Multi-omics profiling: the way toward precision medicine in metabolic diseases. Journal of Molecular Cell Biology. ISSN 1674-2788. PMC PMC8697344. PMID 34406397. doi:10.1093/jmcb/mjab051. Процитовано 12 червня 2023. 
  15. ↑ Ahmed, Zeeshan (1 січня 2022). У Teplow, David B. Chapter Four - Precision medicine with multi-omics strategies, deep phenotyping, and predictive analysis. Progress in Molecular Biology and Translational Science (англ.) 190. Academic Press. с. 101–125. doi:10.1016/bs.pmbts.2022.02.002. 
  16. Wang, Bo; Mezlini, Aziz M.; Demir, Feyyaz; Fiume, Marc; Tu, Zhuowen; Brudno, Michael; Haibe-Kains, Benjamin; Goldenberg, Anna (2014-03). Similarity network fusion for aggregating data types on a genomic scale. Nature Methods (англ.) 11 (3). с. 333–337. ISSN 1548-7105. doi:10.1038/nmeth.2810. Процитовано 11 червня 2023. 
  17. Alberts, Bruce; Johnson, Alexander; Lewis, Julian; Raff, Martin; Roberts, Keith; Walter, Peter (31 грудня 2007). Molecular Biology of the Cell. doi:10.1201/9780203833445. Процитовано 11 червня 2023. 
  18. International Human Genome Sequencing Consortium (2004-10). Finishing the euchromatic sequence of the human genome. Nature (англ.) 431 (7011). с. 931–945. ISSN 1476-4687. doi:10.1038/nature03001. Процитовано 11 червня 2023. 
  19. Austin-Tse, Christina A.; Jobanputra, Vaidehi; Perry, Denise L.; Bick, David; Taft, Ryan J.; Venner, Eric; Gibbs, Richard A.; Young, Ted та ін. (8 квітня 2022). Best practices for the interpretation and reporting of clinical whole genome sequencing. npj Genomic Medicine (англ.) 7 (1). с. 1–13. ISSN 2056-7944. doi:10.1038/s41525-022-00295-z. Процитовано 11 червня 2023. 
  20. Uelze, Laura; Grützke, Josephine; Borowiak, Maria; Hammerl, Jens Andre; Juraschek, Katharina; Deneke, Carlus; Tausch, Simon H.; Malorny, Burkhard (2020-12). Typing methods based on whole genome sequencing data. One Health Outlook (англ.) 2 (1). ISSN 2524-4655. PMC PMC7993478. PMID 33829127. doi:10.1186/s42522-020-0010-1. Процитовано 11 червня 2023. 
  21. Uffelmann, Emil; Huang, Qin Qin; Munung, Nchangwi Syntia; de Vries, Jantina; Okada, Yukinori; Martin, Alicia R.; Martin, Hilary C.; Lappalainen, Tuuli та ін. (26 серпня 2021). Genome-wide association studies. Nature Reviews Methods Primers (англ.) 1 (1). с. 1–21. ISSN 2662-8449. doi:10.1038/s43586-021-00056-9. Процитовано 11 червня 2023. 
  22. Setubal, João Carlos; Stoye, Jens; Stadler, Peter F., ред. (2018). Comparative genomics: methods and protocols. Methods in molecular biology. New York, NY: Humana Press. ISBN 978-1-4939-7461-0. 
  23. Genereux, Diane P.; Serres, Aitor; Armstrong, Joel; Johnson, Jeremy; Marinescu, Voichita D.; Murén, Eva; Juan, David; Bejerano, Gill та ін. (2020-11). A comparative genomics multitool for scientific discovery and conservation. Nature (англ.) 587 (7833). с. 240–245. ISSN 1476-4687. doi:10.1038/s41586-020-2876-6. Процитовано 11 червня 2023. 
  24. Gasperskaja, Evelina; Kučinskas, Vaidutis (25 квітня 2017). The most common technologies and tools for functional genome analysis. Acta medica Lituanica 24 (1). с. 1–11. ISSN 2029-4174. PMC PMC5467957. PMID 28630587. doi:10.6001/actamedica.v24i1.3457. Процитовано 11 червня 2023. 
  25. Nusrat, S.; Harbig, T.; Gehlenborg, N. (2019-06). Tasks, Techniques, and Tools for Genomic Data Visualization. Computer Graphics Forum (англ.) 38 (3). с. 781–805. ISSN 0167-7055. PMC PMC6876635. PMID 31768085. doi:10.1111/cgf.13727. Процитовано 11 червня 2023. 
  26. Fazzari, Melissa J.; Greally, John M. (2010). У Bang, Heejung; Zhou, Xi Kathy; van Epps, Heather L. та ін. Introduction to Epigenomics and Epigenome-Wide Analysis. Statistical Methods in Molecular Biology (англ.). Totowa, NJ: Humana Press. с. 243–265. ISBN 978-1-60761-580-4. doi:10.1007/978-1-60761-580-4_7. 
  27. Appasani, Krishnarao (2012). Epigenomics, from chromatin biology to therapeutics. Cambridge (GB): Cambridge University Press. ISBN 978-1-107-00382-8. 
  28. Hatada, Izuh; Horii, Takuro, ред. (2023). Epigenomics: methods and protocols. Methods in molecular biology. New York, NY: Humana Press, Springer. ISBN 978-1-0716-2723-5. 
  29. ↑ Yujing Li та ін. (2023). Epigenomic and Epitranscriptomic Basis of Development and Human Disease (англ). Frontiers in Cell and Developmental Biology (відкритий доступ: pdf, epub). ISBN 978-2-83251-817-5. 
  30. Bannister, Andrew J.; Kouzarides, Tony (2011-03). Regulation of chromatin by histone modifications. Cell Research (англ.) 21 (3). с. 381–395. ISSN 1748-7838. PMC PMC3193420. PMID 21321607. doi:10.1038/cr.2011.22. Процитовано 11 червня 2023. 
  31. Papanicolau-Sengos, Antonios; Aldape, Kenneth (24 січня 2022). DNA Methylation Profiling: An Emerging Paradigm for Cancer Diagnosis. Annual Review of Pathology: Mechanisms of Disease (англ.) 17 (1). с. 295–321. ISSN 1553-4006. doi:10.1146/annurev-pathol-042220-022304. Процитовано 6 вересня 2023. 
  32. Androvic, Peter; Benesova, Sarka; Rohlova, Eva; Kubista, Mikael; Valihrach, Lukas (2022-04). Small RNA-Sequencing for Analysis of Circulating miRNAs. The Journal of Molecular Diagnostics 24 (4). с. 386–394. ISSN 1525-1578. doi:10.1016/j.jmoldx.2021.12.006. Процитовано 6 вересня 2023. 
  33. Li, Jia; Zhang, Zhirong; Zhuang, Yinghua; Wang, Fengchao; Cai, Tao (9 травня 2023). Small RNA transcriptome analysis using parallel single-cell small RNA sequencing. Scientific Reports (англ.) 13 (1). с. 7501. ISSN 2045-2322. doi:10.1038/s41598-023-34390-7. Процитовано 6 вересня 2023. 
  34. Mattick, John S.; Amaral, Paulo P.; Carninci, Piero; Carpenter, Susan; Chang, Howard Y.; Chen, Ling-Ling; Chen, Runsheng; Dean, Caroline та ін. (2023-06). Long non-coding RNAs: definitions, functions, challenges and recommendations. Nature Reviews Molecular Cell Biology (англ.) 24 (6). с. 430–447. ISSN 1471-0080. PMC PMC10213152. PMID 36596869. doi:10.1038/s41580-022-00566-8. Процитовано 6 вересня 2023. 
  35. Wang, Zhong; Gerstein, Mark; Snyder, Michael (2009-01). RNA-Seq: a revolutionary tool for transcriptomics. Nature Reviews Genetics (англ.) 10 (1). с. 57–63. ISSN 1471-0064. PMC PMC2949280. PMID 19015660. doi:10.1038/nrg2484. Процитовано 11 червня 2023. 
  36. Stark, Rory; Grzelak, Marta; Hadfield, James (2019-11). RNA sequencing: the teenage years. Nature Reviews Genetics (англ.) 20 (11). с. 631–656. ISSN 1471-0064. doi:10.1038/s41576-019-0150-2. Процитовано 11 червня 2023. 
  37. Kumar, Suresh; Mohapatra, Trilochan (2021). Deciphering Epitranscriptome: Modification of mRNA Bases Provides a New Perspective for Post-transcriptional Regulation of Gene Expression. Frontiers in Cell and Developmental Biology 9. ISSN 2296-634X. PMC PMC8010680. PMID 33816473. doi:10.3389/fcell.2021.628415. Процитовано 11 червня 2023. 
  38. Shen, Lisha; Ma, Jinqi; Li, Ping; Wu, Yujin; Yu, Hao (7 березня 2023). Recent advances in the plant epitranscriptome. Genome Biology (англ.) 24 (1). ISSN 1474-760X. PMC PMC9990323. PMID 36882788. doi:10.1186/s13059-023-02872-6. Процитовано 10 вересня 2023. 
  39. Stefan Jurga, Jan Barciszewski (2021). Epitranscriptomics. RNA Technologies (RNATECHN, volume 12) (англ). Springer. с. 632. ISBN 978-3-030-71611-0. 
  40. Matsumura, Yoshihiro; Wei, Fan-Yan; Sakai, Juro (2023-03). Epitranscriptomics in metabolic disease. Nature Metabolism (англ.) 5 (3). с. 370–384. ISSN 2522-5812. doi:10.1038/s42255-023-00764-4. Процитовано 11 червня 2023. 
  41. Xia, Zhen; Tang, Min; Ma, Jiayan; Zhang, Hongyan et al. (28 червня 2021). Epitranscriptomic editing of the RNA N6-methyladenosine modification by dCasRx conjugated methyltransferase and demethylase. Nucleic Acids Research 49 (13). ISSN 0305-1048. doi:10.1093/nar/gkab517. Процитовано 10 вересня 2023. 
  42. Liang, Zhanmin; Ye, Haokai; Ma, Jiongming; Wei, Zhen; Wang, Yue; Zhang, Yuxin; Huang, Daiyun; Song, Bowen та ін. (17 серпня 2023). m6A-Atlas v2.0: updated resources for unraveling the N6-methyladenosine (m6A) epitranscriptome among multiple species. Nucleic Acids Research. ISSN 0305-1048. doi:10.1093/nar/gkad691. Процитовано 10 вересня 2023. 
  43. Trixl, Lukas; Lusser, Alexandra (2019-01). The dynamic RNA modification 5‐methylcytosine and its emerging role as an epitranscriptomic mark. WIREs RNA (англ.) 10 (1). ISSN 1757-7004. PMC PMC6492194. PMID 30311405. doi:10.1002/wrna.1510. Процитовано 10 вересня 2023. 
  44. Ma, Jiongming; Song, Bowen; Wei, Zhen; Huang, Daiyun; Zhang, Yuxin; Su, Jionglong; de Magalhães, João Pedro; Rigden, Daniel J та ін. (7 січня 2022). m5C-Atlas: a comprehensive database for decoding and annotating the 5-methylcytosine (m5C) epitranscriptome. Nucleic Acids Research (англ.) 50 (D1). с. D196–D203. ISSN 0305-1048. doi:10.1093/nar/gkab1075. Процитовано 10 вересня 2023. 
  45. Zhang, Yuexiu; Zhang, Li-Sheng; Dai, Qing; Chen, Phylip; Lu, Mijia; Kairis, Elizabeth L.; Murugaiah, Valarmathy; Xu, Jiayu та ін. (18 жовтня 2022). 5-methylcytosine (m 5 C) RNA modification controls the innate immune response to virus infection by regulating type I interferons. Proceedings of the National Academy of Sciences (англ.) 119 (42). ISSN 0027-8424. PMC PMC9586267. doi:10.1073/pnas.2123338119. Процитовано 10 вересня 2023. 
  46. Dominissini, Dan; Moshitch-Moshkovitz, Sharon; Schwartz, Schraga; Salmon-Divon, Mali; Ungar, Lior; Osenberg, Sivan; Cesarkas, Karen; Jacob-Hirsch, Jasmine та ін. (2012-05). Topology of the human and mouse m6A RNA methylomes revealed by m6A-seq. Nature (англ.) 485 (7397). с. 201–206. ISSN 1476-4687. doi:10.1038/nature11112. Процитовано 10 вересня 2023. 
  47. McIntyre, Alexa B. R.; Gokhale, Nandan S.; Cerchietti, Leandro; Jaffrey, Samie R.; Horner, Stacy M.; Mason, Christopher E. (20 квітня 2020). Limits in the detection of m6A changes using MeRIP/m6A-seq. Scientific Reports (англ.) 10 (1). с. 6590. ISSN 2045-2322. doi:10.1038/s41598-020-63355-3. Процитовано 10 вересня 2023. 
  48. Winans, Shelby; Beemon, Karen (2019-08). m5C Goes Viral. Cell Host & Microbe 26 (2). с. 154–155. ISSN 1931-3128. doi:10.1016/j.chom.2019.07.019. Процитовано 10 вересня 2023. 
  49. He, Zhizhou; Xu, Jing; Shi, Haoran; Wu, Shuxiang (2022-04). m5CRegpred: Epitranscriptome Target Prediction of 5-Methylcytosine (m5C) Regulators Based on Sequencing Features. Genes (англ.) 13 (4). с. 677. ISSN 2073-4425. PMC PMC9025882. PMID 35456483. doi:10.3390/genes13040677. Процитовано 10 вересня 2023. 
  50. Anderson, N. Leigh; Anderson, Norman G. (1998-08). Proteome and proteomics: New technologies, new concepts, and new words. Electrophoresis (англ.) 19 (11). с. 1853–1861. ISSN 0173-0835. doi:10.1002/elps.1150191103. Процитовано 11 червня 2023. 
  51. ↑ Specht, Harrison; Slavov, Nikolai (3 серпня 2018). Transformative Opportunities for Single-Cell Proteomics. Journal of Proteome Research (англ.) 17 (8). с. 2565–2571. ISSN 1535-3893. PMC PMC6089608. PMID 29945450. doi:10.1021/acs.jproteome.8b00257. Процитовано 11 червня 2023. 
  52. Cui, Miao; Cheng, Chao; Zhang, Lanjing (2022-11). High-throughput proteomics: a methodological mini-review. Laboratory Investigation (англ.) 102 (11). с. 1170–1181. ISSN 1530-0307. doi:10.1038/s41374-022-00830-7. Процитовано 11 червня 2023. 
  53. Dupree, Emmalyn J.; Jayathirtha, Madhuri; Yorkey, Hannah; Mihasan, Marius; Petre, Brindusa Alina; Darie, Costel C. (2020-09). A Critical Review of Bottom-Up Proteomics: The Good, the Bad, and the Future of This Field. Proteomes (англ.) 8 (3). с. 14. ISSN 2227-7382. PMC PMC7564415. PMID 32640657. doi:10.3390/proteomes8030014. Процитовано 11 червня 2023. 
  54. ↑ Rosenberger, Florian A.; Thielert, Marvin; Mann, Matthias (2023-03). Making single-cell proteomics biologically relevant. Nature Methods (англ.) 20 (3). с. 320–323. ISSN 1548-7105. doi:10.1038/s41592-023-01771-9. Процитовано 11 червня 2023. 
  55. Gstaiger, Matthias; Aebersold, Ruedi (2009-09). Applying mass spectrometry-based proteomics to genetics, genomics and network biology. Nature Reviews Genetics (англ.) 10 (9). с. 617–627. ISSN 1471-0064. doi:10.1038/nrg2633. Процитовано 11 червня 2023. 
  56. ↑ Aebersold, Ruedi; Mann, Matthias (2016-09). Mass-spectrometric exploration of proteome structure and function. Nature (англ.) 537 (7620). с. 347–355. ISSN 1476-4687. doi:10.1038/nature19949. Процитовано 11 червня 2023. 
  57. Kustatscher, Georg; Collins, Tom; Gingras, Anne-Claude; Guo, Tiannan; Hermjakob, Henning; Ideker, Trey; Lilley, Kathryn S.; Lundberg, Emma та ін. (2022-07). Understudied proteins: opportunities and challenges for functional proteomics. Nature Methods (англ.) 19 (7). с. 774–779. ISSN 1548-7105. doi:10.1038/s41592-022-01454-x. Процитовано 6 вересня 2023. 
  58. Van den Broeck, Lisa; Bhosale, Dinesh Kiran; Song, Kuncheng; Fonseca de Lima, Cássio Flavio; Ashley, Michael; Zhu, Tingting; Zhu, Shanshuo; Van De Cotte, Brigitte та ін. (3 серпня 2023). Functional annotation of proteins for signaling network inference in non-model species. Nature Communications (англ.) 14 (1). ISSN 2041-1723. doi:10.1038/s41467-023-40365-z. Процитовано 10 вересня 2023. 
  59. Wenk, Markus R. (2005-07). The emerging field of lipidomics. Nature Reviews Drug Discovery (англ.) 4 (7). с. 594–610. ISSN 1474-1784. doi:10.1038/nrd1776. Процитовано 11 червня 2023. 
  60. ↑ Wu, Zhuojun; Bagarolo, Giulia Ilaria; Thoröe-Boveleth, Sven; Jankowski, Joachim (1 січня 2020). “Lipidomics”: Mass spectrometric and chemometric analyses of lipids. Advanced Drug Delivery Reviews (англ.) 159. с. 294–307. ISSN 0169-409X. doi:10.1016/j.addr.2020.06.009. Процитовано 11 червня 2023. 
  61. Han, Xianlin; Gross, Richard W. (2022-02). The foundations and development of lipidomics. Journal of Lipid Research 63 (2). с. 100164. ISSN 0022-2275. PMC PMC8953652. PMID 34953866. doi:10.1016/j.jlr.2021.100164. Процитовано 11 червня 2023. 
  62. Kyle, Jennifer E.; Stratton, Kelly G.; Zink, Erika M.; Kim, Young-Mo; Bloodsworth, Kent J.; Monroe, Matthew E.; Waters, Katrina M.; Webb-Robertson, Bobbie-Jo M. та ін. (21 квітня 2021). A resource of lipidomics and metabolomics data from individuals with undiagnosed diseases. Scientific Data (англ.) 8 (1). с. 114. ISSN 2052-4463. doi:10.1038/s41597-021-00894-y. Процитовано 11 червня 2023. 
  63. Raman, Rahul; Raguram, S.; Venkataraman, Ganesh; Paulson, James C.; Sasisekharan, Ram (2005-11). Glycomics: an integrated systems approach to structure-function relationships of glycans. Nature Methods (англ.) 2 (11). с. 817–824. ISSN 1548-7105. doi:10.1038/nmeth807. Процитовано 11 червня 2023. 
  64. Miyoshi, Eiji; Kamada, Yoshihiro; Suzuki, Tadashi (2020-02). Functional glycomics: Application to medical science and hepatology. Hepatology Research (англ.) 50 (2). с. 153–164. ISSN 1386-6346. doi:10.1111/hepr.13459. Процитовано 11 червня 2023. 
  65. ↑ Park, Heajin; Jung, Jaesoo; Rodrigues, Emily; Kitova, Elena N.; Macauley, Matthew S.; Klassen, John S. (20 жовтня 2020). Mass Spectrometry-Based Shotgun Glycomics for Discovery of Natural Ligands of Glycan-Binding Proteins. Analytical Chemistry (англ.) 92 (20). с. 14012–14020. ISSN 0003-2700. doi:10.1021/acs.analchem.0c02931. Процитовано 11 червня 2023. 
  66. ↑ de Haan, N.; Wuhrer, M.; Ruhaak, L. R. (1 листопада 2020). Mass spectrometry in clinical glycomics: The path from biomarker identification to clinical implementation. Clinical Mass Spectrometry (англ.) 18. с. 1–12. ISSN 2376-9998. PMC PMC8600986. PMID 34820521. doi:10.1016/j.clinms.2020.08.001. Процитовано 11 червня 2023. 
  67. Wishart, David S. (2016-07). Emerging applications of metabolomics in drug discovery and precision medicine. Nature Reviews Drug Discovery (англ.) 15 (7). с. 473–484. ISSN 1474-1784. doi:10.1038/nrd.2016.32. Процитовано 11 червня 2023. 
  68. ↑ Alseekh, Saleh; Aharoni, Asaph; Brotman, Yariv; Contrepois, Kévin; D’Auria, John; Ewald, Jan; C. Ewald, Jennifer; Fraser, Paul D. та ін. (2021-07). Mass spectrometry-based metabolomics: a guide for annotation, quantification and best reporting practices. Nature Methods (англ.) 18 (7). с. 747–756. ISSN 1548-7105. doi:10.1038/s41592-021-01197-1. Процитовано 12 червня 2023. 
  69. Rivas, Javier De Las; Fontanillo, Celia (24 черв. 2010 р.). Protein–Protein Interactions Essentials: Key Concepts to Building and Analyzing Interactome Networks. PLOS Computational Biology (англ.) 6 (6). с. e1000807. ISSN 1553-7358. PMC PMC2891586. PMID 20589078. doi:10.1371/journal.pcbi.1000807. Процитовано 11 червня 2023. 
  70. Sharifi Tabar, Mehdi; Parsania, Chirag; Chen, Hong; Su, Xiao-Dong; Bailey, Charles G.; Rasko, John E. J. (22 серпня 2022). Illuminating the dark protein-protein interactome. Cell Reports Methods (англ.) 2 (8). с. 100275. ISSN 2667-2375. PMC PMC9421580. PMID 36046620. doi:10.1016/j.crmeth.2022.100275. Процитовано 11 червня 2023. 
  71. Choi, Soon Gang; Richardson, Aaron; Lambourne, Luke; Hill, David E.; Vidal, Marc (2018). У Oñate-Sánchez, Luis. Protein Interactomics by Two-Hybrid Methods. Two-Hybrid Systems: Methods and Protocols (англ.). New York, NY: Springer. с. 1–14. ISBN 978-1-4939-7871-7. PMC PMC6948107. PMID 29855947. doi:10.1007/978-1-4939-7871-7_1. 
  72. Hicks, Kevin G.; Cluntun, Ahmad A.; Schubert, Heidi L.; Hackett, Sean R.; Berg, Jordan A.; Leonard, Paul G.; Ajalla Aleixo, Mariana A.; Zhou, Youjia та ін. (10 березня 2023). Protein-metabolite interactomics of carbohydrate metabolism reveal regulation of lactate dehydrogenase. Science (англ.) 379 (6636). с. 996–1003. ISSN 0036-8075. doi:10.1126/science.abm3452. Процитовано 11 червня 2023. 
  73. Burton, Antony J.; Haugbro, Michael; Gates, Leah A.; Bagert, John D.; Allis, C. David; Muir, Tom W. (2020-06). In situ chromatin interactomics using a chemical bait and trap approach. Nature Chemistry (англ.) 12 (6). с. 520–527. ISSN 1755-4349. doi:10.1038/s41557-020-0474-8. Процитовано 11 червня 2023. 
  74. Plotnikova, Olga; Baranova, Ancha; Skoblov, Mikhail (2019). Comprehensive Analysis of Human microRNA–mRNA Interactome. Frontiers in Genetics 10. ISSN 1664-8021. PMC PMC6792129. PMID 31649721. doi:10.3389/fgene.2019.00933. Процитовано 14 червня 2023. 
  75. James, Katherine; Muñoz-Muñoz, Jose (26 квітня 2022). Computational Network Inference for Bacterial Interactomics. У Gilbert, Jack A. mSystems (англ.) 7 (2). ISSN 2379-5077. PMC PMC9040873. PMID 35353009. doi:10.1128/msystems.01456-21. Процитовано 11 червня 2023. 
  76. Vidal, Marc; Cusick, Michael E.; Barabási, Albert-László (2011-03). Interactome Networks and Human Disease. Cell 144 (6). с. 986–998. ISSN 0092-8674. PMC PMC3102045. PMID 21414488. doi:10.1016/j.cell.2011.02.016. Процитовано 11 червня 2023. 
  77. Santorelli, Lucia; Caterino, Marianna; Costanzo, Michele (2022-12). Dynamic Interactomics by Cross-Linking Mass Spectrometry: Mapping the Daily Cell Life in Postgenomic Era. OMICS: A Journal of Integrative Biology 26 (12). с. 633–649. doi:10.1089/omi.2022.0137. Процитовано 11 червня 2023. 
  78. Nkera-Gutabara, C. K.; Kerr, R.; Scholefield, J.; Hazelhurst, S.; Naidoo, J. (2022). Microbiomics: The Next Pillar of Precision Medicine and Its Role in African Healthcare. Frontiers in Genetics 13. ISSN 1664-8021. PMC PMC9037082. PMID 35480328. doi:10.3389/fgene.2022.869610. Процитовано 11 червня 2023. 
  79. Vecherskii, M. V.; Semenov, M. V.; Lisenkova, A. A.; Stepankov, A. A. (1 грудня 2021). Metagenomics: A New Direction in Ecology. Biology Bulletin (англ.) 48 (3). с. S107–S117. ISSN 1608-3059. doi:10.1134/S1062359022010150. Процитовано 11 червня 2023. 
  80. Breitwieser, Florian P; Lu, Jennifer; Salzberg, Steven L (19 липня 2019). A review of methods and databases for metagenomic classification and assembly. Briefings in Bioinformatics (англ.) 20 (4). с. 1125–1136. ISSN 1467-5463. PMC PMC6781581. PMID 29028872. doi:10.1093/bib/bbx120. Процитовано 11 червня 2023. 
  81. Handelsman, Jo (2004-12). Metagenomics: Application of Genomics to Uncultured Microorganisms. Microbiology and Molecular Biology Reviews (англ.) 68 (4). с. 669–685. ISSN 1092-2172. PMC PMC539003. PMID 15590779. doi:10.1128/MMBR.68.4.669-685.2004. Процитовано 11 червня 2023. 
  82. Chiu, Charles Y.; Miller, Steven A. (2019-06). Clinical metagenomics. Nature Reviews Genetics (англ.) 20 (6). с. 341–355. ISSN 1471-0064. PMC PMC6858796. PMID 30918369. doi:10.1038/s41576-019-0113-7. Процитовано 11 червня 2023. 
  83. Shakya, Migun; Lo, Chien-Chi; Chain, Patrick S. G. (25 вересня 2019). Advances and Challenges in Metatranscriptomic Analysis. Frontiers in Genetics 10. ISSN 1664-8021. PMC PMC6774269. PMID 31608125. doi:10.3389/fgene.2019.00904. Процитовано 12 червня 2023. 
  84. Terrón-Camero, Laura C.; Gordillo-González, Fernando; Salas-Espejo, Eduardo; Andrés-León, Eduardo (2022-12). Comparison of Metagenomics and Metatranscriptomics Tools: A Guide to Making the Right Choice. Genes (англ.) 13 (12). с. 2280. ISSN 2073-4425. PMC PMC9777648. PMID 36553546. doi:10.3390/genes13122280. Процитовано 12 червня 2023. 
  85. Van Den Bossche, Tim; Arntzen, Magnus Ø.; Becher, Dörte; Benndorf, Dirk; Eijsink, Vincent G. H.; Henry, Céline; Jagtap, Pratik D.; Jehmlich, Nico та ін. (2021-12). The Metaproteomics Initiative: a coordinated approach for propelling the functional characterization of microbiomes. Microbiome (англ.) 9 (1). ISSN 2049-2618. PMC PMC8690404. PMID 34930457. doi:10.1186/s40168-021-01176-w. Процитовано 12 червня 2023. 
  86. Stamboulian, Moses; Canderan, Jamie; Ye, Yuzhen (18 бер. 2022 р.). Metaproteomics as a tool for studying the protein landscape of human-gut bacterial species. PLOS Computational Biology (англ.) 18 (3). с. e1009397. ISSN 1553-7358. PMC PMC8967034. PMID 35302987. doi:10.1371/journal.pcbi.1009397. Процитовано 12 червня 2023. 
  87. Henry, Céline; Bassignani, Ariane; Berland, Magali; Langella, Olivier; Sokol, Harry; Juste, Catherine (2022-01). Modern Metaproteomics: A Unique Tool to Characterize the Active Microbiome in Health and Diseases, and Pave the Road towards New Biomarkers—Example of Crohn’s Disease and Ulcerative Colitis Flare-Ups. Cells (англ.) 11 (8). с. 1340. ISSN 2073-4409. PMC PMC9028112. PMID 35456018. doi:10.3390/cells11081340. Процитовано 12 червня 2023. 
  88. Wang, Xinkun (6 липня 2023). Next-Generation Sequencing Data Analysis (вид. 2). New York: CRC Press. ISBN 978-0-429-32918-0. doi:10.1201/9780429329180. 
  89. Mardis, Elaine R. (1 вересня 2008). Next-Generation DNA Sequencing Methods. Annual Review of Genomics and Human Genetics (англ.) 9 (1). с. 387–402. ISSN 1527-8204. doi:10.1146/annurev.genom.9.081307.164359. Процитовано 12 червня 2023. 
  90. Shendure, Jay; Ji, Hanlee (2008-10). Next-generation DNA sequencing. Nature Biotechnology (англ.) 26 (10). с. 1135–1145. ISSN 1546-1696. doi:10.1038/nbt1486. Процитовано 12 червня 2023. 
  91. Next-Generation Sequencing (NGS) | Explore the technology. www.illumina.com (англ.). Процитовано 12 червня 2023. 
  92. An Overview of Next-Generation Sequencing. Genomics Research from Technology Networks (англ.). Процитовано 12 червня 2023. 
  93. Cheng, Chu; Fei, Zhongjie; Xiao, Pengfeng (2023). Methods to improve the accuracy of next-generation sequencing. Frontiers in Bioengineering and Biotechnology 11. ISSN 2296-4185. PMC PMC9895957. PMID 36741756. doi:10.3389/fbioe.2023.982111. Процитовано 12 червня 2023. 
  94. Pervez, Muhammad Tariq; Hasnain, Mirza Jawad ul; Abbas, Syed Hassan; Moustafa, Mahmoud F.; Aslam, Naeem; Shah, Syed Shah Muhammad (29 вересня 2022). A Comprehensive Review of Performance of Next-Generation Sequencing Platforms. BioMed Research International (англ.) 2022. с. e3457806. ISSN 2314-6133. PMC PMC9537002. PMID 36212714. doi:10.1155/2022/3457806. Процитовано 12 червня 2023. 
  95. Schena, Mark; Shalon, Dari; Davis, Ronald W.; Brown, Patrick O. (20 жовтня 1995). Quantitative Monitoring of Gene Expression Patterns with a Complementary DNA Microarray. Science (англ.) 270 (5235). с. 467–470. ISSN 0036-8075. doi:10.1126/science.270.5235.467. Процитовано 12 червня 2023. 
  96. Lehrach, Hans (9 серпня 2013). Faculty Opinions recommendation of RNA-Seq: a revolutionary tool for transcriptomics.. Faculty Opinions – Post-Publication Peer Review of the Biomedical Literature. doi:10.3410/f.1128830.793481779. Процитовано 12 червня 2023. 
  97. Bersanelli, Matteo; Mosca, Ettore; Remondini, Daniel; Giampieri, Enrico; Sala, Claudia; Castellani, Gastone; Milanesi, Luciano (20 січня 2016). Methods for the integration of multi-omics data: mathematical aspects. BMC Bioinformatics 17 (2). с. S15. ISSN 1471-2105. PMC PMC4959355. PMID 26821531. doi:10.1186/s12859-015-0857-9. Процитовано 12 червня 2023. 
  98. Vasaikar, Suhas V.; Savage, Adam K.; Gong, Qiuyu; Swanson, Elliott; Talla, Aarthi; Lord, Cara; Heubeck, Alexander T.; Reading, Julian та ін. (27 березня 2023). A comprehensive platform for analyzing longitudinal multi-omics data. Nature Communications (англ.) 14 (1). с. 1684. ISSN 2041-1723. doi:10.1038/s41467-023-37432-w. Процитовано 12 червня 2023. 
  99. Zhou, Guangyan; Pang, Zhiqiang; Lu, Yao; Ewald, Jessica; Xia, Jianguo (5 липня 2022). OmicsNet 2.0: a web-based platform for multi-omics integration and network visual analytics. Nucleic Acids Research (англ.) 50 (W1). с. W527–W533. ISSN 0305-1048. PMC PMC9252810. PMID 35639733. doi:10.1093/nar/gkac376. Процитовано 12 червня 2023. 
  100. Conesa, Ana; Beck, Stephan (31 жовтня 2019). Making multi-omics data accessible to researchers. Scientific Data (англ.) 6 (1). с. 251. ISSN 2052-4463. doi:10.1038/s41597-019-0258-4. Процитовано 12 червня 2023. 
  101. Arjmand, Babak; Hamidpour, Shayesteh Kokabi; Tayanloo-Beik, Akram; Goodarzi, Parisa; Aghayan, Hamid Reza; Adibi, Hossein; Larijani, Bagher (2022). Machine Learning: A New Prospect in Multi-Omics Data Analysis of Cancer. Frontiers in Genetics 13. ISSN 1664-8021. PMC PMC8829119. PMID 35154283. doi:10.3389/fgene.2022.824451. Процитовано 12 червня 2023. 
  102. Garmire, Lana X.; Chaudhary, Kumardeep; Huang, Sijia (2017). More Is Better: Recent Progress in Multi-Omics Data Integration Methods. Frontiers in Genetics (English) 8: 84. ISSN 1664-8021. PMC 5472696. PMID 28670325. doi:10.3389/fgene.2017.00084. 
  103. Tagkopoulos, Ilias; Kim, Minseung (2018). Data integration and predictive modeling methods for multi-omics datasets. Molecular Omics 14 (1): 8–25. PMID 29725673. doi:10.1039/C7MO00051K. 
  104. Lin, Eugene; Lane, Hsien-Yuan (20 січня 2017). Machine learning and systems genomics approaches for multi-omics data. Biomarker Research 5 (1): 2. ISSN 2050-7771. PMC 5251341. PMID 28127429. doi:10.1186/s40364-017-0082-y. 
  105. ↑ Rohart, Florian; Gautier, Benoît; Singh, Amrit; Lê Cao, Kim-Anh (14 лютого 2017). mixOmics: an R package for 'omics feature selection and multiple data integration. PLOS Computational Biology 13 (11). PMC 5687754. PMID 29099853. doi:10.1371/journal.pcbi.1005752. 
  106. Han, Jing-Dong Jackie (5 вересня 2018). Faculty of 1000 evaluation for Single-Cell Multiomics: Multiple Measurements from Single Cells.. Trends in Genetics 33 (2). doi:10.3410/f.727213649.793550351. 
  107. Hu, Youjin; An, Qin; Sheu, Katherine; Trejo, Brandon; Fan, Shuxin; Guo, Ying (20 квітня 2018). Single Cell Multi-Omics Technology: Methodology and Application. Frontiers in Cell and Developmental Biology 6: 28. ISSN 2296-634X. PMC 5919954. PMID 29732369. doi:10.3389/fcell.2018.00028. 
  108. A focus on single-cell omics. Nature Reviews Genetics (англ.) 24 (8). 2023-08. с. 485–485. ISSN 1471-0064. doi:10.1038/s41576-023-00628-3. Процитовано 6 серпня 2023. 
  109. Vandereyken, Katy; Sifrim, Alejandro; Thienpont, Bernard; Voet, Thierry (2 березня 2023). Methods and applications for single-cell and spatial multi-omics. Nature Reviews Genetics (англ.). с. 1–22. ISSN 1471-0064. doi:10.1038/s41576-023-00580-2. Процитовано 11 червня 2023. 
  110. Kester, Lennart Spanjaard, Bastiaan Bienko, Magda van Oudenaarden, Alexander Dey, Siddharth S (2015). Integrated genome and transcriptome sequencing of the same cell. Nature Biotechnology 33 (3): 285–289. OCLC 931063996. PMC 4374170. PMID 25599178. doi:10.1038/nbt.3129. 
  111. Macaulay, Iain C; Teng, Mabel J; Haerty, Wilfried; Kumar, Parveen; Ponting, Chris P; Voet, Thierry (29 вересня 2016). Separation and parallel sequencing of the genomes and transcriptomes of single cells using G&T-seq. Nature Protocols 11 (11): 2081–2103. ISSN 1754-2189. PMID 27685099. doi:10.1038/nprot.2016.138. 
  112. Tang, Fuchou; Wen, Lu; Li, Xianlong; Wu, Xinglong; Zhu, Ping; Guo, Hongshan (1 грудня 2013). Single-cell methylome landscapes of mouse embryonic stem cells and early embryos analyzed using reduced representation bisulfite sequencing. Genome Research 23 (12): 2126–2135. ISSN 1088-9051. PMC 3847781. PMID 24179143. doi:10.1101/gr.161679.113. 
  113. Kelsey, Gavin; Reik, Wolf; Stegle, Oliver; Andrews, Simon R.; Julian Peat; Saadeh, Heba; Krueger, Felix; Angermueller, Christof та ін. (August 2014). Single-cell genome-wide bisulfite sequencing for assessing epigenetic heterogeneity. Nature Methods 11 (8): 817–820. ISSN 1548-7105. PMC 4117646. PMID 25042786. doi:10.1038/nmeth.3035. 
  114. Angermueller, Christof; Clark, Stephen J; Lee, Heather J; Macaulay, Iain C; Teng, Mabel J; Hu, Tim Xiaoming; Krueger, Felix; Smallwood, Sébastien A та ін. (11 січня 2016). Parallel single-cell sequencing links transcriptional and epigenetic heterogeneity. Nature Methods 13 (3): 229–232. ISSN 1548-7091. PMC 4770512. PMID 26752769. doi:10.1038/nmeth.3728. 
  115. Greenleaf, William J.; Chang, Howard Y.; Snyder, Michael P.; Michael L. Gonzales; Ruff, Dave; Litzenburger, Ulrike M.; Wu, Beijing; Buenrostro, Jason D. (July 2015). Single-cell chromatin accessibility reveals principles of regulatory variation. Nature 523 (7561): 486–490. Bibcode:2015Natur.523..486B. ISSN 1476-4687. PMC 4685948. PMID 26083756. doi:10.1038/nature14590. 
  116. Fraser, Peter; Tanay, Amos; Laue, Ernest D.; Dean, Wendy; Yaffe, Eitan; Schoenfelder, Stefan; Stevens, Tim J.; Lubling, Yaniv та ін. (October 2013). Single-cell Hi-C reveals cell-to-cell variability in chromosome structure. Nature 502 (7469): 59–64. Bibcode:2013Natur.502...59N. ISSN 1476-4687. PMC 3869051. PMID 24067610. doi:10.1038/nature12593. 
  117. ↑ Darmanis, Spyros; Gallant, Caroline Julie; Marinescu, Voichita Dana; Niklasson, Mia; Segerman, Anna; Flamourakis, Georgios; Fredriksson, Simon; Assarsson, Erika та ін. (12 січня 2016). Simultaneous Multiplexed Measurement of RNA and Proteins in Single Cells. Cell Reports 14 (2): 380–389. ISSN 2211-1247. PMC 4713867. PMID 26748716. doi:10.1016/j.celrep.2015.12.021. 
  118. ↑ Gherardini, Pier Federico; Nolan, Garry P.; Chen, Shih-Yu; Hsieh, Elena W. Y.; Zunder, Eli R.; Bava, Felice-Alessio; Frei, Andreas P. (March 2016). Highly multiplexed simultaneous detection of RNAs and proteins in single cells. Nature Methods 13 (3): 269–275. ISSN 1548-7105. PMC 4767631. PMID 26808670. doi:10.1038/nmeth.3742. 
  119. Assarsson, Erika; Lundberg, Martin; Holmquist, Göran; Björkesten, Johan; Bucht Thorsen, Stine; Ekman, Daniel; Eriksson, Anna; Rennel Dickens, Emma та ін. (22 квітня 2014). Homogenous 96-Plex PEA Immunoassay Exhibiting High Sensitivity, Specificity, and Excellent Scalability. PLOS ONE 9 (4): e95192. Bibcode:2014PLoSO...995192A. ISSN 1932-6203. PMC 3995906. PMID 24755770. doi:10.1371/journal.pone.0095192. 
  120. Razzaq, Muhammad Khuram; Aleem, Muqadas; Mansoor, Shahid; Khan, Mueen Alam; Rauf, Saeed; Iqbal, Shahid; Siddique, Kadambot H. M. (2021-01). Omics and CRISPR-Cas9 Approaches for Molecular Insight, Functional Gene Analysis, and Stress Tolerance Development in Crops. International Journal of Molecular Sciences (англ.) 22 (3). с. 1292. ISSN 1422-0067. PMC PMC7866018. PMID 33525517. doi:10.3390/ijms22031292. Процитовано 12 червня 2023. 
  121. Hilton, Isaac B.; D'Ippolito, Anthony M.; Vockley, Christopher M.; Thakore, Pratiksha I.; Crawford, Gregory E.; Reddy, Timothy E.; Gersbach, Charles A. (2015-05). Epigenome editing by a CRISPR-Cas9-based acetyltransferase activates genes from promoters and enhancers. Nature Biotechnology (англ.) 33 (5). с. 510–517. ISSN 1546-1696. PMC PMC4430400. PMID 25849900. doi:10.1038/nbt.3199. Процитовано 12 червня 2023. 
  122. Shin, Hosub; Choi, Woo Lee; Lim, Joo Young; Huh, Jin Hoe (1 березня 2022). Epigenome editing: targeted manipulation of epigenetic modifications in plants. Genes & Genomics (англ.) 44 (3). с. 307–315. ISSN 2092-9293. doi:10.1007/s13258-021-01199-5. Процитовано 12 червня 2023. 
  123. ↑ Athieniti, Efi; Spyrou, George M. (1 січня 2023). A guide to multi-omics data collection and integration for translational medicine. Computational and Structural Biotechnology Journal (англ.) 21. с. 134–149. ISSN 2001-0370. PMC PMC9747357. PMID 36544480. doi:10.1016/j.csbj.2022.11.050. Процитовано 12 червня 2023. 
  124. Cao, Zhi-Jie; Gao, Ge (2022-10). Multi-omics single-cell data integration and regulatory inference with graph-linked embedding. Nature Biotechnology (англ.) 40 (10). с. 1458–1466. ISSN 1546-1696. doi:10.1038/s41587-022-01284-4. Процитовано 12 червня 2023. 
  125. ↑ Vahabi, Nasim; Michailidis, George (2022). Unsupervised Multi-Omics Data Integration Methods: A Comprehensive Review. Frontiers in Genetics 13. ISSN 1664-8021. PMC PMC8981526. PMID 35391796. doi:10.3389/fgene.2022.854752. Процитовано 12 червня 2023. 
  126. ↑ Flores, Javier E.; Claborne, Daniel M.; Weller, Zachary D.; Webb-Robertson, Bobbie-Jo M.; Waters, Katrina M.; Bramer, Lisa M. (2023). Missing data in multi-omics integration: Recent advances through artificial intelligence. Frontiers in Artificial Intelligence 6. ISSN 2624-8212. PMC PMC9949722. PMID 36844425. doi:10.3389/frai.2023.1098308. Процитовано 12 червня 2023. 
  127. Lazar, C.; Meganck, S.; Taminau, J.; Steenhoff, D.; Coletta, A.; Molter, C.; Weiss-Solis, D. Y.; Duque, R. та ін. (1 липня 2013). Batch effect removal methods for microarray gene expression data integration: a survey. Briefings in Bioinformatics (англ.) 14 (4). с. 469–490. ISSN 1467-5463. doi:10.1093/bib/bbs037. Процитовано 12 червня 2023. 
  128. Hutchison, William J; Keyes, Timothy J; Crowell, Helena L; Soneson, Charlotte; Mu, Wancen; Park, Ji-Eun; Davis, Eric S; Nahid, Abdullah A та ін. (13 вересня 2023). The tidyomics ecosystem: Enhancing omic data analyses (англ.). doi:10.1101/2023.09.10.557072. Процитовано 15 вересня 2023. 
  129. Donati, Stefano; Mattanovich, Matthias; Hjort, Pernille; Jacobsen, Simo Abdessamad Baallal; Blomquist, Sarah Dina; Mangaard, Drude; Gurdo, Nicolas; Pastor, Felix Pacheco та ін. (19 травня 2023). An automated workflow for multi-omics screening of microbial model organisms. npj Systems Biology and Applications (англ.) 9 (1). с. 1–12. ISSN 2056-7189. doi:10.1038/s41540-023-00277-6. Процитовано 15 вересня 2023. 
  130. Velten, Britta; Stegle, Oliver (14 вересня 2023). Principles and challenges of modeling temporal and spatial omics data. Nature Methods (англ.). с. 1–13. ISSN 1548-7105. doi:10.1038/s41592-023-01992-y. Процитовано 15 вересня 2023. 
  131. Hasin, Yehudit; Seldin, Marcus; Lusis, Aldons (5 травня 2017). Multi-omics approaches to disease. Genome Biology 18 (1). с. 83. ISSN 1474-760X. PMC PMC5418815. PMID 28476144. doi:10.1186/s13059-017-1215-1. Процитовано 12 червня 2023. 
  132. Khan, Mohd M.; Ernst, Orna; Manes, Nathan P.; Oyler, Benjamin L.; Fraser, Iain D. C.; Goodlett, David R.; Nita-Lazar, Aleksandra (11 березня 2019). Multi-Omics Strategies Uncover Host–Pathogen Interactions. ACS Infectious Diseases 5 (4): 493–505. ISSN 2373-8227. PMID 30857388. doi:10.1021/acsinfecdis.9b00080. 
  133. Aderem, Alan; Adkins, Joshua N.; Ansong, Charles; Galagan, James; Kaiser, Shari; Korth, Marcus J.; Law, G. Lynn; McDermott, Jason G. та ін. (1 лютого 2011). A Systems Biology Approach to Infectious Disease Research: Innovating the Pathogen-Host Research Paradigm. mBio 2 (1): e00325–10. ISSN 2150-7511. PMC 3034460. PMID 21285433. doi:10.1128/mbio.00325-10. 
  134. Mouchtouris, N; Smit, RD; Piper, K; Prashant, G; Evans, JJ; Karsy, M (4 березня 2022). A review of multiomics platforms in pituitary adenoma pathogenesis.. Frontiers in Bioscience (Landmark Edition) 27 (3): 77. PMID 35345309. doi:10.31083/j.fbl2703077. 
  135. Yan, Jingwen; Risacher, Shannon L; Shen, Li; Saykin, Andrew J. (30 червня 2017). Network approaches to systems biology analysis of complex disease: integrative methods for multi-omics data. Briefings in Bioinformatics 19 (6): 1370–1381. ISSN 1467-5463. PMC 6454489. PMID 28679163. doi:10.1093/bib/bbx066. 
  136. Yoon, Jong; Villa, Chiara, ред. (13 грудня 2021). Multi-Omics for the Understanding of Brain Diseases (English). MDPI - Multidisciplinary Digital Publishing Institute. ISBN 978-3-0365-2602-7. doi:10.3390/books978-3-0365-2603-4. 
  137. ↑ Mavromatis, Lucas A.; Rosoff, Daniel B.; Bell, Andrew S.; Jung, Jeesun; Wagner, Josephin; Lohoff, Falk W. (19 квітня 2023). Multi-omic underpinnings of epigenetic aging and human longevity. Nature Communications (англ.) 14 (1). с. 2236. ISSN 2041-1723. PMC PMC10115892. PMID 37076473. doi:10.1038/s41467-023-37729-w. Процитовано 12 червня 2023. 
  138. Zhong, Yating; Peng, Yuzhong; Lin, Yanmei; Chen, Dingjia; Zhang, Hao; Zheng, Wen; Chen, Yuanyuan; Wu, Changliang (5 травня 2023). MODILM: towards better complex diseases classification using a novel multi-omics data integration learning model. BMC Medical Informatics and Decision Making (англ.) 23 (1). ISSN 1472-6947. PMC PMC10161645. PMID 37147619. doi:10.1186/s12911-023-02173-9. Процитовано 12 червня 2023. 
  139. Dar, Mashooq Ahmad; Arafah, Azher; Bhat, Kaisar Ahmad; Khan, Andleeb; Khan, Mosin Saleem; Ali, Aarif; Ahmad, Syed Mudasir; Rashid, Shahzada Mudasir та ін. (13 квітня 2023). Multiomics technologies: role in disease biomarker discoveries and therapeutics. Briefings in Functional Genomics (англ.) 22 (2). с. 76–96. ISSN 2041-2649. doi:10.1093/bfgp/elac017. Процитовано 12 червня 2023. 
  140. Babu, Mohan; Snyder, Michael (2023-06). Multi-Omics Profiling for Health. Molecular & Cellular Proteomics 22 (6). с. 100561. ISSN 1535-9476. PMC PMC10220275. PMID 37119971. doi:10.1016/j.mcpro.2023.100561. Процитовано 12 червня 2023. 
  141. Paananen, Jussi; Fortino, Vittorio (1 грудня 2020). An omics perspective on drug target discovery platforms. Briefings in Bioinformatics (англ.) 21 (6). с. 1937–1953. ISSN 1467-5463. PMC PMC7711264. PMID 31774113. doi:10.1093/bib/bbz122. Процитовано 12 червня 2023. 
  142. Guo, Shicheng; Zhang, Dake; Wang, Hu; An, Qin; Yu, Guangchuang; Han, Junwei; Jiang, Chunjie; Huang, Jianfeng (21 лютого 2023). Editorial: Computational and systematic analysis of multi-omics data for drug discovery and development. Frontiers in Medicine 10. ISSN 2296-858X. PMC PMC9989304. PMID 36895719. doi:10.3389/fmed.2023.1146896. Процитовано 12 червня 2023. 
  143. Liu, Xiao-Ying; Mei, Xin-Yue (2023). Prediction of drug sensitivity based on multi-omics data using deep learning and similarity network fusion approaches. Frontiers in Bioengineering and Biotechnology 11. ISSN 2296-4185. PMC PMC10150883. PMID 37139048. doi:10.3389/fbioe.2023.1156372. Процитовано 12 червня 2023. 
  144. Wang, Conghao; Lye, Xintong; Kaalia, Rama; Kumar, Parvin; Rajapakse, Jagath C. (28 листопада 2022). Deep learning and multi-omics approach to predict drug responses in cancer. BMC Bioinformatics (англ.) 22 (S10). ISSN 1471-2105. PMC PMC9703655. PMID 36443676. doi:10.1186/s12859-022-04964-9. Процитовано 12 червня 2023. 
  145. Proctor, Lita M.; Creasy, Heather H.; Fettweis, Jennifer M.; Lloyd-Price, Jason; Mahurkar, Anup; Zhou, Wenyu; Buck, Gregory A.; Snyder, Michael P. та ін. (May 2019). The Integrative Human Microbiome Project. Nature 569 (7758): 641–648. Bibcode:2019Natur.569..641I. ISSN 1476-4687. PMC 6784865. PMID 31142853. doi:10.1038/s41586-019-1238-8. 
  146. After the Integrative Human Microbiome Project, what's next for the microbiome community?. Nature 569 (7758): 599. 29 травня 2019. Bibcode:2019Natur.569Q.599.. PMID 31142868. doi:10.1038/d41586-019-01674-w. 
  147. Snyder, Michael; Weinstock, George M.; Sodergren, Erica; McLaughlin, Tracey; Tse, David; Rost, Hannes; Piening, Brian; Kukurba, Kim та ін. (May 2019). Longitudinal multi-omics of host–microbe dynamics in prediabetes. Nature 569 (7758): 663–671. Bibcode:2019Natur.569..663Z. ISSN 1476-4687. PMC 6666404. PMID 31142858. doi:10.1038/s41586-019-1236-x. 
  148. Huttenhower, Curtis; Xavier, Ramnik J.; Vlamakis, Hera; Franzosa, Eric A.; Clish, Clary B.; Winter, Harland S.; Stappenbeck, Thaddeus S.; Petrosino, Joseph F. та ін. (May 2019). Multi-omics of the gut microbial ecosystem in inflammatory bowel diseases. Nature 569 (7758): 655–662. Bibcode:2019Natur.569..655L. ISSN 1476-4687. PMC 6650278. PMID 31142855. doi:10.1038/s41586-019-1237-9. 
  149. Buck, Gregory A.; Strauss, Jerome F.; Jefferson, Kimberly K.; Hendricks-Muñoz, Karen D.; Wijesooriya, N. Romesh; Rubens, Craig E.; Gravett, Michael G.; Sexton, Amber L. та ін. (June 2019). The vaginal microbiome and preterm birth. Nature Medicine 25 (6): 1012–1021. ISSN 1546-170X. PMC 6750801. PMID 31142849. doi:10.1038/s41591-019-0450-2. 
  150. Chu, Xiaojing; Zhang, Bowen; Koeken, Valerie A. C. M.; Gupta, Manoj Kumar; Li, Yang (2021). Multi-Omics Approaches in Immunological Research. Frontiers in Immunology 12. ISSN 1664-3224. PMC PMC8226116. PMID 34177908. doi:10.3389/fimmu.2021.668045. Процитовано 12 червня 2023. 
  151. Bonaguro, Lorenzo; Schulte-Schrepping, Jonas; Ulas, Thomas; Aschenbrenner, Anna C.; Beyer, Marc; Schultze, Joachim L. (2022-10). A guide to systems-level immunomics. Nature Immunology (англ.) 23 (10). с. 1412–1423. ISSN 1529-2916. doi:10.1038/s41590-022-01309-9. Процитовано 12 червня 2023. 
  152. Ota, Mineto; Fujio, Keishi (2021-12). Multi-omics approach to precision medicine for immune-mediated diseases. Inflammation and Regeneration (англ.) 41 (1). ISSN 1880-8190. PMC PMC8325815. PMID 34332645. doi:10.1186/s41232-021-00173-8. Процитовано 12 червня 2023. 
  153. Kidd, Brian A; Peters, Lauren A; Schadt, Eric E; Dudley, Joel T (21 січня 2014). Unifying immunology with informatics and multiscale biology. Nature Immunology 15 (2): 118–127. ISSN 1529-2908. PMC 4345400. PMID 24448569. doi:10.1038/ni.2787. 
  154. Harris, Eva; Kasarskis, Andrew; Wolinsky, Steven M.; Suaréz‐Fariñas, Mayte; Zhu, Jun; Wang, Li; Balmaseda, Angel; Thomas, Guajira P. та ін. (1 серпня 2018). Comprehensive innate immune profiling of chikungunya virus infection in pediatric cases. Molecular Systems Biology 14 (8): e7862. ISSN 1744-4292. PMC 6110311. PMID 30150281. doi:10.15252/msb.20177862. 
  155. Firestein, Gary S.; Wang, Wei; Gay, Steffen; Ball, Scott T.; Bartok, Beatrix; Boyle, David L.; Whitaker, John W. (22 квітня 2015). Integrative Omics Analysis of Rheumatoid Arthritis Identifies Non-Obvious Therapeutic Targets. PLOS ONE 10 (4): e0124254. Bibcode:2015PLoSO..1024254W. ISSN 1932-6203. PMC 4406750. PMID 25901943. doi:10.1371/journal.pone.0124254. 
  156. Pulendran, Bali; Li, Shuzhao; Nakaya, Helder I. (29 жовтня 2010). Systems Vaccinology. Immunity 33 (4): 516–529. ISSN 1074-7613. PMC 3001343. PMID 21029962. doi:10.1016/j.immuni.2010.10.006. 
  157. Li, Shuzhao; Sullivan, Nicole L.; Rouphael, Nadine; Yu, Tianwei; Banton, Sophia; Maddur, Mohan S.; McCausland, Megan; Chiu, Christopher та ін. (18 травня 2017). Metabolic Phenotypes of Response to Vaccination in Humans. Cell 169 (5): 862–877.e17. ISSN 0092-8674. PMC 5711477. PMID 28502771. doi:10.1016/j.cell.2017.04.026. 
  158. Aging Atlas Consortium; Liu, Guang-Hui; Bao, Yiming; Qu, Jing; Zhang, Weiqi; Zhang, Tao; Kang, Wang; Yang, Fei та ін. (8 січня 2021). Aging Atlas: a multi-omics database for aging biology. Nucleic Acids Research (англ.) 49 (D1). с. D825–D830. ISSN 0305-1048. PMC PMC7779027. PMID 33119753. doi:10.1093/nar/gkaa894. Процитовано 14 червня 2023. 
  159. Zhang, Bohan; Lee, David E.; Trapp, Alexandre; Tyshkovskiy, Alexander; Lu, Ake T.; Bareja, Akshay; Kerepesi, Csaba; McKay, Lauren K. та ін. (27 липня 2023). Multi-omic rejuvenation and life span extension on exposure to youthful circulation. Nature Aging (англ.). с. 1–17. ISSN 2662-8465. doi:10.1038/s43587-023-00451-9. Процитовано 5 серпня 2023. 
  160. Mavromatis, Lucas A.; Rosoff, Daniel B.; Bell, Andrew S.; Jung, Jeesun; Wagner, Josephin; Lohoff, Falk W. (19 квітня 2023). Multi-omic underpinnings of epigenetic aging and human longevity. Nature Communications (англ.) 14 (1). с. 2236. ISSN 2041-1723. PMC PMC10115892. PMID 37076473. doi:10.1038/s41467-023-37729-w. Процитовано 12 червня 2023. 
  161. Mahmood, Umer; Li, Xiaodong; Fan, Yonghai; Chang, Wei; Niu, Yue; Li, Jiana; Qu, Cunmin; Lu, Kun (2022). Multi-omics revolution to promote plant breeding efficiency. Frontiers in Plant Science 13. ISSN 1664-462X. PMC PMC9773847. PMID 36570904. doi:10.3389/fpls.2022.1062952. Процитовано 12 червня 2023. 
  162. Yang, Yaodong; Saand, Mumtaz Ali; Huang, Liyun; Abdelaal, Walid Badawy; Zhang, Jun; Wu, Yi; Li, Jing; Sirohi, Muzafar Hussain та ін. (2021). Applications of Multi-Omics Technologies for Crop Improvement. Frontiers in Plant Science 12. ISSN 1664-462X. PMC PMC8446515. PMID 34539683. doi:10.3389/fpls.2021.563953. Процитовано 12 червня 2023. 
  163. Sirangelo, Tiziana Maria; Ludlow, Richard Andrew; Chenet, Tatiana; Pasti, Luisa; Spadafora, Natasha Damiana (2023-04). Multi-Omics and Genome Editing Studies on Plant Cell Walls to Improve Biomass Quality. Agriculture (англ.) 13 (4). с. 752. ISSN 2077-0472. doi:10.3390/agriculture13040752. Процитовано 12 червня 2023. 
  164. Ichihashi, Yasunori; Date, Yasuhiro; Shino, Amiu; Shimizu, Tomoko; Shibata, Arisa; Kumaishi, Kie; Funahashi, Fumiaki; Wakayama, Kenji та ін. (23 червня 2020). Multi-omics analysis on an agroecosystem reveals the significant role of organic nitrogen to increase agricultural crop yield. Proceedings of the National Academy of Sciences (англ.) 117 (25). с. 14552–14560. ISSN 0027-8424. PMC PMC7321985. PMID 32513689. doi:10.1073/pnas.1917259117. Процитовано 12 червня 2023. 
  165. Aguiar-Pulido, Vanessa; Huang, Wenrui; Suarez-Ulloa, Victoria; Cickovski, Trevor; Mathee, Kalai; Narasimhan, Giri (2016-01). Metagenomics, Metatranscriptomics, and Metabolomics Approaches for Microbiome Analysis: Supplementary Issue: Bioinformatics Methods and Applications for Big Metagenomics Data. Evolutionary Bioinformatics (англ.) 12s1. с. EBO.S36436. ISSN 1176-9343. PMC PMC4869604. PMID 27199545. doi:10.4137/EBO.S36436. Процитовано 12 червня 2023. 
  166. Joshi, Samiksha; Gangola, Saurabh; Rani, Anju; Sahgal, Manvika; Tewari, Samarth; Bhandari, Narendra Singh; Jaggi, Vandana; Prakash, Om (1 січня 2023). У Gangola, Saurabh; Kumar, Saurabh; Joshi, Samiksha та ін. Chapter 1 - Recent molecular and omics approaches to study rhizosphere functioning. Advanced Microbial Technology for Sustainable Agriculture and Environment (англ.). Academic Press. с. 1–13. ISBN 978-0-323-95090-9. doi:10.1016/b978-0-323-95090-9.00009-1. 
  167. Herold, Malte; Martínez Arbas, Susana; Narayanasamy, Shaman; Sheik, Abdul R.; Kleine-Borgmann, Luise A. K.; Lebrun, Laura A.; Kunath, Benoît J.; Roume, Hugo та ін. (19 жовтня 2020). Integration of time-series meta-omics data reveals how microbial ecosystems respond to disturbance. Nature Communications (англ.) 11 (1). с. 5281. ISSN 2041-1723. doi:10.1038/s41467-020-19006-2. Процитовано 12 червня 2023. 
  168. McDaniel, Elizabeth A.; Wahl, Sebastian Aljoscha; Ishii, Shun'ichi; Pinto, Ameet; Ziels, Ryan; Nielsen, Per Halkjær; McMahon, Katherine D.; Williams, Rohan B. H. (15 жовтня 2021). Prospects for multi-omics in the microbial ecology of water engineering. Water Research (англ.) 205. с. 117608. ISSN 0043-1354. doi:10.1016/j.watres.2021.117608. Процитовано 12 червня 2023. 
  169. Meng, Chen; Kuster, Bernhard; Culhane, Aedín C; Gholami, Amin (2014). A multivariate approach to the integration of multi-omics datasets. BMC Bioinformatics 15 (1): 162. ISSN 1471-2105. PMC 4053266. PMID 24884486. doi:10.1186/1471-2105-15-162. 
  170. Ramos, Marcel; Schiffer, Lucas; Re, Angela; Azhar, Rimsha; Basunia, Azfar; Rodriguez, Carmen; Chan, Tiffany; Chapman, Phil та ін. (1 листопада 2017). Software for the Integration of Multiomics Experiments in Bioconductor. Cancer Research 77 (21): e39–e42. PMC 5679241. PMID 29092936. doi:10.1158/0008-5472.CAN-17-0344. 
  171. Seonggyun Han, Younghee Lee (2017). IMAS. Bioconductor. doi:10.18129/b9.bioc.imas. Процитовано 28 червня 2019. 
  172. Karim Mezhoud [Aut, Cre] (2017). bioCancer. Bioconductor. doi:10.18129/b9.bioc.biocancer. Процитовано 28 червня 2019. 
  173. Hernandez-Ferrer, Carles; Ruiz-Arenas, Carlos; Beltran-Gomila, Alba; González, Juan R. (17 січня 2017). MultiDataSet: an R package for encapsulating multiple data sets with application to omic data integration. BMC Bioinformatics 18 (1): 36. ISSN 1471-2105. PMC 5240259. PMID 28095799. doi:10.1186/s12859-016-1455-1. 
  174. Reap the rewards of a biological insight engine. omicX. Процитовано 26 червня 2019. 
  175. Conesa, Ana; Dopazo, Joaquín; García-López, Federico; García-Alcalde, Fernando (1 січня 2011). Paintomics: a web based tool for the joint visualization of transcriptomics and metabolomics data. Bioinformatics 27 (1): 137–139. ISSN 1367-4803. PMC 3008637. PMID 21098431. doi:10.1093/bioinformatics/btq594. 
  176. Conesa, Ana; Pappas, Georgios J.; Furió-Tarí, Pedro; Balzano-Nogueira, Leandro; Martínez-Mira, Carlos; Tarazona, Sonia; Hernández-de-Diego, Rafael (2 липня 2018). PaintOmics 3: a web resource for the pathway analysis and visualization of multi-omics data. Nucleic Acids Research 46 (W1): W503–W509. ISSN 0305-1048. PMC 6030972. PMID 29800320. doi:10.1093/nar/gky466. 
  177. Chari, Raj; Coe, Bradley P.; Wedseltoft, Craig; Benetti, Marie; Wilson, Ian M.; Vucic, Emily A.; MacAulay, Calum; Ng, Raymond T. та ін. (7 жовтня 2008). SIGMA2: A system for the integrative genomic multi-dimensional analysis of cancer genomes, epigenomes, and transcriptomes. BMC Bioinformatics 9 (1): 422. ISSN 1471-2105. PMC 2571113. PMID 18840289. doi:10.1186/1471-2105-9-422. 
  178. Choi, Hyungwon; Ewing, Rob; Choi, Kwok Pui; Fermin, Damian; Koh, Hiromi W. L. (23 липня 2018). iOmicsPASS: a novel method for integration of multi-omics data over biological networks and discovery of predictive subnetworks. bioRxiv: 374520. doi:10.1101/374520. 
  179. Kanai, Masahiro; Maeda, Yuichi; Okada, Yukinori (19 червня 2018). Grimon: graphical interface to visualize multi-omics networks. Bioinformatics 34 (22): 3934–3936. ISSN 1367-4803. PMC 6223372. PMID 29931190. doi:10.1093/bioinformatics/bty488. 
  180. Su, Andrew I.; Loguercio, Salvatore; Carland, Tristan M.; Ducom, Jean-Christophe; Gioia, Louis; Meißner, Tobias; Fisch, Kathleen M. (1 червня 2015). Omics Pipe: a community-based framework for reproducible multi-omics data analysis. Bioinformatics 31 (11): 1724–1728. ISSN 1367-4803. PMC 4443682. PMID 25637560. doi:10.1093/bioinformatics/btv061. 
  181. Montague, Elizabeth; Stanberry, Larissa; Higdon, Roger; Janko, Imre; Lee, Elaine; Anderson, Nathaniel; Choiniere, John; Stewart, Elizabeth та ін. (June 2014). {"@context": "https://schema.org","@type": "NewsArticle","inLanguage": "uk-UA","articleSection": "Вікіпедія","mainEntityOfPage": { "@type": "WebPage", "@id": "https://www.wikidata.uk-ua.nina.az/Мультиоміка.html"},"headline": "Мультиоміка","alternativeHeadline": "Мультиоміка","wordCount":"720","keywords":[],"image": {"@type": "ImageObject","url": "https://www.wikidata.uk-ua.nina.az/template/images/fphotos/15.jpg","width": "1200","height": "675"},"dateCreated":"2023-10-20T21:35:15+00:00","datePublished":"2023-10-20T21:35:15+00:00","dateModified":"2023-10-20T21:35:15+00:00","description": "Мультиоміка мульти оміка інтегративна оміка це підхід до біологічного аналізу спрямований на використання та інтеграцію ","articleBody": "Multiomika multi omika integrativna omika ce pidhid do biologichnogo analizu spryamovanij na vikoristannya ta integraciyu velikoyi kilkosti danih nadanoyi doslidzhennyami omami takimi yak genom proteom transkriptom en epigenom en epitranskriptom en metabolom interaktom mikrobiom metagenom metatranskriptom metaproteom ta inshi shob rozvinuti kompleksne ta cilisne rozuminnya biologichnih sistem 1 2 3 4 Multiomika sprosheno ta shematichno bez epigenomiki ta in Kilkist cituvan terminiv Multiomics i Multi omics u PubMed do 31 grudnya 2021 roku Omiksni tehnologiyi ce nabori peredovih visokoproduktivnih metodologij yaki vikoristovuyutsya dlya analizu shirokogo diapazonu biologichnih molekul ta yih vzayemodiyi z metoyu","author":[{"@type": "Organization","name": "www.wikidata.uk-ua.nina.az","url": "https://www.wikidata.uk-ua.nina.az/Мультиоміка.html"}],"publisher": { "@type": "Organization", "name":"www.wikidata.uk-ua.nina.az", "logo": { "@type": "ImageObject","url": "https://www.wikidata.uk-ua.nina.az/template/images/logo.svg","width": 200,"height": 45 }}}
Дата публікації:
Multiomika multi omika integrativna omika ce pidhid do biologichnogo analizu spryamovanij na vikoristannya ta integraciyu velikoyi kilkosti danih nadanoyi doslidzhennyami omami takimi yak genom proteom transkriptom en epigenom en epitranskriptom en metabolom interaktom mikrobiom metagenom metatranskriptom metaproteom ta inshi shob rozvinuti kompleksne ta cilisne rozuminnya biologichnih sistem 1 2 3 4 Multiomika sprosheno ta shematichno bez epigenomiki ta in Kilkist cituvan terminiv Multiomics i Multi omics u PubMed do 31 grudnya 2021 roku Omiksni tehnologiyi ce nabori peredovih visokoproduktivnih metodologij yaki vikoristovuyutsya dlya analizu shirokogo diapazonu biologichnih molekul ta yih vzayemodiyi z metoyu rozuminnya strukturi funkciyi ta dinamiki biologichnih sistem na riznih rivnyah 5 Poyednuyuchi ci omi vcheni mozhut analizuvati skladni biologichni veliki dani shob znahoditi novi asociaciyi mizh biologichnimi ob yektami tochno viznachati vidpovidni biomarkeri en zahvoryuvan i fiziologichnih procesiv 6 7 Roblyachi ce multiomika ob yednuye riznomanitni dani omik shob znajti uzgodzheno vidpovidnij zv yazok abo asociaciyu genotip fenotip dovkillya 8 Termin multiomika vidobrazhaye vzayemozv yazok i skladnu vzayemodiyu mizh riznimi tipami biologichnih danih Biologichni procesi keruyutsya kaskadom podij yaki pochinayutsya z genoma ta prizvodyat do funkcionalnih bilkiv i metabolitiv yaki oposeredkovuyut klitinni procesi Uzdovzh cogo kontinuumu isnuyut rizni tochki regulyuvannya ta zvorotnogo zv yazku yaki najkrashe zrozumiti yaksho rozglyadati yih razom 9 Multiomika maye na meti vijti za ramki redukcionistskogo poglyadu na rozglyad kozhnogo tipu danih omik izolovano Natomist multiomika yak pidhid viznaye sho cile bilshe nizh suma jogo chastin Pidhodi multiomiki mozhut proyasniti yak zmini na odnomu rivni napriklad genetichna mutaciya mozhut poshiryuvatisya na inshi rivni napriklad zmini u funkciyi bilka ta virobnictvi metabolitiv takim chinom spriyayuchi skladnim risam abo hvoroblivim stanam 10 11 Cej kompleksnij pidhid ye osoblivo efektivnim u virishenni skladnih biologichnih pitan i vse chastishe zastosovuyetsya v takih sferah yak biomedicina 7 ta biomedichna inzheneriya biotehnologiya eksperimentalna biologiya bioinzheneriya ta sintetichna biologiya silske gospodarstvo j doslidzhennya navkolishnogo seredovisha tosho Napriklad u personalizovanij medicini integraciya multiomnih danih vid genomnih do navkolishnih proponuye mozhlivist bilsh tochnogo prognozuvannya profilaktiki ta strategij likuvannya dlya konkretnih paciyentiv 1 12 13 14 15 Odnak integraciya kilkoh tipiv danih omik ne pozbavlena problem Voni vklyuchayut potrebu v nadijnih obchislyuvalnih instrumentah i statistichnih metodah dlya obrobki ta analizu velikih skladnih naboriv danih neobhidnist standartizaciyi ta perevirki danih a takozh pitannya etiki konfidencijnosti ta obminu danimi 16 Nezvazhayuchi na ci problemi multiomika maye velichezni perspektivi dlya transformaciyi nashogo rozuminnya skladnih biologichnih sistem i hvoroblivih procesiv i rozvivayetsya eksponencijno 6 Zmist 1 Tipi doslidzhen v multiomici 1 1 Genomika 1 2 Epigenomika 1 3 Transkriptomika 1 4 Epitranskriptomika 1 5 Proteomika 1 6 Lipidomika 1 7 Glikomika 1 8 Metabolomika 1 9 Interaktomika 1 10 Mikrobiomika 1 10 1 Metagenomika 1 10 2 Metatranskriptomika 1 10 3 Metaproteomika 2 Instrumenti ta metodi 2 1 Sekvenuvannya nastupnogo pokolinnya 2 2 Analiz mikrochipiv 2 3 Mas spektrometriya 2 4 Bioinformatika ta obchislyuvalni zasobi 2 4 1 Mashinne navchannya 2 5 Odnoklitinna multiomika 2 6 Sistemi CRISPR Cas 3 Integraciya danih v multiomici 3 1 Metodi integraciyi danih 3 1 1 Metodi na osnovi regresiyi asociaciyi 3 1 2 Metodi na osnovi klasterizaciyi 3 1 3 Metodi na osnovi merezh 3 2 Problemi ta vikliki 4 Zastosuvannya 4 1 V medicini 4 1 1 Rozuminnya mehanizmiv zahvoryuvannya 4 1 2 Klasifikaciya zahvoryuvan 4 1 3 Viyavlennya biomarkeriv 4 1 4 Rozrobka likiv ta prognozuvannya reakciyi na liki 4 1 5 Kompleksnij proekt mikrobioma lyudini 4 1 6 Sistemna imunologiya 4 1 7 Starinnya ta omolodzhennya 4 2 V silskomu gospodarstvi 4 3 V ekologiyi 5 Programne zabezpechennya ta bazi danih 5 1 Multiomni bazi danih 6 Div takozh 7 Dodatkova literatura 7 1 Knigi 7 2 Zhurnali 7 3 Statti 8 PrimitkiTipi doslidzhen v multiomici RedaguvatiGenomika Redaguvati Genomika ce nauka pro povnij nabir geniv v organizmi genom vklyuchayuchi yih organizaciyu funkciyi ta vzayemodiyu 17 Zavershennya proektu Genom lyudini u 2003 roci stalo znamennim dosyagnennyam yake proklalo shlyah dlya peredovih doslidzhen genetiki lyudini ta inshih vidiv 18 Metodi v genomici vklyuchayut sekvenuvannya cilogo genoma en 19 20 povnogenomne doslidzhennya asociacij en GWAS 21 i porivnyalnu genomiku en 22 23 ta inshi 24 25 div Genomika Bioinformatika Epigenomika Redaguvati Epigenomika ce doslidzhennya povnogo naboru epigenetichnih modifikacij genetichnogo materialu klitini vidomogo yak epigenom 26 27 28 29 Ci zmini mozhut vplivati na ekspresiyu geniv vmikayuchi chi vimikayuchi yih ne zminyuyuchi bazovu poslidovnist DNK 30 Profil metilyuvannya DNK Vivchennya statusu metilyuvannya specifichnih zalishkiv citozinu v DNK Paterni metilyuvannya chasto asociyuyutsya z glushinnyam geniv i mozhut buti proanalizovani za dopomogoyu takih metodiv yak bisulfitne sekvenuvannya en ta metodi analizu mikrochipiv en 31 Dani modifikaciyi gistoniv ChIP Seq Sekvenuvannya imunoprecipitaciyeyu hromatinu viznachennya misc i modelej modifikacij gistoniv napriklad acetilyuvannya metilyuvannya pov yazanih z regulyaciyeyu geniv Sekvenuvannya ChIP poyednuye imunoprecipitaciyu hromatinu z visokoproduktivnim sekvenuvannyam Sekvenuvannya malih RNK en profilyuvannya malih nekoduyuchih RNK napriklad mikroRNK 32 malih interferuyuchih RNK yaki vidigrayut virishalnu rol u regulyaciyi geniv pislya transkripciyi 33 Analiz dovgih nekoduyuchih RNK lncRNA Doslidzhennya funkcij i regulyatornih rolej dovgih nekoduyuchih RNK u ekspresiyi geniv ta epigenetichnij regulyaciyi 34 Metodi fiksaciyi konformaciyi hromosom vidobrazhennya trivimirnoyi organizaciyi hromatinu v klitinnomu yadri Dani Hi C dayut zrozumiti yak hromatinovi petli ta vzayemodiyi vplivayut na regulyaciyu geniv i arhitekturu genomu Povnoepigenomne doslidzhennya asociacij en EWAS Epigenomne profilyuvannya metilyuvannya DNK viyavlennya epigenetichnih zmin pov yazanih iz zahvoryuvannyami oznakami ta vplivom navkolishnogo seredovisha podibno do povnogenomnih doslidzhen asociacij GWAS dlya genetichnih variacij Transkriptomika Redaguvati Transkriptomika peredbachaye vivchennya povnogo naboru transkriptiv RNK yaki viroblyayutsya genomom za pevnih umov 35 Taki metodi yak mikrochipi ta sekvenuvannya RNK en RNA seq dozvolyayut doslidnikam vimiryuvati zmini v ekspresiyi geniv viyavlyayuchi yak klitini reaguyut na rizni stimuli 36 Div takozh Transkripciya biologiya Epitranskriptomika Redaguvati Epitranskriptomika ce doslidzhennya epitranskriptomu en 37 38 funkcionalno vidpovidnih modifikacij transkriptomu yaki mozhut vplivati na stabilnist lokalizaciyu ta translyaciyu RNK 39 29 Ce pole dozvolyaye doslidzhuvati inshij riven regulyaciyi geniv yakij vplivaye na chislenni klitinni procesi ta potencijno spriyaye hvoroblivim stanam 40 Epitranskriptomika zoseredzhena na vivchenni posttranskripcijnih modifikacij molekul RNK Ci modifikaciyi taki yak N6 metiladenozin m6A 41 42 i 5 metilcitozin m5C 43 44 45 mozhut vplivati na stabilnist lokalizaciyu ta efektivnist translyaciyi RNK Epitranskriptomne sekvenuvannya en taki metodi yak m6A seq 46 47 i m5C seq 48 49 vikoristovuyutsya dlya profilyuvannya modifikacij RNK u transkriptomi Ci dani dopomagayut identifikuvati modifikovani dilyanki RNK i zrozumiti yihnyu funkcionalnu rol Proteomika Redaguvati Proteomika peredbachaye shirokomasshtabne vivchennya bilkiv vklyuchayuchi yih strukturu funkciyi ta vzayemodiyi proteom 50 51 52 53 54 Mas spektrometriya ta bilkovi mikrochipi ye shiroko vikoristovuvanimi metodami v proteomici 55 56 Funkcionalna proteomika doslidzhennya bilok bilkovih vzayemodij subklitinnoyi lokalizaciyi ta funkcij bilka v klitinnih shlyahah 57 58 Lipidomika Redaguvati Lipidomika ce shirokomasshtabne doslidzhennya shlyahiv i merezh klitinnih lipidiv u biologichnih sistemah 59 Lipidomika vikoristovuye metodi analitichnoyi himiyi ta mas spektrometriyi 60 dlya identifikaciyi ta kilkisnogo viznachennya riznomanitnogo profilyu lipidiv u biologichnih sistemah 61 62 Glikomika Redaguvati Glikomika ce kompleksne doslidzhennya vsih glikanovih struktur vuglevodiv klitini tkanini abo organizmu 63 Glikomika doslidzhuye strukturu ta funkciyi glikaniv cukriv saharidiv u biologichnih sistemah zokrema zavdyaki mas spektrometriyi 64 65 66 Metabolomika Redaguvati Metabolomika ce doslidzhennya povnogo naboru dribnomolekulyarnih himichnih rechovin znajdenih u biologichnomu zrazku Doslidzhuyuchi ci metaboliti doslidniki mozhut otrimati uyavlennya pro fiziologichni stani ta reakciyu na zahvoryuvannya abo zmini navkolishnogo seredovisha 67 68 div Bioinformatika Interaktomika Redaguvati Interaktomika vidnositsya do vivchennya interaktoma usiyeyi sukupnosti molekulyarnih vzayemodij u klitinah Ce mozhe vklyuchati bilok bilok 69 70 bilok DNK 71 bilok metabolit 72 epigenetichni 73 mikroRNK mRNK 74 bakterialni 75 ta inshi tipi vzayemodij 76 77 Mikrobiomika Redaguvati Mikrobiomika peredbachaye harakteristiku ta analiz mikrobnih spilnot vklyuchayuchi bakteriyi arheyi virusi gribi prioni najprostishi ta vodorosti u viznachenomu seredovishi 78 Div takozh Mikrobiom Mikrobiom lyudini Mikrobiota kishkivnika Metagenomika Redaguvati Metagenomika ce doslidzhennya genetichnogo materialu otrimanogo bezposeredno zi zrazkiv navkolishnogo seredovisha 79 chi mikrobiomu pevnogo organizmu 80 Ce dozvolyaye oharakterizuvati spilnoti organizmiv yaki ne piddayutsya kultivuvannyu zvichajnimi mikrobiologichnimi metodami 81 Metagenomika daye uyavlennya pro strukturu ta funkciyi mikrobnih spilnot u riznomanitnih seredovishah u tomu chisli v organizmi lyudini 82 Metatranskriptomika Redaguvati Metatranskriptomika rozdil transkriptomiki ta mikrobiomiki yakij zajmayetsya vivchennyam transkriptomiv u mikrobnih spilnotah Vin proponuye rozuminnya aktivnih funkcionalnih elementiv spilnoti ta mozhe proilyustruvati yak gromadi reaguyut na podrazniki navkolishnogo seredovisha Metatranskriptomika takozh mozhe dopomogti identifikuvati geni sho ekspresuyutsya okremimi chlenami spilnoti doslidzhuyuchi funkcionalni roli riznih chleniv spilnoti 83 84 Metaproteomika Redaguvati Metaproteomika peredbachaye vivchennya vsogo mikrobnogo proteomu v pevnij moment chasu Metaproteomika nadaye funkcionalnu informaciyu pro mikrobni spilnoti sho robit yiyi klyuchovim instrumentom dlya rozuminnya vzayemodiyi mikrobiv i dinamiki spilnot u yihnomu prirodnomu seredovishi isnuvannya Takij pidhid takozh dopomagaye z yasuvati funkcionalni roli okremih chleniv i spilnoti v cilomu 85 86 87 Instrumenti ta metodi RedaguvatiSekvenuvannya nastupnogo pokolinnya Redaguvati Tehnologiyi sekvenuvannya nastupnogo pokolinnya NGS zrobili revolyuciyu v genomici ta inshih galuzyah omiki 88 Voni zabezpechuyut visokoproduktivne sekvenuvannya obroblyayuchi miljoni poslidovnostej odnochasno 89 90 NGS vikoristovuyetsya dlya sekvenuvannya cilih genomiv transkriptomiv RNA seq metagenomiv i analizu epigenetichnih markeriv 91 92 93 94 Analiz mikrochipiv Redaguvati Tehnologiya mikrochipiv 95 hoch i ne taka produktivna yak novishi metodi ale takozh vikoristovuyetsya dlya visokoproduktivnogo analizu ekspresiyi geniv transkriptomika a takozh dlya viyavlennya odnonukleotidnih polimorfizmiv SNP i variacij kilkosti kopij CNV u genomici Sekvenuvannya RNK RNA Seq vitisnilo tehnologiyu mikrochipiv i stalo metodikoyu viboru zavdyaki svoyij zdatnosti vimiryuvati ekspresiyu geniv z visokoyu chutlivistyu ta tochnistyu a takozh identifikuvati novi transkripti 96 Mas spektrometriya Redaguvati Mas spektrometriya ye klyuchovim metodom u proteomici 56 ta metabolomici 68 sho dozvolyaye identifikuvati ta kilkisno viznachiti bilki ta metaboliti Cej metod takozh vikoristovuyut dlya lipidomiki 60 glikomiki 65 66 ta inshih tipiv molekulyarnogo analizu Bioinformatika ta obchislyuvalni zasobi Redaguvati Neobhidnim komponentom doslidzhen multiomiki ye vikoristannya obchislyuvalnih instrumentiv dlya analizu ta integraciyi velikih i skladnih naboriv danih omiki sho ye sferoyu doslidzhen v bioinformatici Instrumenti dlya integraciyi danih vklyuchayut statistichni pidhodi algoritmi mashinnogo navchannya ta instrumenti merezhevogo analizu 97 Bazi danih i programni platformi 98 99 takozh mayut virishalne znachennya dlya obminu ta anotuvannya danih riznih omik 100 Mashinne navchannya Redaguvati Paralelno z progresom u molekulyarnij sistemnij ta obchislyuvalnij biologiyi aktivno rozvivayutsya programi mashinnogo navchannya dlya analizu biomedichnih danih Integraciya multiomichnogo analizu danih i mashinnogo navchannya prizvela do vidkrittya novih biomarkeriv 101 102 103 104 Napriklad odin iz metodiv proektu mixOmics realizuye metod zasnovanij na chastkovij regresiyi najmenshih kvadrativ en dlya vidboru oznak peredbachuvanih biomarkeriv 105 Odnoklitinna multiomika Redaguvati Vidgaluzhennyam galuzi multiomiki ye analiz bagatorivnevih odnoklitinnih danih yaki nazivayut odnoklitinnoyu en multiomikoyu 106 107 108 Cej pidhid daye nam bezprecedentnu mozhlivist rozglyadati bagatorivnevi procesi v zdorov yi ta zahvoryuvannyah na rivni odniyeyi klitini 109 Metodi paralelnogo odnoklitinnogo genomnogo ta transkriptomnogo analizu mozhut bazuvatisya na odnochasnij amplifikaciyi 110 abo fizichnomu rozdilenni RNK i genomnoyi DNK 111 Voni dozvolyayut otrimati informaciyu yaku nemozhlivo zibrati viklyuchno za dopomogoyu transkriptomnogo analizu oskilki napriklad dani RNK ne mistyat nekoduyuchih genomnih dilyanok ta informaciyi shodo variaciyi kilkosti kopij Rozshirennyam ciyeyi metodologiyi ye integraciya odnoklitinnih transkriptomiv do odnoklitinnih metilomiv poyednannya odnoklitinnogo bisulfitnogo sekvenuvannya en 112 113 do odnoklitinnogo sekvenuvannya RNK RNA Seq 114 Inshi metodi doslidzhuyut epigenom taki yak odnoklitinnij ATAC Seq en 115 i odnoklitinnij Hi C 116 Problemoyu ye integraciya proteomnih 51 54 i transkriptomnih danih 117 118 Odin iz pidhodiv do vikonannya takogo vimiryuvannya polyagaye u fizichnomu rozdilenni odnoklitinnih lizativ na dvi chastini obrobci polovini dlya RNK a polovini dlya bilkiv 117 Vmist bilka v lizatah mozhna vimiryati napriklad za dopomogoyu metodiv rozshirennya PEA yaki vikoristovuyut antitila zi shtrih kodom DNK 119 Inshij pidhid vikoristovuye kombinaciyu RNK zondiv vazhkih metaliv i bilkovih antitil dlya adaptaciyi mas citometriyi dlya multiomichnogo analizu 118 Sistemi CRISPR Cas Redaguvati Sistemi CRISPR Cas zokrema CRISPR Cas9 zrobili revolyuciyu v genomnih doslidzhennyah Yih mozhna vikoristovuvati dlya tochnogo redaguvannya genomiv sho dozvolyaye provoditi funkcionalni doslidzhennya geniv i genetichnih variantiv Zavdyaki tochnosti CRISPR Cas9 doslidniki mozhut stvoryuvati pevni genetichni pertubaciyi napriklad genni nokauti abo specifichni mutaciyi kontrolovanim chinom a potim vikoristovuvati rizni metodi omiki genomika transkriptomika proteomika metabolomika tosho shob zrozumiti nastupni naslidki cih zmin 120 Ce dozvolyaye otrimati cilisne uyavlennya pro vpliv konkretnogo gena na procesi v klitini Za tim zhe principom sistemu dCas9 de bilok Cas9 ye mertvim abo katalitichno neaktivnim mozhna vikoristovuvati dlya cilespryamovanogo redaguvannya epigenoma yaksho jogo zliti z fermentami yaki modifikuyut epigenom takimi yak DNK metiltransferazi abo giston acetiltransferazi 121 Pislya cogo metodami epigenomiki mozhlivo dosliditi j ociniti otrimanni zmini v epigenomi i yih rol v procesah v klitini 122 Integraciya danih v multiomici RedaguvatiIntegraciya danih multiomiki ye virishalnim krokom u doslidzhennyah multiomiki metoyu yakogo ye nadannya povnogo uyavlennya pro biologichni sistemi na riznih molekulyarnih rivnyah Zavdannya klasifikaciyi metodiv integraciyi danih multiomiki ye skladnim cherez riznomanitni metodologiyi z riznimi cilyami Odnak yih mozhna shiroko klasifikuvati na osnovi yihnih bazovih statistichnih strategij yihnoyi biologichnoyi cili ta sposobu obrobki kilkoh tipiv danih omik 4 Isnuye dva zagalni pidhodi do organizaciyi vhidnih danih dlya podalshoyi yih integraciyi ta analizu metodi ansamblyu danih i metodi ansamblyu modeli Metodi ansamblyu danih ob yednuyut dani multiomiki z riznih molekulyarnih shariv v yedinu matricyu yak vhidni dani Navpaki metodi ansamblyu modeli analizuyut kozhni dani omik nezalezhno a potim ob yednuyut rezultati dlya pobudovi integrativnogo analizu 123 124 125 126 Na osnovi cih dvoh metodik organizaciyi danih klasifikuyut nastupni metodi integraciyi danih 125 Metodi integraciyi danih Redaguvati Metodi na osnovi regresiyi asociaciyi Redaguvati Poslidovnij analiz Metodi na osnovi kanonichnij korelyacijnogo analizu CCA i spivinercijnogo analizu CIA Metodi na osnovi faktornogo analizuMetodi na osnovi klasterizaciyi Redaguvati Klasterizaciya na osnovi yadra Metod klasterizaciyi na osnovi matrichnoyi faktorizaciyi Metod bayesovoyi klasterizaciyi Bagatovimirnij metod klasterizaciyiMetodi na osnovi merezh Redaguvati Merezhi na osnovi matrici faktorizaciyi MF Based Bayesovi merezhi Merezhi na osnovi poshirennya NP Based Korelyacijni ta inshi merezhiProblemi ta vikliki Redaguvati V integraciyi multiomichnih danih ye kilka problem ta viklikiv yaki stoyat pered doslidnikami Voni vklyuchayut potrebu v Velikih ta visokoyakisni naborah danih oskilki metodi integraciyi chasto vimagayut velikih obsyagiv danih dlya nadijnih rezultativ Metodi obrobki vidsutnih danih oskilki ne vsi tipi danih omik mozhut buti dostupnimi dlya vsih zrazkiv Efektivni metodi normalizaciyi ta transformaciyi dlya vrahuvannya vidminnostej u masshtabi ta rozpodili mizh riznimi tipami danih omik Metodi vrahuvannya paketniz efektiv ta inshih dzherel nebiologichnoyi variaciyi 127 Oskilki doslidzhennya multiomiki stayut vse bilsh poshirenimi vinikaye potreba v rozrobci bilsh skladnih metodiv integraciyi programnih zasobiv 128 avtomatizovanih sistem 129 tehnologichnih procesiv i baz danih Ochikuyetsya sho majbutni dosyagnennya v galuzi bioinformatiki mashinnogo navchannya ta shtuchnogo intelektu vidigravatimut virishalnu rol u comu vidnoshenni 126 130 Zastosuvannya RedaguvatiV medicini Redaguvati Progres v multiomici obicyaye zapovniti progalini v rozuminni lyudskogo zdorov ya 1 ta hvorob 131 i bagato doslidnikiv pracyuyut nad sposobami stvorennya ta analizu danih pov yazanih iz hvorobami Pershi zastosuvannya variyuyutsya vid rozuminnya vzayemodij gospodar patogen ta infekcijnih zahvoryuvan 132 133 onkopatologij 134 do krashogo rozuminnya hronichnih i skladnih neinfekcijnih zahvoryuvan 135 nevrologichnih patologij 136 i vdoskonalennya personalizovanoyi medicini 12 13 14 15 Integruyuchi genomni transkriptomni proteomni ta inshi omichni dani klinicisti mozhut rozrobiti vsebichne rozuminnya zdorov ya ta hvoroblivogo stanu paciyenta keruyuchi viborom najbilsh efektivnih metodiv likuvannya ta profilaktichnih zahodiv Napriklad oglyad 2023 roku vidiliv taki 5 osnovnih zastosuvan multiomiki v translyacijnij medicini 1 viyavlennya molekulyarnih modelej pov yazanih iz zahvoryuvannyam 2 identifikaciya pidtipu 3 diagnostika ta prognoz 4 prognozuvannya reakciyi na liki ta 5 rozuminnya regulyatornih procesiv 123 Rozuminnya mehanizmiv zahvoryuvannya Redaguvati Integruyuchi kilka shariv omiki doslidniki mozhut otrimati glibshe rozuminnya mehanizmiv zahvoryuvannya na molekulyarnomu rivni Napriklad genomni dani mozhut identifikuvati genetichni varianti pov yazani z hvoroboyu transkriptomni dani mozhut viyaviti pov yazani zmini v ekspresiyi geniv proteomni dani mozhut pokazati zmini rivniv i modifikacij bilka a metabolomichni dani mozhut identifikuvati pov yazani metabolichni zmini 123 137 Klasifikaciya zahvoryuvan Redaguvati Dani multiomiki mozhut dopomogti klasifikuvati ta pidtipuvati zahvoryuvannya osoblivo skladni zahvoryuvannya u bilsh konkretni kategoriyi na osnovi yihnih molekulyarnih profiliv Ce mozhe pokrashiti diagnostiku ta likuvannya Napriklad rizni pidtipi raku abo diabetu mozhut mati rizni molekulyarni profili yaki po riznomu reaguyut na likuvannya 138 123 Viyavlennya biomarkeriv Redaguvati Dani multiomiki mozhut dopomogti u vidkritti biomarkeriv dlya diagnostiki zahvoryuvan prognozu ta vidpovidi na likuvannya Shlyahom porivnyannya profiliv omik zahvoryuvannya ta zdorovogo stanu mozhna identifikuvati potencijni biomarkeri 139 140 Rozrobka likiv ta prognozuvannya reakciyi na liki Redaguvati Multiomika takozh mozhe vidigravati virishalnu rol u vidkritti ta rozrobci likiv Napriklad rozuminnya omik profiliv zahvoryuvan mozhe dopomogti v identifikaciyi potencijnih mishenej likiv 141 142 137 Krim togo dani multiomiki mozhut dopomogti peredbachiti ta zrozumiti reakciyu na liki 143 144 Kompleksnij proekt mikrobioma lyudini Redaguvati nbsp Oglyad faz 1 i 2 proektu mikrobioma lyudini Druga faza proektu lyudskogo mikrobiomu vartistyu 170 miljoniv dolariv bula zoseredzhena na integraciyi danih paciyentiv u rizni nabori danih omik vrahovuyuchi genetiku gospodarya klinichnu informaciyu ta sklad mikrobiomu 145 146 Persha faza bula zoseredzhena na harakteristici spilnot u riznih miscyah tila Druga faza zoseredzhena na integraciyi multiomichnih danih vid gospodarya ta mikrobiomu do zahvoryuvan lyudini Zokrema proekt vikoristovuvav multiomiku dlya pokrashennya rozuminnya vzayemodiyi mikrobiot kishkivnika ta nosa z diabetom 2 tipu 147 mikrobioti kishkivnika ta zapalnih zahvoryuvan kishkivnika 148 ta mikrobioti vagini j peredchasnih pologiv 149 Sistemna imunologiya Redaguvati Skladnist vzayemodij v imunnij sistemi lyudini sponukala do stvorennya velikoyi kilkosti pov yazanih z imunologiyeyu bagatomasshtabnih omichnih danih 150 151 152 13 153 Multiomichnij analiz danih buv vikoristanij dlya zboru novih idej shodo imunnoyi vidpovidi na infekcijni zahvoryuvannya taki yak dityacha chikungunya 154 a takozh neinfekcijni autoimunni zahvoryuvannya 155 Multiomiku takozh aktivno vikoristovuvali dlya rozuminnya efektivnosti ta pobichnih efektiv vakcin 156 Napriklad multiomika bula vazhlivoyu dlya viyavlennya zv yazku zmin metabolitiv plazmi ta transkriptoma imunnoyi sistemi u vidpovid na vakcinaciyu proti operizuvalnogo gerpesu 157 Starinnya ta omolodzhennya Redaguvati Starinnya organizmu zumovlene vzayemopov yazanimi molekulyarnimi zminami sho ohoplyuyut vnutrishni ta pozaklitinni faktori Kombinovanij analiz visokoproduktivnih naboriv danih multiomiki na populyacijnomu abo odnoklitinnomu rivnyah mozhe zabezpechiti bagatovimirnij integrovanij profil geterogennih procesiv starinnya z bezprecedentnoyu produktivnistyu ta detalizaciyeyu Ci novi strategiyi dozvolyayut doslidzhuvati molekulyarnij profil i regulyatornij status ekspresiyi geniv pid chas starinnya i u svoyu chergu spriyayut rozrobci novih zahodiv shodo starinnya ta omolodzhennya 158 159 U doslidzhenni 2023 roku opublikovanomu v Nature Communications doslidniki vikoristovuvali transkriptomni asocijovani doslidzhennya TWAS i analiz mendelivskoyi randomizaciyi MR shob identifikuvati signaturi ekspresiyi geniv i genetichni misheni likiv pov yazani zi starinnyam na rivni epigenomu ta kompleksnim pidhodom do dovgolittya ta omolodzhennya div Mehanizmi starinnya Voni identifikuvali 22 asociaciyi z visokim stupenem dostovirnosti z epigenetichnim starinnyam i 7 z bagatofaktornim dovgolittyam z kilkoma genami pov yazanimi z peredacheyu signaliv insulinu funkciyeyu mitohondrij klitinnoyu reakciyeyu na stres i metabolizmom Doslidzhennya takozh viyavilo vpliv imunnih klitin na priskorennya epigenetichnogo starinnya sho peredbachaye potencijni mozhlivi misheni dlya terapevtichnih vtruchann Podilshi doslidzhennya v cij sferi dopomozhut viznachiti konkretni preparati chi vtruchannya dlya terapiyi proti starinnya Integraciya multiomiki v tochni strategiyi omolodzhennya ye bagatoobicyayuchoyu u viznachenni likarskih cilej dlya prodovzhennya zdorovih rokiv zhittya 160 V silskomu gospodarstvi Redaguvati U galuzi silskogo gospodarstva multiomichni pidhodi zastosovuyutsya dlya pokrashennya efektivnosti selekciyi 161 ta genetichnogo polipshennya 162 silskogospodarskih kultur i tvarin Genomni dani mozhut identifikuvati korisni genetichni oznaki todi yak transkriptomni proteomni ta metabolomni dani mozhut dopomogti zrozumiti yih vpliv Ce mozhe keruvati strategiyami rozvedennya ta zusillyami shodo genetichnoyi modifikaciyi 163 Takozh zastosuvannya multiomiki v silskomu gospodarstvi ye vazhlivim dlya spriyannya stalim metodam vedennya silskogo gospodarstva Oskilki nadmirne vikoristannya himichnih dobriv prizvelo do chislennih ekologichnih problem gliboke rozuminnya agroekosistemi yaka mistit roslini mikrobi ta grunt ye neobhidnim dlya stalogo silskogo gospodarstva Napriklad multiomichne doslidzhennya strukturi agroekosistemi opublikovane v PNAS v 2020 roci viyavilo sho organichnij azot ye klyuchovim komponentom yakij spriyaye vrozhajnosti silskogospodarskih kultur za umovi solyarizaciyi gruntu navit pri nayavnosti neorganichnogo azotu 164 V ekologiyi Redaguvati V ekologiyi ta doslidzhennyah navkolishnogo seredovisha metodi multiomiki vikoristovuyutsya dlya vivchennya ekosistem na molekulyarnomu rivni Napriklad metagenomni metatranskriptomni metaproteomni ta metametabolomni dani mozhut dati rozuminnya skladu ta funkciyi mikrobnih spilnot u riznih seredovishah ta v konkretnih rizosferah 165 166 167 168 Programne zabezpechennya ta bazi danih RedaguvatiProekt Bioconductor kuruye rizni paketi R spryamovani na integraciyu danih omik omicade4 dlya mnozhinnogo spivinercijnogo analizu multiomichnih naboriv danih 169 MultiAssayExperiment sho proponuye interfejs bioprovidnika dlya nakladannya zrazkiv 170 IMAS paket zoseredzhenij na vikoristanni multiomichnih danih dlya ocinki alternativnogo splajsingu 171 bioCancer paket dlya vizualizaciyi multiomnih danih raku 172 mixOmics nabir bagatovariantnih metodiv dlya integraciyi danih 105 MultiDataSet paket dlya inkapsulyaciyi kilkoh naboriv danih 173 Baza danih OmicTools 174 dodatkovovisvitlyuye R paketi ta inshi instrumenti dlya multiomichnogo analizu danih PaintOmics veb resurs dlya vizualizaciyi naboriv danih multiomiki 175 176 SIGMA programa Java zoseredzhena na integrovanomu analizi naboriv danih raku 177 iOmicsPASS instrument na C dlya prognozuvannya fenotipu na osnovi multiomiki 178 Grimon grafichnij interfejs R dlya vizualizaciyi multiomichnih danih 179 Omics Pipe frejmvork na Python dlya vidtvoryuvanoyi avtomatizaciyi multiomichnogo analizu danih 180 Multiomni bazi danih Redaguvati Osnovnim obmezhennyam klasichnih omichnih doslidzhen ye vidilennya lishe odnogo rivnya biologichnoyi skladnosti Napriklad transkriptomni doslidzhennya mozhut nadavati informaciyu na rivni transkriptiv ale bagato riznih ob yektiv ta procesiv vplivayut na biologichnij stan zrazka genomni varianti posttranslyacijni modifikaciyi produkti metabolizmu vzayemodiyuchi organizmi tosho Z poyavoyu visokoproduktivnoyi biologiyi staye vse bilsh dostupnim provoditi chislenni vimiryuvannya dozvolyayuchi transdomenni napriklad rivni RNK i bilka korelyaciyi ta visnovki Ci korelyaciyi dopomagayut buduvati bilsh povni biologichni merezhi zapovnyuyuchi progalini v nashih znannyah Integraciya danih odnak ne ye legkim zavdannyam Shob polegshiti proces buli stvoreni bazi danih i konveyeri dlya sistematichnogo doslidzhennya multiomichnih danih Multi Omics Profiling Expression Database MOPED 181 sho ob yednuye rizni modeli tvarin Baza danih pankreatichnoyi ekspresiyi sho ob yednuye dani pov yazani z tkaninoyu pidshlunkovoyi zalozi LinkedOmics 182 183 ob yednannya danih iz naboriv danih pro rak TCGA OASIS 184 veb resurs dlya zagalnih doslidzhen raku BCIP 185 platforma dlya doslidzhen raku molochnoyi zalozi C VDdb 186 poyednannya danih kilkoh doslidzhen sercevo sudinnih zahvoryuvan ZikaVR 187 multiomichnij resurs dlya danih pro virus Zika Ecomics 188 normalizovana multiomichna baza danih dlya danih Escherichia coli GourdBase 189 integraciya danih iz doslidzhen garbuza MODEM 190 baza danih dlya bagatorivnevih danih pro kukurudzu SoyKB 191 baza danih dlya bagatorivnevih danih pro soyu ProteomicsDB 192 multiomika ta bagatoorganizmovij resurs dlya naukovih doslidzhen zhittya Odnak bazi danih mistyat rizni predstavlennya togo samogo biologichnogo shlyahu sho mozhe prizvesti do riznih rezultativ analizu statistichnogo zbagachennya ta prognoznih modelej u konteksti tochnoyi medicini Tomu rekomenduyetsya vikoristovuvati bazi danih dekilkoh predstavlen shlyahiv abo integrativni bazi danih 193 Div takozh RedaguvatiBioinformatika Molekulyarna biologiya Sistemna biologiya Obchislyuvalna biologiyaDodatkova literatura RedaguvatiKnigi Redaguvati Kang Ning 2023 Methodologies of Multi Omics Data Integration and Data Mining Techniques and Applications angl Singapur Springer s 167 ISBN 978 981 19 8209 5 Christopher Gerner Michelle Hill 2021 Integrative Multi Omics in Biomedical Research angl vidkritij dostup MDPI Biomolecules s 178 ISBN 978 3 0365 2582 2 Jong Hyuk Yoon Chiara Villa 2021 Multi Omics for the Understanding of Brain Diseases angl vidkritij dostup MDPI 13 grudnya 2021 ISBN 978 3 0365 2603 4 Zhurnali Redaguvati OMICS A Journal of Integrative Biology Mary Ann Liebert Inc Molecular Omics Royal Society of Chemistry Statti Redaguvati Babu Mohan Snyder Michael cherven 2023 Multi Omics Profiling for Health Molecular amp Cellular Proteomics 22 6 doi 10 1016 j mcpro 2023 100561 Vandereyken Katy Sifrim Alejandro Thienpont Bernard Voet Thierry 2 bereznya 2023 Methods and applications for single cell and spatial multi omics Nature Reviews Genetics angl s 1 22 doi 10 1038 s41576 023 00580 2 Athieniti Efi Spyrou George M 1 sichnya 2023 A guide to multi omics data collection and integration for translational medicine Computational and Structural Biotechnology Journal angl 21 doi 10 1016 j csbj 2022 11 050 Vahabi Nasim Michailidis George 2022 Unsupervised Multi Omics Data Integration Methods A Comprehensive Review Frontiers in Genetics 13 doi 10 3389 fgene 2022 854752 The Power of Multiomics 2021 Illumina Pinu Farhana R Beale David J Paten Amy M ta in 2019 Systems Biology and Multi Omics Integration Viewpoints from the Metabolomics Research Community Metabolites MDPI angl 9 4 doi 10 3390 metabo9040076 Primitki Redaguvati a b v Babu Mohan Snyder Michael 2023 06 Multi Omics Profiling for Health Molecular amp Cellular Proteomics 22 6 s 100561 ISSN 1535 9476 PMC PMC10220275 PMID 37119971 doi 10 1016 j mcpro 2023 100561 Procitovano 14 chervnya 2023 Hasin Yehudit Seldin Marcus Lusis Aldons 5 travnya 2017 Multi omics approaches to disease Genome Biology 18 1 s 83 ISSN 1474 760X PMC PMC5418815 PMID 28476144 doi 10 1186 s13059 017 1215 1 Procitovano 11 chervnya 2023 Pinu Farhana R Beale David J Paten Amy M Kouremenos Konstantinos Swarup Sanjay Schirra Horst J Wishart David 2019 04 Systems Biology and Multi Omics Integration Viewpoints from the Metabolomics Research Community Metabolites angl 9 4 s 76 ISSN 2218 1989 PMC PMC6523452 PMID 31003499 doi 10 3390 metabo9040076 Procitovano 14 chervnya 2023 a b Kang Ning 2023 Methodologies of Multi Omics Data Integration and Data Mining Techniques and Applications eng Springer ISBN 978 981 19 8209 5 Hood Leroy Tian Qiang 1 serpnya 2012 Systems Approaches to Biology and Disease Enable Translational Systems Medicine Genomics Proteomics amp Bioinformatics angl 10 4 s 181 185 ISSN 1672 0229 PMC PMC3844613 PMID 23084773 doi 10 1016 j gpb 2012 08 004 Procitovano 11 chervnya 2023 a b Kang Ning 2023 Methodologies of Multi Omics Data Integration and Data Mining Techniques and Applications angl Singapur Springer s 167 ISBN 978 981 19 8209 5 a b Christopher Gerner Michelle Hill 2021 Integrative Multi Omics in Biomedical Research angl MDPI Biomolecules s 178 ISBN 978 3 0365 2582 2 Tarazona S Balzano Nogueira L amp Conesa A 2018 Multiomics Data Integration in Time Series Experiments DOI 10 1016 bs coac 2018 06 005 Bersanelli Matteo Mosca Ettore Remondini Daniel Giampieri Enrico Sala Claudia Castellani Gastone Milanesi Luciano 20 sichnya 2016 Methods for the integration of multi omics data mathematical aspects BMC Bioinformatics 17 2 s S15 ISSN 1471 2105 PMC PMC4959355 PMID 26821531 doi 10 1186 s12859 015 0857 9 Procitovano 11 chervnya 2023 Subramanian Indhupriya Verma Srikant Kumar Shiva Jere Abhay Anamika Krishanpal 2020 01 Multi omics Data Integration Interpretation and Its Application Bioinformatics and Biology Insights angl 14 s 117793221989905 ISSN 1177 9322 PMC PMC7003173 PMID 32076369 doi 10 1177 1177932219899051 Procitovano 11 chervnya 2023 Mavromatis Lucas A Rosoff Daniel B Bell Andrew S Jung Jeesun Wagner Josephin Lohoff Falk W 19 kvitnya 2023 Multi omic underpinnings of epigenetic aging and human longevity Nature Communications angl 14 1 s 2236 ISSN 2041 1723 doi 10 1038 s41467 023 37729 w Procitovano 11 chervnya 2023 a b Hood Leroy Flores Mauricio 15 veresnya 2012 A personal view on systems medicine and the emergence of proactive P4 medicine predictive preventive personalized and participatory New Biotechnology angl 29 6 s 613 624 ISSN 1871 6784 doi 10 1016 j nbt 2012 03 004 Procitovano 11 chervnya 2023 a b v He Feng Q Ollert Markus Balling Rudi Bode Sebastian F N Delhalle Sylvie 6 lyutogo 2018 A roadmap towards personalized immunology NPJ Systems Biology and Applications 4 1 9 ISSN 2056 7189 PMC 5802799 PMID 29423275 doi 10 1038 s41540 017 0045 9 a b Hu Cheng Jia Weiping 18 serpnya 2021 Multi omics profiling the way toward precision medicine in metabolic diseases Journal of Molecular Cell Biology ISSN 1674 2788 PMC PMC8697344 PMID 34406397 doi 10 1093 jmcb mjab051 Procitovano 12 chervnya 2023 a b Ahmed Zeeshan 1 sichnya 2022 U Teplow David B Chapter Four Precision medicine with multi omics strategies deep phenotyping and predictive analysis Progress in Molecular Biology and Translational Science angl 190 Academic Press s 101 125 doi 10 1016 bs pmbts 2022 02 002 Wang Bo Mezlini Aziz M Demir Feyyaz Fiume Marc Tu Zhuowen Brudno Michael Haibe Kains Benjamin Goldenberg Anna 2014 03 Similarity network fusion for aggregating data types on a genomic scale Nature Methods angl 11 3 s 333 337 ISSN 1548 7105 doi 10 1038 nmeth 2810 Procitovano 11 chervnya 2023 Alberts Bruce Johnson Alexander Lewis Julian Raff Martin Roberts Keith Walter Peter 31 grudnya 2007 Molecular Biology of the Cell doi 10 1201 9780203833445 Procitovano 11 chervnya 2023 International Human Genome Sequencing Consortium 2004 10 Finishing the euchromatic sequence of the human genome Nature angl 431 7011 s 931 945 ISSN 1476 4687 doi 10 1038 nature03001 Procitovano 11 chervnya 2023 Austin Tse Christina A Jobanputra Vaidehi Perry Denise L Bick David Taft Ryan J Venner Eric Gibbs Richard A Young Ted ta in 8 kvitnya 2022 Best practices for the interpretation and reporting of clinical whole genome sequencing npj Genomic Medicine angl 7 1 s 1 13 ISSN 2056 7944 doi 10 1038 s41525 022 00295 z Procitovano 11 chervnya 2023 rekomenduyetsya displayauthors dovidka Uelze Laura Grutzke Josephine Borowiak Maria Hammerl Jens Andre Juraschek Katharina Deneke Carlus Tausch Simon H Malorny Burkhard 2020 12 Typing methods based on whole genome sequencing data One Health Outlook angl 2 1 ISSN 2524 4655 PMC PMC7993478 PMID 33829127 doi 10 1186 s42522 020 0010 1 Procitovano 11 chervnya 2023 Uffelmann Emil Huang Qin Qin Munung Nchangwi Syntia de Vries Jantina Okada Yukinori Martin Alicia R Martin Hilary C Lappalainen Tuuli ta in 26 serpnya 2021 Genome wide association studies Nature Reviews Methods Primers angl 1 1 s 1 21 ISSN 2662 8449 doi 10 1038 s43586 021 00056 9 Procitovano 11 chervnya 2023 rekomenduyetsya displayauthors dovidka Setubal Joao Carlos Stoye Jens Stadler Peter F red 2018 Comparative genomics methods and protocols Methods in molecular biology New York NY Humana Press ISBN 978 1 4939 7461 0 Genereux Diane P Serres Aitor Armstrong Joel Johnson Jeremy Marinescu Voichita D Muren Eva Juan David Bejerano Gill ta in 2020 11 A comparative genomics multitool for scientific discovery and conservation Nature angl 587 7833 s 240 245 ISSN 1476 4687 doi 10 1038 s41586 020 2876 6 Procitovano 11 chervnya 2023 rekomenduyetsya displayauthors dovidka Gasperskaja Evelina Kucinskas Vaidutis 25 kvitnya 2017 The most common technologies and tools for functional genome analysis Acta medica Lituanica 24 1 s 1 11 ISSN 2029 4174 PMC PMC5467957 PMID 28630587 doi 10 6001 actamedica v24i1 3457 Procitovano 11 chervnya 2023 Nusrat S Harbig T Gehlenborg N 2019 06 Tasks Techniques and Tools for Genomic Data Visualization Computer Graphics Forum angl 38 3 s 781 805 ISSN 0167 7055 PMC PMC6876635 PMID 31768085 doi 10 1111 cgf 13727 Procitovano 11 chervnya 2023 Fazzari Melissa J Greally John M 2010 U Bang Heejung Zhou Xi Kathy van Epps Heather L ta in Introduction to Epigenomics and Epigenome Wide Analysis Statistical Methods in Molecular Biology angl Totowa NJ Humana Press s 243 265 ISBN 978 1 60761 580 4 doi 10 1007 978 1 60761 580 4 7 rekomenduyetsya displayeditors dovidka Appasani Krishnarao 2012 Epigenomics from chromatin biology to therapeutics Cambridge GB Cambridge University Press ISBN 978 1 107 00382 8 Hatada Izuh Horii Takuro red 2023 Epigenomics methods and protocols Methods in molecular biology New York NY Humana Press Springer ISBN 978 1 0716 2723 5 a b Yujing Li ta in 2023 Epigenomic and Epitranscriptomic Basis of Development and Human Disease angl Frontiers in Cell and Developmental Biology vidkritij dostup pdf epub ISBN 978 2 83251 817 5 Bannister Andrew J Kouzarides Tony 2011 03 Regulation of chromatin by histone modifications Cell Research angl 21 3 s 381 395 ISSN 1748 7838 PMC PMC3193420 PMID 21321607 doi 10 1038 cr 2011 22 Procitovano 11 chervnya 2023 Papanicolau Sengos Antonios Aldape Kenneth 24 sichnya 2022 DNA Methylation Profiling An Emerging Paradigm for Cancer Diagnosis Annual Review of Pathology Mechanisms of Disease angl 17 1 s 295 321 ISSN 1553 4006 doi 10 1146 annurev pathol 042220 022304 Procitovano 6 veresnya 2023 Androvic Peter Benesova Sarka Rohlova Eva Kubista Mikael Valihrach Lukas 2022 04 Small RNA Sequencing for Analysis of Circulating miRNAs The Journal of Molecular Diagnostics 24 4 s 386 394 ISSN 1525 1578 doi 10 1016 j jmoldx 2021 12 006 Procitovano 6 veresnya 2023 Li Jia Zhang Zhirong Zhuang Yinghua Wang Fengchao Cai Tao 9 travnya 2023 Small RNA transcriptome analysis using parallel single cell small RNA sequencing Scientific Reports angl 13 1 s 7501 ISSN 2045 2322 doi 10 1038 s41598 023 34390 7 Procitovano 6 veresnya 2023 Mattick John S Amaral Paulo P Carninci Piero Carpenter Susan Chang Howard Y Chen Ling Ling Chen Runsheng Dean Caroline ta in 2023 06 Long non coding RNAs definitions functions challenges and recommendations Nature Reviews Molecular Cell Biology angl 24 6 s 430 447 ISSN 1471 0080 PMC PMC10213152 PMID 36596869 doi 10 1038 s41580 022 00566 8 Procitovano 6 veresnya 2023 rekomenduyetsya displayauthors dovidka Wang Zhong Gerstein Mark Snyder Michael 2009 01 RNA Seq a revolutionary tool for transcriptomics Nature Reviews Genetics angl 10 1 s 57 63 ISSN 1471 0064 PMC PMC2949280 PMID 19015660 doi 10 1038 nrg2484 Procitovano 11 chervnya 2023 Stark Rory Grzelak Marta Hadfield James 2019 11 RNA sequencing the teenage years Nature Reviews Genetics angl 20 11 s 631 656 ISSN 1471 0064 doi 10 1038 s41576 019 0150 2 Procitovano 11 chervnya 2023 Kumar Suresh Mohapatra Trilochan 2021 Deciphering Epitranscriptome Modification of mRNA Bases Provides a New Perspective for Post transcriptional Regulation of Gene Expression Frontiers in Cell and Developmental Biology 9 ISSN 2296 634X PMC PMC8010680 PMID 33816473 doi 10 3389 fcell 2021 628415 Procitovano 11 chervnya 2023 Shen Lisha Ma Jinqi Li Ping Wu Yujin Yu Hao 7 bereznya 2023 Recent advances in the plant epitranscriptome Genome Biology angl 24 1 ISSN 1474 760X PMC PMC9990323 PMID 36882788 doi 10 1186 s13059 023 02872 6 Procitovano 10 veresnya 2023 Stefan Jurga Jan Barciszewski 2021 Epitranscriptomics RNA Technologies RNATECHN volume 12 angl Springer s 632 ISBN 978 3 030 71611 0 Matsumura Yoshihiro Wei Fan Yan Sakai Juro 2023 03 Epitranscriptomics in metabolic disease Nature Metabolism angl 5 3 s 370 384 ISSN 2522 5812 doi 10 1038 s42255 023 00764 4 Procitovano 11 chervnya 2023 Xia Zhen Tang Min Ma Jiayan Zhang Hongyan et al 28 chervnya 2021 Epitranscriptomic editing of the RNA N6 methyladenosine modification by dCasRx conjugated methyltransferase and demethylase Nucleic Acids Research 49 13 ISSN 0305 1048 doi 10 1093 nar gkab517 Procitovano 10 veresnya 2023 Liang Zhanmin Ye Haokai Ma Jiongming Wei Zhen Wang Yue Zhang Yuxin Huang Daiyun Song Bowen ta in 17 serpnya 2023 m6A Atlas v2 0 updated resources for unraveling the N6 methyladenosine m6A epitranscriptome among multiple species Nucleic Acids Research ISSN 0305 1048 doi 10 1093 nar gkad691 Procitovano 10 veresnya 2023 rekomenduyetsya displayauthors dovidka Trixl Lukas Lusser Alexandra 2019 01 The dynamic RNA modification 5 methylcytosine and its emerging role as an epitranscriptomic mark WIREs RNA angl 10 1 ISSN 1757 7004 PMC PMC6492194 PMID 30311405 doi 10 1002 wrna 1510 Procitovano 10 veresnya 2023 Ma Jiongming Song Bowen Wei Zhen Huang Daiyun Zhang Yuxin Su Jionglong de Magalhaes Joao Pedro Rigden Daniel J ta in 7 sichnya 2022 m5C Atlas a comprehensive database for decoding and annotating the 5 methylcytosine m5C epitranscriptome Nucleic Acids Research angl 50 D1 s D196 D203 ISSN 0305 1048 doi 10 1093 nar gkab1075 Procitovano 10 veresnya 2023 rekomenduyetsya displayauthors dovidka Zhang Yuexiu Zhang Li Sheng Dai Qing Chen Phylip Lu Mijia Kairis Elizabeth L Murugaiah Valarmathy Xu Jiayu ta in 18 zhovtnya 2022 5 methylcytosine m 5 C RNA modification controls the innate immune response to virus infection by regulating type I interferons Proceedings of the National Academy of Sciences angl 119 42 ISSN 0027 8424 PMC PMC9586267 doi 10 1073 pnas 2123338119 Procitovano 10 veresnya 2023 rekomenduyetsya displayauthors dovidka Dominissini Dan Moshitch Moshkovitz Sharon Schwartz Schraga Salmon Divon Mali Ungar Lior Osenberg Sivan Cesarkas Karen Jacob Hirsch Jasmine ta in 2012 05 Topology of the human and mouse m6A RNA methylomes revealed by m6A seq Nature angl 485 7397 s 201 206 ISSN 1476 4687 doi 10 1038 nature11112 Procitovano 10 veresnya 2023 rekomenduyetsya displayauthors dovidka McIntyre Alexa B R Gokhale Nandan S Cerchietti Leandro Jaffrey Samie R Horner Stacy M Mason Christopher E 20 kvitnya 2020 Limits in the detection of m6A changes using MeRIP m6A seq Scientific Reports angl 10 1 s 6590 ISSN 2045 2322 doi 10 1038 s41598 020 63355 3 Procitovano 10 veresnya 2023 Winans Shelby Beemon Karen 2019 08 m5C Goes Viral Cell Host amp Microbe 26 2 s 154 155 ISSN 1931 3128 doi 10 1016 j chom 2019 07 019 Procitovano 10 veresnya 2023 He Zhizhou Xu Jing Shi Haoran Wu Shuxiang 2022 04 m5CRegpred Epitranscriptome Target Prediction of 5 Methylcytosine m5C Regulators Based on Sequencing Features Genes angl 13 4 s 677 ISSN 2073 4425 PMC PMC9025882 PMID 35456483 doi 10 3390 genes13040677 Procitovano 10 veresnya 2023 Anderson N Leigh Anderson Norman G 1998 08 Proteome and proteomics New technologies new concepts and new words Electrophoresis angl 19 11 s 1853 1861 ISSN 0173 0835 doi 10 1002 elps 1150191103 Procitovano 11 chervnya 2023 a b Specht Harrison Slavov Nikolai 3 serpnya 2018 Transformative Opportunities for Single Cell Proteomics Journal of Proteome Research angl 17 8 s 2565 2571 ISSN 1535 3893 PMC PMC6089608 PMID 29945450 doi 10 1021 acs jproteome 8b00257 Procitovano 11 chervnya 2023 Cui Miao Cheng Chao Zhang Lanjing 2022 11 High throughput proteomics a methodological mini review Laboratory Investigation angl 102 11 s 1170 1181 ISSN 1530 0307 doi 10 1038 s41374 022 00830 7 Procitovano 11 chervnya 2023 Dupree Emmalyn J Jayathirtha Madhuri Yorkey Hannah Mihasan Marius Petre Brindusa Alina Darie Costel C 2020 09 A Critical Review of Bottom Up Proteomics The Good the Bad and the Future of This Field Proteomes angl 8 3 s 14 ISSN 2227 7382 PMC PMC7564415 PMID 32640657 doi 10 3390 proteomes8030014 Procitovano 11 chervnya 2023 a b Rosenberger Florian A Thielert Marvin Mann Matthias 2023 03 Making single cell proteomics biologically relevant Nature Methods angl 20 3 s 320 323 ISSN 1548 7105 doi 10 1038 s41592 023 01771 9 Procitovano 11 chervnya 2023 Gstaiger Matthias Aebersold Ruedi 2009 09 Applying mass spectrometry based proteomics to genetics genomics and network biology Nature Reviews Genetics angl 10 9 s 617 627 ISSN 1471 0064 doi 10 1038 nrg2633 Procitovano 11 chervnya 2023 a b Aebersold Ruedi Mann Matthias 2016 09 Mass spectrometric exploration of proteome structure and function Nature angl 537 7620 s 347 355 ISSN 1476 4687 doi 10 1038 nature19949 Procitovano 11 chervnya 2023 Kustatscher Georg Collins Tom Gingras Anne Claude Guo Tiannan Hermjakob Henning Ideker Trey Lilley Kathryn S Lundberg Emma ta in 2022 07 Understudied proteins opportunities and challenges for functional proteomics Nature Methods angl 19 7 s 774 779 ISSN 1548 7105 doi 10 1038 s41592 022 01454 x Procitovano 6 veresnya 2023 rekomenduyetsya displayauthors dovidka Van den Broeck Lisa Bhosale Dinesh Kiran Song Kuncheng Fonseca de Lima Cassio Flavio Ashley Michael Zhu Tingting Zhu Shanshuo Van De Cotte Brigitte ta in 3 serpnya 2023 Functional annotation of proteins for signaling network inference in non model species Nature Communications angl 14 1 ISSN 2041 1723 doi 10 1038 s41467 023 40365 z Procitovano 10 veresnya 2023 rekomenduyetsya displayauthors dovidka Wenk Markus R 2005 07 The emerging field of lipidomics Nature Reviews Drug Discovery angl 4 7 s 594 610 ISSN 1474 1784 doi 10 1038 nrd1776 Procitovano 11 chervnya 2023 a b Wu Zhuojun Bagarolo Giulia Ilaria Thoroe Boveleth Sven Jankowski Joachim 1 sichnya 2020 Lipidomics Mass spectrometric and chemometric analyses of lipids Advanced Drug Delivery Reviews angl 159 s 294 307 ISSN 0169 409X doi 10 1016 j addr 2020 06 009 Procitovano 11 chervnya 2023 Han Xianlin Gross Richard W 2022 02 The foundations and development of lipidomics Journal of Lipid Research 63 2 s 100164 ISSN 0022 2275 PMC PMC8953652 PMID 34953866 doi 10 1016 j jlr 2021 100164 Procitovano 11 chervnya 2023 Kyle Jennifer E Stratton Kelly G Zink Erika M Kim Young Mo Bloodsworth Kent J Monroe Matthew E Waters Katrina M Webb Robertson Bobbie Jo M ta in 21 kvitnya 2021 A resource of lipidomics and metabolomics data from individuals with undiagnosed diseases Scientific Data angl 8 1 s 114 ISSN 2052 4463 doi 10 1038 s41597 021 00894 y Procitovano 11 chervnya 2023 rekomenduyetsya displayauthors dovidka Raman Rahul Raguram S Venkataraman Ganesh Paulson James C Sasisekharan Ram 2005 11 Glycomics an integrated systems approach to structure function relationships of glycans Nature Methods angl 2 11 s 817 824 ISSN 1548 7105 doi 10 1038 nmeth807 Procitovano 11 chervnya 2023 Miyoshi Eiji Kamada Yoshihiro Suzuki Tadashi 2020 02 Functional glycomics Application to medical science and hepatology Hepatology Research angl 50 2 s 153 164 ISSN 1386 6346 doi 10 1111 hepr 13459 Procitovano 11 chervnya 2023 a b Park Heajin Jung Jaesoo Rodrigues Emily Kitova Elena N Macauley Matthew S Klassen John S 20 zhovtnya 2020 Mass Spectrometry Based Shotgun Glycomics for Discovery of Natural Ligands of Glycan Binding Proteins Analytical Chemistry angl 92 20 s 14012 14020 ISSN 0003 2700 doi 10 1021 acs analchem 0c02931 Procitovano 11 chervnya 2023 a b de Haan N Wuhrer M Ruhaak L R 1 listopada 2020 Mass spectrometry in clinical glycomics The path from biomarker identification to clinical implementation Clinical Mass Spectrometry angl 18 s 1 12 ISSN 2376 9998 PMC PMC8600986 PMID 34820521 doi 10 1016 j clinms 2020 08 001 Procitovano 11 chervnya 2023 Wishart David S 2016 07 Emerging applications of metabolomics in drug discovery and precision medicine Nature Reviews Drug Discovery angl 15 7 s 473 484 ISSN 1474 1784 doi 10 1038 nrd 2016 32 Procitovano 11 chervnya 2023 a b Alseekh Saleh Aharoni Asaph Brotman Yariv Contrepois Kevin D Auria John Ewald Jan C Ewald Jennifer Fraser Paul D ta in 2021 07 Mass spectrometry based metabolomics a guide for annotation quantification and best reporting practices Nature Methods angl 18 7 s 747 756 ISSN 1548 7105 doi 10 1038 s41592 021 01197 1 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Rivas Javier De Las Fontanillo Celia 24 cherv 2010 r Protein Protein Interactions Essentials Key Concepts to Building and Analyzing Interactome Networks PLOS Computational Biology angl 6 6 s e1000807 ISSN 1553 7358 PMC PMC2891586 PMID 20589078 doi 10 1371 journal pcbi 1000807 Procitovano 11 chervnya 2023 Sharifi Tabar Mehdi Parsania Chirag Chen Hong Su Xiao Dong Bailey Charles G Rasko John E J 22 serpnya 2022 Illuminating the dark protein protein interactome Cell Reports Methods angl 2 8 s 100275 ISSN 2667 2375 PMC PMC9421580 PMID 36046620 doi 10 1016 j crmeth 2022 100275 Procitovano 11 chervnya 2023 Choi Soon Gang Richardson Aaron Lambourne Luke Hill David E Vidal Marc 2018 U Onate Sanchez Luis Protein Interactomics by Two Hybrid Methods Two Hybrid Systems Methods and Protocols angl New York NY Springer s 1 14 ISBN 978 1 4939 7871 7 PMC PMC6948107 PMID 29855947 doi 10 1007 978 1 4939 7871 7 1 Hicks Kevin G Cluntun Ahmad A Schubert Heidi L Hackett Sean R Berg Jordan A Leonard Paul G Ajalla Aleixo Mariana A Zhou Youjia ta in 10 bereznya 2023 Protein metabolite interactomics of carbohydrate metabolism reveal regulation of lactate dehydrogenase Science angl 379 6636 s 996 1003 ISSN 0036 8075 doi 10 1126 science abm3452 Procitovano 11 chervnya 2023 rekomenduyetsya displayauthors dovidka Burton Antony J Haugbro Michael Gates Leah A Bagert John D Allis C David Muir Tom W 2020 06 In situ chromatin interactomics using a chemical bait and trap approach Nature Chemistry angl 12 6 s 520 527 ISSN 1755 4349 doi 10 1038 s41557 020 0474 8 Procitovano 11 chervnya 2023 Plotnikova Olga Baranova Ancha Skoblov Mikhail 2019 Comprehensive Analysis of Human microRNA mRNA Interactome Frontiers in Genetics 10 ISSN 1664 8021 PMC PMC6792129 PMID 31649721 doi 10 3389 fgene 2019 00933 Procitovano 14 chervnya 2023 James Katherine Munoz Munoz Jose 26 kvitnya 2022 Computational Network Inference for Bacterial Interactomics U Gilbert Jack A mSystems angl 7 2 ISSN 2379 5077 PMC PMC9040873 PMID 35353009 doi 10 1128 msystems 01456 21 Procitovano 11 chervnya 2023 Vidal Marc Cusick Michael E Barabasi Albert Laszlo 2011 03 Interactome Networks and Human Disease Cell 144 6 s 986 998 ISSN 0092 8674 PMC PMC3102045 PMID 21414488 doi 10 1016 j cell 2011 02 016 Procitovano 11 chervnya 2023 Santorelli Lucia Caterino Marianna Costanzo Michele 2022 12 Dynamic Interactomics by Cross Linking Mass Spectrometry Mapping the Daily Cell Life in Postgenomic Era OMICS A Journal of Integrative Biology 26 12 s 633 649 doi 10 1089 omi 2022 0137 Procitovano 11 chervnya 2023 Nkera Gutabara C K Kerr R Scholefield J Hazelhurst S Naidoo J 2022 Microbiomics The Next Pillar of Precision Medicine and Its Role in African Healthcare Frontiers in Genetics 13 ISSN 1664 8021 PMC PMC9037082 PMID 35480328 doi 10 3389 fgene 2022 869610 Procitovano 11 chervnya 2023 Vecherskii M V Semenov M V Lisenkova A A Stepankov A A 1 grudnya 2021 Metagenomics A New Direction in Ecology Biology Bulletin angl 48 3 s S107 S117 ISSN 1608 3059 doi 10 1134 S1062359022010150 Procitovano 11 chervnya 2023 Breitwieser Florian P Lu Jennifer Salzberg Steven L 19 lipnya 2019 A review of methods and databases for metagenomic classification and assembly Briefings in Bioinformatics angl 20 4 s 1125 1136 ISSN 1467 5463 PMC PMC6781581 PMID 29028872 doi 10 1093 bib bbx120 Procitovano 11 chervnya 2023 Handelsman Jo 2004 12 Metagenomics Application of Genomics to Uncultured Microorganisms Microbiology and Molecular Biology Reviews angl 68 4 s 669 685 ISSN 1092 2172 PMC PMC539003 PMID 15590779 doi 10 1128 MMBR 68 4 669 685 2004 Procitovano 11 chervnya 2023 Chiu Charles Y Miller Steven A 2019 06 Clinical metagenomics Nature Reviews Genetics angl 20 6 s 341 355 ISSN 1471 0064 PMC PMC6858796 PMID 30918369 doi 10 1038 s41576 019 0113 7 Procitovano 11 chervnya 2023 Shakya Migun Lo Chien Chi Chain Patrick S G 25 veresnya 2019 Advances and Challenges in Metatranscriptomic Analysis Frontiers in Genetics 10 ISSN 1664 8021 PMC PMC6774269 PMID 31608125 doi 10 3389 fgene 2019 00904 Procitovano 12 chervnya 2023 Terron Camero Laura C Gordillo Gonzalez Fernando Salas Espejo Eduardo Andres Leon Eduardo 2022 12 Comparison of Metagenomics and Metatranscriptomics Tools A Guide to Making the Right Choice Genes angl 13 12 s 2280 ISSN 2073 4425 PMC PMC9777648 PMID 36553546 doi 10 3390 genes13122280 Procitovano 12 chervnya 2023 Van Den Bossche Tim Arntzen Magnus O Becher Dorte Benndorf Dirk Eijsink Vincent G H Henry Celine Jagtap Pratik D Jehmlich Nico ta in 2021 12 The Metaproteomics Initiative a coordinated approach for propelling the functional characterization of microbiomes Microbiome angl 9 1 ISSN 2049 2618 PMC PMC8690404 PMID 34930457 doi 10 1186 s40168 021 01176 w Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Stamboulian Moses Canderan Jamie Ye Yuzhen 18 ber 2022 r Metaproteomics as a tool for studying the protein landscape of human gut bacterial species PLOS Computational Biology angl 18 3 s e1009397 ISSN 1553 7358 PMC PMC8967034 PMID 35302987 doi 10 1371 journal pcbi 1009397 Procitovano 12 chervnya 2023 Henry Celine Bassignani Ariane Berland Magali Langella Olivier Sokol Harry Juste Catherine 2022 01 Modern Metaproteomics A Unique Tool to Characterize the Active Microbiome in Health and Diseases and Pave the Road towards New Biomarkers Example of Crohn s Disease and Ulcerative Colitis Flare Ups Cells angl 11 8 s 1340 ISSN 2073 4409 PMC PMC9028112 PMID 35456018 doi 10 3390 cells11081340 Procitovano 12 chervnya 2023 Wang Xinkun 6 lipnya 2023 Next Generation Sequencing Data Analysis vid 2 New York CRC Press ISBN 978 0 429 32918 0 doi 10 1201 9780429329180 Mardis Elaine R 1 veresnya 2008 Next Generation DNA Sequencing Methods Annual Review of Genomics and Human Genetics angl 9 1 s 387 402 ISSN 1527 8204 doi 10 1146 annurev genom 9 081307 164359 Procitovano 12 chervnya 2023 Shendure Jay Ji Hanlee 2008 10 Next generation DNA sequencing Nature Biotechnology angl 26 10 s 1135 1145 ISSN 1546 1696 doi 10 1038 nbt1486 Procitovano 12 chervnya 2023 Next Generation Sequencing NGS Explore the technology www illumina com angl Procitovano 12 chervnya 2023 An Overview of Next Generation Sequencing Genomics Research from Technology Networks angl Procitovano 12 chervnya 2023 Cheng Chu Fei Zhongjie Xiao Pengfeng 2023 Methods to improve the accuracy of next generation sequencing Frontiers in Bioengineering and Biotechnology 11 ISSN 2296 4185 PMC PMC9895957 PMID 36741756 doi 10 3389 fbioe 2023 982111 Procitovano 12 chervnya 2023 Pervez Muhammad Tariq Hasnain Mirza Jawad ul Abbas Syed Hassan Moustafa Mahmoud F Aslam Naeem Shah Syed Shah Muhammad 29 veresnya 2022 A Comprehensive Review of Performance of Next Generation Sequencing Platforms BioMed Research International angl 2022 s e3457806 ISSN 2314 6133 PMC PMC9537002 PMID 36212714 doi 10 1155 2022 3457806 Procitovano 12 chervnya 2023 Schena Mark Shalon Dari Davis Ronald W Brown Patrick O 20 zhovtnya 1995 Quantitative Monitoring of Gene Expression Patterns with a Complementary DNA Microarray Science angl 270 5235 s 467 470 ISSN 0036 8075 doi 10 1126 science 270 5235 467 Procitovano 12 chervnya 2023 Lehrach Hans 9 serpnya 2013 Faculty Opinions recommendation of RNA Seq a revolutionary tool for transcriptomics Faculty Opinions Post Publication Peer Review of the Biomedical Literature doi 10 3410 f 1128830 793481779 Procitovano 12 chervnya 2023 Bersanelli Matteo Mosca Ettore Remondini Daniel Giampieri Enrico Sala Claudia Castellani Gastone Milanesi Luciano 20 sichnya 2016 Methods for the integration of multi omics data mathematical aspects BMC Bioinformatics 17 2 s S15 ISSN 1471 2105 PMC PMC4959355 PMID 26821531 doi 10 1186 s12859 015 0857 9 Procitovano 12 chervnya 2023 Vasaikar Suhas V Savage Adam K Gong Qiuyu Swanson Elliott Talla Aarthi Lord Cara Heubeck Alexander T Reading Julian ta in 27 bereznya 2023 A comprehensive platform for analyzing longitudinal multi omics data Nature Communications angl 14 1 s 1684 ISSN 2041 1723 doi 10 1038 s41467 023 37432 w Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Zhou Guangyan Pang Zhiqiang Lu Yao Ewald Jessica Xia Jianguo 5 lipnya 2022 OmicsNet 2 0 a web based platform for multi omics integration and network visual analytics Nucleic Acids Research angl 50 W1 s W527 W533 ISSN 0305 1048 PMC PMC9252810 PMID 35639733 doi 10 1093 nar gkac376 Procitovano 12 chervnya 2023 Conesa Ana Beck Stephan 31 zhovtnya 2019 Making multi omics data accessible to researchers Scientific Data angl 6 1 s 251 ISSN 2052 4463 doi 10 1038 s41597 019 0258 4 Procitovano 12 chervnya 2023 Arjmand Babak Hamidpour Shayesteh Kokabi Tayanloo Beik Akram Goodarzi Parisa Aghayan Hamid Reza Adibi Hossein Larijani Bagher 2022 Machine Learning A New Prospect in Multi Omics Data Analysis of Cancer Frontiers in Genetics 13 ISSN 1664 8021 PMC PMC8829119 PMID 35154283 doi 10 3389 fgene 2022 824451 Procitovano 12 chervnya 2023 Garmire Lana X Chaudhary Kumardeep Huang Sijia 2017 More Is Better Recent Progress in Multi Omics Data Integration Methods Frontiers in Genetics English 8 84 ISSN 1664 8021 PMC 5472696 PMID 28670325 doi 10 3389 fgene 2017 00084 Tagkopoulos Ilias Kim Minseung 2018 Data integration and predictive modeling methods for multi omics datasets Molecular Omics 14 1 8 25 PMID 29725673 doi 10 1039 C7MO00051K Lin Eugene Lane Hsien Yuan 20 sichnya 2017 Machine learning and systems genomics approaches for multi omics data Biomarker Research 5 1 2 ISSN 2050 7771 PMC 5251341 PMID 28127429 doi 10 1186 s40364 017 0082 y a b Rohart Florian Gautier Benoit Singh Amrit Le Cao Kim Anh 14 lyutogo 2017 mixOmics an R package for omics feature selection and multiple data integration PLOS Computational Biology 13 11 PMC 5687754 PMID 29099853 doi 10 1371 journal pcbi 1005752 Han Jing Dong Jackie 5 veresnya 2018 Faculty of 1000 evaluation for Single Cell Multiomics Multiple Measurements from Single Cells Trends in Genetics 33 2 doi 10 3410 f 727213649 793550351 Hu Youjin An Qin Sheu Katherine Trejo Brandon Fan Shuxin Guo Ying 20 kvitnya 2018 Single Cell Multi Omics Technology Methodology and Application Frontiers in Cell and Developmental Biology 6 28 ISSN 2296 634X PMC 5919954 PMID 29732369 doi 10 3389 fcell 2018 00028 A focus on single cell omics Nature Reviews Genetics angl 24 8 2023 08 s 485 485 ISSN 1471 0064 doi 10 1038 s41576 023 00628 3 Procitovano 6 serpnya 2023 Vandereyken Katy Sifrim Alejandro Thienpont Bernard Voet Thierry 2 bereznya 2023 Methods and applications for single cell and spatial multi omics Nature Reviews Genetics angl s 1 22 ISSN 1471 0064 doi 10 1038 s41576 023 00580 2 Procitovano 11 chervnya 2023 Kester Lennart Spanjaard Bastiaan Bienko Magda van Oudenaarden Alexander Dey Siddharth S 2015 Integrated genome and transcriptome sequencing of the same cell Nature Biotechnology 33 3 285 289 OCLC 931063996 PMC 4374170 PMID 25599178 doi 10 1038 nbt 3129 Macaulay Iain C Teng Mabel J Haerty Wilfried Kumar Parveen Ponting Chris P Voet Thierry 29 veresnya 2016 Separation and parallel sequencing of the genomes and transcriptomes of single cells using G amp T seq Nature Protocols 11 11 2081 2103 ISSN 1754 2189 PMID 27685099 doi 10 1038 nprot 2016 138 Tang Fuchou Wen Lu Li Xianlong Wu Xinglong Zhu Ping Guo Hongshan 1 grudnya 2013 Single cell methylome landscapes of mouse embryonic stem cells and early embryos analyzed using reduced representation bisulfite sequencing Genome Research 23 12 2126 2135 ISSN 1088 9051 PMC 3847781 PMID 24179143 doi 10 1101 gr 161679 113 Kelsey Gavin Reik Wolf Stegle Oliver Andrews Simon R Julian Peat Saadeh Heba Krueger Felix Angermueller Christof ta in August 2014 Single cell genome wide bisulfite sequencing for assessing epigenetic heterogeneity Nature Methods 11 8 817 820 ISSN 1548 7105 PMC 4117646 PMID 25042786 doi 10 1038 nmeth 3035 rekomenduyetsya displayauthors dovidka Angermueller Christof Clark Stephen J Lee Heather J Macaulay Iain C Teng Mabel J Hu Tim Xiaoming Krueger Felix Smallwood Sebastien A ta in 11 sichnya 2016 Parallel single cell sequencing links transcriptional and epigenetic heterogeneity Nature Methods 13 3 229 232 ISSN 1548 7091 PMC 4770512 PMID 26752769 doi 10 1038 nmeth 3728 rekomenduyetsya displayauthors dovidka Greenleaf William J Chang Howard Y Snyder Michael P Michael L Gonzales Ruff Dave Litzenburger Ulrike M Wu Beijing Buenrostro Jason D July 2015 Single cell chromatin accessibility reveals principles of regulatory variation Nature 523 7561 486 490 Bibcode 2015Natur 523 486B ISSN 1476 4687 PMC 4685948 PMID 26083756 doi 10 1038 nature14590 Fraser Peter Tanay Amos Laue Ernest D Dean Wendy Yaffe Eitan Schoenfelder Stefan Stevens Tim J Lubling Yaniv ta in October 2013 Single cell Hi C reveals cell to cell variability in chromosome structure Nature 502 7469 59 64 Bibcode 2013Natur 502 59N ISSN 1476 4687 PMC 3869051 PMID 24067610 doi 10 1038 nature12593 rekomenduyetsya displayauthors dovidka a b Darmanis Spyros Gallant Caroline Julie Marinescu Voichita Dana Niklasson Mia Segerman Anna Flamourakis Georgios Fredriksson Simon Assarsson Erika ta in 12 sichnya 2016 Simultaneous Multiplexed Measurement of RNA and Proteins in Single Cells Cell Reports 14 2 380 389 ISSN 2211 1247 PMC 4713867 PMID 26748716 doi 10 1016 j celrep 2015 12 021 rekomenduyetsya displayauthors dovidka a b Gherardini Pier Federico Nolan Garry P Chen Shih Yu Hsieh Elena W Y Zunder Eli R Bava Felice Alessio Frei Andreas P March 2016 Highly multiplexed simultaneous detection of RNAs and proteins in single cells Nature Methods 13 3 269 275 ISSN 1548 7105 PMC 4767631 PMID 26808670 doi 10 1038 nmeth 3742 Assarsson Erika Lundberg Martin Holmquist Goran Bjorkesten Johan Bucht Thorsen Stine Ekman Daniel Eriksson Anna Rennel Dickens Emma ta in 22 kvitnya 2014 Homogenous 96 Plex PEA Immunoassay Exhibiting High Sensitivity Specificity and Excellent Scalability PLOS ONE 9 4 e95192 Bibcode 2014PLoSO 995192A ISSN 1932 6203 PMC 3995906 PMID 24755770 doi 10 1371 journal pone 0095192 rekomenduyetsya displayauthors dovidka Razzaq Muhammad Khuram Aleem Muqadas Mansoor Shahid Khan Mueen Alam Rauf Saeed Iqbal Shahid Siddique Kadambot H M 2021 01 Omics and CRISPR Cas9 Approaches for Molecular Insight Functional Gene Analysis and Stress Tolerance Development in Crops International Journal of Molecular Sciences angl 22 3 s 1292 ISSN 1422 0067 PMC PMC7866018 PMID 33525517 doi 10 3390 ijms22031292 Procitovano 12 chervnya 2023 Hilton Isaac B D Ippolito Anthony M Vockley Christopher M Thakore Pratiksha I Crawford Gregory E Reddy Timothy E Gersbach Charles A 2015 05 Epigenome editing by a CRISPR Cas9 based acetyltransferase activates genes from promoters and enhancers Nature Biotechnology angl 33 5 s 510 517 ISSN 1546 1696 PMC PMC4430400 PMID 25849900 doi 10 1038 nbt 3199 Procitovano 12 chervnya 2023 Shin Hosub Choi Woo Lee Lim Joo Young Huh Jin Hoe 1 bereznya 2022 Epigenome editing targeted manipulation of epigenetic modifications in plants Genes amp Genomics angl 44 3 s 307 315 ISSN 2092 9293 doi 10 1007 s13258 021 01199 5 Procitovano 12 chervnya 2023 a b v g Athieniti Efi Spyrou George M 1 sichnya 2023 A guide to multi omics data collection and integration for translational medicine Computational and Structural Biotechnology Journal angl 21 s 134 149 ISSN 2001 0370 PMC PMC9747357 PMID 36544480 doi 10 1016 j csbj 2022 11 050 Procitovano 12 chervnya 2023 Cao Zhi Jie Gao Ge 2022 10 Multi omics single cell data integration and regulatory inference with graph linked embedding Nature Biotechnology angl 40 10 s 1458 1466 ISSN 1546 1696 doi 10 1038 s41587 022 01284 4 Procitovano 12 chervnya 2023 a b Vahabi Nasim Michailidis George 2022 Unsupervised Multi Omics Data Integration Methods A Comprehensive Review Frontiers in Genetics 13 ISSN 1664 8021 PMC PMC8981526 PMID 35391796 doi 10 3389 fgene 2022 854752 Procitovano 12 chervnya 2023 a b Flores Javier E Claborne Daniel M Weller Zachary D Webb Robertson Bobbie Jo M Waters Katrina M Bramer Lisa M 2023 Missing data in multi omics integration Recent advances through artificial intelligence Frontiers in Artificial Intelligence 6 ISSN 2624 8212 PMC PMC9949722 PMID 36844425 doi 10 3389 frai 2023 1098308 Procitovano 12 chervnya 2023 Lazar C Meganck S Taminau J Steenhoff D Coletta A Molter C Weiss Solis D Y Duque R ta in 1 lipnya 2013 Batch effect removal methods for microarray gene expression data integration a survey Briefings in Bioinformatics angl 14 4 s 469 490 ISSN 1467 5463 doi 10 1093 bib bbs037 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Hutchison William J Keyes Timothy J Crowell Helena L Soneson Charlotte Mu Wancen Park Ji Eun Davis Eric S Nahid Abdullah A ta in 13 veresnya 2023 The tidyomics ecosystem Enhancing omic data analyses angl doi 10 1101 2023 09 10 557072 Procitovano 15 veresnya 2023 rekomenduyetsya displayauthors dovidka Donati Stefano Mattanovich Matthias Hjort Pernille Jacobsen Simo Abdessamad Baallal Blomquist Sarah Dina Mangaard Drude Gurdo Nicolas Pastor Felix Pacheco ta in 19 travnya 2023 An automated workflow for multi omics screening of microbial model organisms npj Systems Biology and Applications angl 9 1 s 1 12 ISSN 2056 7189 doi 10 1038 s41540 023 00277 6 Procitovano 15 veresnya 2023 rekomenduyetsya displayauthors dovidka Velten Britta Stegle Oliver 14 veresnya 2023 Principles and challenges of modeling temporal and spatial omics data Nature Methods angl s 1 13 ISSN 1548 7105 doi 10 1038 s41592 023 01992 y Procitovano 15 veresnya 2023 Hasin Yehudit Seldin Marcus Lusis Aldons 5 travnya 2017 Multi omics approaches to disease Genome Biology 18 1 s 83 ISSN 1474 760X PMC PMC5418815 PMID 28476144 doi 10 1186 s13059 017 1215 1 Procitovano 12 chervnya 2023 Khan Mohd M Ernst Orna Manes Nathan P Oyler Benjamin L Fraser Iain D C Goodlett David R Nita Lazar Aleksandra 11 bereznya 2019 Multi Omics Strategies Uncover Host Pathogen Interactions ACS Infectious Diseases 5 4 493 505 ISSN 2373 8227 PMID 30857388 doi 10 1021 acsinfecdis 9b00080 Aderem Alan Adkins Joshua N Ansong Charles Galagan James Kaiser Shari Korth Marcus J Law G Lynn McDermott Jason G ta in 1 lyutogo 2011 A Systems Biology Approach to Infectious Disease Research Innovating the Pathogen Host Research Paradigm mBio 2 1 e00325 10 ISSN 2150 7511 PMC 3034460 PMID 21285433 doi 10 1128 mbio 00325 10 rekomenduyetsya displayauthors dovidka Mouchtouris N Smit RD Piper K Prashant G Evans JJ Karsy M 4 bereznya 2022 A review of multiomics platforms in pituitary adenoma pathogenesis Frontiers in Bioscience Landmark Edition 27 3 77 PMID 35345309 doi 10 31083 j fbl2703077 Yan Jingwen Risacher Shannon L Shen Li Saykin Andrew J 30 chervnya 2017 Network approaches to systems biology analysis of complex disease integrative methods for multi omics data Briefings in Bioinformatics 19 6 1370 1381 ISSN 1467 5463 PMC 6454489 PMID 28679163 doi 10 1093 bib bbx066 Yoon Jong Villa Chiara red 13 grudnya 2021 Multi Omics for the Understanding of Brain Diseases English MDPI Multidisciplinary Digital Publishing Institute ISBN 978 3 0365 2602 7 doi 10 3390 books978 3 0365 2603 4 a b Mavromatis Lucas A Rosoff Daniel B Bell Andrew S Jung Jeesun Wagner Josephin Lohoff Falk W 19 kvitnya 2023 Multi omic underpinnings of epigenetic aging and human longevity Nature Communications angl 14 1 s 2236 ISSN 2041 1723 PMC PMC10115892 PMID 37076473 doi 10 1038 s41467 023 37729 w Procitovano 12 chervnya 2023 Zhong Yating Peng Yuzhong Lin Yanmei Chen Dingjia Zhang Hao Zheng Wen Chen Yuanyuan Wu Changliang 5 travnya 2023 MODILM towards better complex diseases classification using a novel multi omics data integration learning model BMC Medical Informatics and Decision Making angl 23 1 ISSN 1472 6947 PMC PMC10161645 PMID 37147619 doi 10 1186 s12911 023 02173 9 Procitovano 12 chervnya 2023 Dar Mashooq Ahmad Arafah Azher Bhat Kaisar Ahmad Khan Andleeb Khan Mosin Saleem Ali Aarif Ahmad Syed Mudasir Rashid Shahzada Mudasir ta in 13 kvitnya 2023 Multiomics technologies role in disease biomarker discoveries and therapeutics Briefings in Functional Genomics angl 22 2 s 76 96 ISSN 2041 2649 doi 10 1093 bfgp elac017 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Babu Mohan Snyder Michael 2023 06 Multi Omics Profiling for Health Molecular amp Cellular Proteomics 22 6 s 100561 ISSN 1535 9476 PMC PMC10220275 PMID 37119971 doi 10 1016 j mcpro 2023 100561 Procitovano 12 chervnya 2023 Paananen Jussi Fortino Vittorio 1 grudnya 2020 An omics perspective on drug target discovery platforms Briefings in Bioinformatics angl 21 6 s 1937 1953 ISSN 1467 5463 PMC PMC7711264 PMID 31774113 doi 10 1093 bib bbz122 Procitovano 12 chervnya 2023 Guo Shicheng Zhang Dake Wang Hu An Qin Yu Guangchuang Han Junwei Jiang Chunjie Huang Jianfeng 21 lyutogo 2023 Editorial Computational and systematic analysis of multi omics data for drug discovery and development Frontiers in Medicine 10 ISSN 2296 858X PMC PMC9989304 PMID 36895719 doi 10 3389 fmed 2023 1146896 Procitovano 12 chervnya 2023 Liu Xiao Ying Mei Xin Yue 2023 Prediction of drug sensitivity based on multi omics data using deep learning and similarity network fusion approaches Frontiers in Bioengineering and Biotechnology 11 ISSN 2296 4185 PMC PMC10150883 PMID 37139048 doi 10 3389 fbioe 2023 1156372 Procitovano 12 chervnya 2023 Wang Conghao Lye Xintong Kaalia Rama Kumar Parvin Rajapakse Jagath C 28 listopada 2022 Deep learning and multi omics approach to predict drug responses in cancer BMC Bioinformatics angl 22 S10 ISSN 1471 2105 PMC PMC9703655 PMID 36443676 doi 10 1186 s12859 022 04964 9 Procitovano 12 chervnya 2023 Proctor Lita M Creasy Heather H Fettweis Jennifer M Lloyd Price Jason Mahurkar Anup Zhou Wenyu Buck Gregory A Snyder Michael P ta in May 2019 The Integrative Human Microbiome Project Nature 569 7758 641 648 Bibcode 2019Natur 569 641I ISSN 1476 4687 PMC 6784865 PMID 31142853 doi 10 1038 s41586 019 1238 8 rekomenduyetsya displayauthors dovidka After the Integrative Human Microbiome Project what s next for the microbiome community Nature 569 7758 599 29 travnya 2019 Bibcode 2019Natur 569Q 599 PMID 31142868 doi 10 1038 d41586 019 01674 w Snyder Michael Weinstock George M Sodergren Erica McLaughlin Tracey Tse David Rost Hannes Piening Brian Kukurba Kim ta in May 2019 Longitudinal multi omics of host microbe dynamics in prediabetes Nature 569 7758 663 671 Bibcode 2019Natur 569 663Z ISSN 1476 4687 PMC 6666404 PMID 31142858 doi 10 1038 s41586 019 1236 x rekomenduyetsya displayauthors dovidka Huttenhower Curtis Xavier Ramnik J Vlamakis Hera Franzosa Eric A Clish Clary B Winter Harland S Stappenbeck Thaddeus S Petrosino Joseph F ta in May 2019 Multi omics of the gut microbial ecosystem in inflammatory bowel diseases Nature 569 7758 655 662 Bibcode 2019Natur 569 655L ISSN 1476 4687 PMC 6650278 PMID 31142855 doi 10 1038 s41586 019 1237 9 rekomenduyetsya displayauthors dovidka Buck Gregory A Strauss Jerome F Jefferson Kimberly K Hendricks Munoz Karen D Wijesooriya N Romesh Rubens Craig E Gravett Michael G Sexton Amber L ta in June 2019 The vaginal microbiome and preterm birth Nature Medicine 25 6 1012 1021 ISSN 1546 170X PMC 6750801 PMID 31142849 doi 10 1038 s41591 019 0450 2 rekomenduyetsya displayauthors dovidka Chu Xiaojing Zhang Bowen Koeken Valerie A C M Gupta Manoj Kumar Li Yang 2021 Multi Omics Approaches in Immunological Research Frontiers in Immunology 12 ISSN 1664 3224 PMC PMC8226116 PMID 34177908 doi 10 3389 fimmu 2021 668045 Procitovano 12 chervnya 2023 Bonaguro Lorenzo Schulte Schrepping Jonas Ulas Thomas Aschenbrenner Anna C Beyer Marc Schultze Joachim L 2022 10 A guide to systems level immunomics Nature Immunology angl 23 10 s 1412 1423 ISSN 1529 2916 doi 10 1038 s41590 022 01309 9 Procitovano 12 chervnya 2023 Ota Mineto Fujio Keishi 2021 12 Multi omics approach to precision medicine for immune mediated diseases Inflammation and Regeneration angl 41 1 ISSN 1880 8190 PMC PMC8325815 PMID 34332645 doi 10 1186 s41232 021 00173 8 Procitovano 12 chervnya 2023 Kidd Brian A Peters Lauren A Schadt Eric E Dudley Joel T 21 sichnya 2014 Unifying immunology with informatics and multiscale biology Nature Immunology 15 2 118 127 ISSN 1529 2908 PMC 4345400 PMID 24448569 doi 10 1038 ni 2787 Harris Eva Kasarskis Andrew Wolinsky Steven M Suarez Farinas Mayte Zhu Jun Wang Li Balmaseda Angel Thomas Guajira P ta in 1 serpnya 2018 Comprehensive innate immune profiling of chikungunya virus infection in pediatric cases Molecular Systems Biology 14 8 e7862 ISSN 1744 4292 PMC 6110311 PMID 30150281 doi 10 15252 msb 20177862 rekomenduyetsya displayauthors dovidka Firestein Gary S Wang Wei Gay Steffen Ball Scott T Bartok Beatrix Boyle David L Whitaker John W 22 kvitnya 2015 Integrative Omics Analysis of Rheumatoid Arthritis Identifies Non Obvious Therapeutic Targets PLOS ONE 10 4 e0124254 Bibcode 2015PLoSO 1024254W ISSN 1932 6203 PMC 4406750 PMID 25901943 doi 10 1371 journal pone 0124254 Pulendran Bali Li Shuzhao Nakaya Helder I 29 zhovtnya 2010 Systems Vaccinology Immunity 33 4 516 529 ISSN 1074 7613 PMC 3001343 PMID 21029962 doi 10 1016 j immuni 2010 10 006 Li Shuzhao Sullivan Nicole L Rouphael Nadine Yu Tianwei Banton Sophia Maddur Mohan S McCausland Megan Chiu Christopher ta in 18 travnya 2017 Metabolic Phenotypes of Response to Vaccination in Humans Cell 169 5 862 877 e17 ISSN 0092 8674 PMC 5711477 PMID 28502771 doi 10 1016 j cell 2017 04 026 rekomenduyetsya displayauthors dovidka Aging Atlas Consortium Liu Guang Hui Bao Yiming Qu Jing Zhang Weiqi Zhang Tao Kang Wang Yang Fei ta in 8 sichnya 2021 Aging Atlas a multi omics database for aging biology Nucleic Acids Research angl 49 D1 s D825 D830 ISSN 0305 1048 PMC PMC7779027 PMID 33119753 doi 10 1093 nar gkaa894 Procitovano 14 chervnya 2023 rekomenduyetsya displayauthors dovidka Zhang Bohan Lee David E Trapp Alexandre Tyshkovskiy Alexander Lu Ake T Bareja Akshay Kerepesi Csaba McKay Lauren K ta in 27 lipnya 2023 Multi omic rejuvenation and life span extension on exposure to youthful circulation Nature Aging angl s 1 17 ISSN 2662 8465 doi 10 1038 s43587 023 00451 9 Procitovano 5 serpnya 2023 rekomenduyetsya displayauthors dovidka Mavromatis Lucas A Rosoff Daniel B Bell Andrew S Jung Jeesun Wagner Josephin Lohoff Falk W 19 kvitnya 2023 Multi omic underpinnings of epigenetic aging and human longevity Nature Communications angl 14 1 s 2236 ISSN 2041 1723 PMC PMC10115892 PMID 37076473 doi 10 1038 s41467 023 37729 w Procitovano 12 chervnya 2023 Mahmood Umer Li Xiaodong Fan Yonghai Chang Wei Niu Yue Li Jiana Qu Cunmin Lu Kun 2022 Multi omics revolution to promote plant breeding efficiency Frontiers in Plant Science 13 ISSN 1664 462X PMC PMC9773847 PMID 36570904 doi 10 3389 fpls 2022 1062952 Procitovano 12 chervnya 2023 Yang Yaodong Saand Mumtaz Ali Huang Liyun Abdelaal Walid Badawy Zhang Jun Wu Yi Li Jing Sirohi Muzafar Hussain ta in 2021 Applications of Multi Omics Technologies for Crop Improvement Frontiers in Plant Science 12 ISSN 1664 462X PMC PMC8446515 PMID 34539683 doi 10 3389 fpls 2021 563953 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Sirangelo Tiziana Maria Ludlow Richard Andrew Chenet Tatiana Pasti Luisa Spadafora Natasha Damiana 2023 04 Multi Omics and Genome Editing Studies on Plant Cell Walls to Improve Biomass Quality Agriculture angl 13 4 s 752 ISSN 2077 0472 doi 10 3390 agriculture13040752 Procitovano 12 chervnya 2023 Ichihashi Yasunori Date Yasuhiro Shino Amiu Shimizu Tomoko Shibata Arisa Kumaishi Kie Funahashi Fumiaki Wakayama Kenji ta in 23 chervnya 2020 Multi omics analysis on an agroecosystem reveals the significant role of organic nitrogen to increase agricultural crop yield Proceedings of the National Academy of Sciences angl 117 25 s 14552 14560 ISSN 0027 8424 PMC PMC7321985 PMID 32513689 doi 10 1073 pnas 1917259117 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka Aguiar Pulido Vanessa Huang Wenrui Suarez Ulloa Victoria Cickovski Trevor Mathee Kalai Narasimhan Giri 2016 01 Metagenomics Metatranscriptomics and Metabolomics Approaches for Microbiome Analysis Supplementary Issue Bioinformatics Methods and Applications for Big Metagenomics Data Evolutionary Bioinformatics angl 12s1 s EBO S36436 ISSN 1176 9343 PMC PMC4869604 PMID 27199545 doi 10 4137 EBO S36436 Procitovano 12 chervnya 2023 Joshi Samiksha Gangola Saurabh Rani Anju Sahgal Manvika Tewari Samarth Bhandari Narendra Singh Jaggi Vandana Prakash Om 1 sichnya 2023 U Gangola Saurabh Kumar Saurabh Joshi Samiksha ta in Chapter 1 Recent molecular and omics approaches to study rhizosphere functioning Advanced Microbial Technology for Sustainable Agriculture and Environment angl Academic Press s 1 13 ISBN 978 0 323 95090 9 doi 10 1016 b978 0 323 95090 9 00009 1 rekomenduyetsya displayeditors dovidka Herold Malte Martinez Arbas Susana Narayanasamy Shaman Sheik Abdul R Kleine Borgmann Luise A K Lebrun Laura A Kunath Benoit J Roume Hugo ta in 19 zhovtnya 2020 Integration of time series meta omics data reveals how microbial ecosystems respond to disturbance Nature Communications angl 11 1 s 5281 ISSN 2041 1723 doi 10 1038 s41467 020 19006 2 Procitovano 12 chervnya 2023 rekomenduyetsya displayauthors dovidka McDaniel Elizabeth A Wahl Sebastian Aljoscha Ishii Shun ichi Pinto Ameet Ziels Ryan Nielsen Per Halkjaer McMahon Katherine D Williams Rohan B H 15 zhovtnya 2021 Prospects for multi omics in the microbial ecology of water engineering Water Research angl 205 s 117608 ISSN 0043 1354 doi 10 1016 j watres 2021 117608 Procitovano 12 chervnya 2023 Meng Chen Kuster Bernhard Culhane Aedin C Gholami Amin 2014 A multivariate approach to the integration of multi omics datasets BMC Bioinformatics 15 1 162 ISSN 1471 2105 PMC 4053266 PMID 24884486 doi 10 1186 1471 2105 15 162 Ramos Marcel Schiffer Lucas Re Angela Azhar Rimsha Basunia Azfar Rodriguez Carmen Chan Tiffany Chapman Phil ta in 1 listopada 2017 Software for the Integration of Multiomics Experiments in Bioconductor Cancer Research 77 21 e39 e42 PMC 5679241 PMID 29092936 doi 10 1158 0008 5472 CAN 17 0344 rekomenduyetsya displayauthors dovidka Seonggyun Han Younghee Lee 2017 IMAS Bioconductor doi 10 18129 b9 bioc imas Procitovano 28 chervnya 2019 Karim Mezhoud Aut Cre 2017 bioCancer Bioconductor doi 10 18129 b9 bioc biocancer Procitovano 28 chervnya 2019 Hernandez Ferrer Carles Ruiz Arenas Carlos Beltran Gomila Alba Gonzalez Juan R 17 sichnya 2017 MultiDataSet an R package for encapsulating multiple data sets with application to omic data integration BMC Bioinformatics 18 1 36 ISSN 1471 2105 PMC 5240259 PMID 28095799 doi 10 1186 s12859 016 1455 1 Reap the rewards of a biological insight engine omicX Procitovano 26 chervnya 2019 Conesa Ana Dopazo Joaquin Garcia Lopez Federico Garcia Alcalde Fernando 1 sichnya 2011 Paintomics a web based tool for the joint visualization of transcriptomics and metabolomics data Bioinformatics 27 1 137 139 ISSN 1367 4803 PMC 3008637 PMID 21098431 doi 10 1093 bioinformatics btq594 Conesa Ana Pappas Georgios J Furio Tari Pedro Balzano Nogueira Leandro Martinez Mira Carlos Tarazona Sonia Hernandez de Diego Rafael 2 lipnya 2018 PaintOmics 3 a web resource for the pathway analysis and visualization of multi omics data Nucleic Acids Research 46 W1 W503 W509 ISSN 0305 1048 PMC 6030972 PMID 29800320 doi 10 1093 nar gky466 Chari Raj Coe Bradley P Wedseltoft Craig Benetti Marie Wilson Ian M Vucic Emily A MacAulay Calum Ng Raymond T ta in 7 zhovtnya 2008 SIGMA2 A system for the integrative genomic multi dimensional analysis of cancer genomes epigenomes and transcriptomes BMC Bioinformatics 9 1 422 ISSN 1471 2105 PMC 2571113 PMID 18840289 doi 10 1186 1471 2105 9 422 rekomenduyetsya displayauthors dovidka Choi Hyungwon Ewing Rob Choi Kwok Pui Fermin Damian Koh Hiromi W L 23 lipnya 2018 iOmicsPASS a novel method for integration of multi omics data over biological networks and discovery of predictive subnetworks bioRxiv 374520 doi 10 1101 374520 Kanai Masahiro Maeda Yuichi Okada Yukinori 19 chervnya 2018 Grimon graphical interface to visualize multi omics networks Bioinformatics 34 22 3934 3936 ISSN 1367 4803 PMC 6223372 PMID 29931190 doi 10 1093 bioinformatics bty488 Su Andrew I Loguercio Salvatore Carland Tristan M Ducom Jean Christophe Gioia Louis Meissner Tobias Fisch Kathleen M 1 chervnya 2015 Omics Pipe a community based framework for reproducible multi omics data analysis Bioinformatics 31 11 1724 1728 ISSN 1367 4803 PMC 4443682 PMID 25637560 doi 10 1093 bioinformatics btv061 Montague Elizabeth Stanberry Larissa Higdon Roger Janko Imre Lee Elaine Anderson Nathaniel Choiniere John Stewart Elizabeth ta in June 2014 a