Hispanopedia Wiki
Articulo de referencia

Multiómica

Multiomics tiene como objetivo reunir diversas disciplinas ómicas en biotecnología a través de la computación y el análisis interdisciplinarios. La multiómica , multiómica , ómi...

Hispanopedia WikiContenido en espanolLectura gratuita

Multiomics tiene como objetivo reunir diversas disciplinas ómicas en biotecnología a través de la computación y el análisis interdisciplinarios.

La multiómica , multiómica , ómica integrativa , "panómica" o "panómica" es un enfoque de análisis biológico en el que los datos consisten en múltiples " omas ", como el genoma , el epigenoma , el transcriptoma , el proteoma , el metaboloma , el exposoma y el microbioma (es decir, un metagenoma y/o metatranscriptoma , dependiendo de cómo se secuencie); [ 1 ] [ 2 ] [ 3 ] en otras palabras, el uso de múltiples tecnologías ómicas para estudiar la vida de manera concertada . Al combinar estos "omas", los científicos pueden analizar grandes cantidades de datos biológicos complejos para encontrar nuevas asociaciones entre entidades biológicas, identificar biomarcadores relevantes y construir marcadores elaborados de enfermedades y fisiología. Al hacerlo, la multiómica integra diversos datos ómicos para encontrar una relación o asociación genotipo-fenotipo-ambiente que coincida de manera coherente. [ 4 ] El servicio OmicTools enumera más de 99 programas informáticos relacionados con el análisis de datos multiómicos, así como más de 99 bases de datos sobre el tema.

Los enfoques de biología de sistemas a menudo se basan en el uso de datos de análisis multiómicos. [ 5 ] [ 6 ] La Sociedad Estadounidense de Oncología Clínica (ASCO) define la panómica como la interacción de todas las funciones biológicas dentro de una célula y con otras funciones del cuerpo, combinando datos recopilados por pruebas dirigidas... y ensayos globales (como la secuenciación del genoma) con otra información específica del paciente. [ 7 ]

Historia

Número de citas de los términos "Multiomics" y "Multi-omics" en PubMed hasta el 31 de diciembre de 2021.

La publicación de la estructura del ADN por Francis Crick y James Watson el 25 de abril de 1953 marcó un punto de inflexión en el estudio de la genómica . Puede considerarse el punto de partida histórico para el desarrollo de estudios interdisciplinarios y transversales en el futuro campo de la biotecnología . Estos avances propiciaron la creación de la multiómica como disciplina a finales del siglo XX.

La lectura y el estudio del transcriptoma , que comenzaron en la década de 1980, permitieron gradualmente identificar y cuantificar los productos de la expresión génica en una célula o tejido en un entorno determinado; esto marcó el comienzo de una visión "meta" de los efectos de la expresión génica en el organismo humano (por ejemplo, la fenotipología ).

A finales de la década de 2000 se observó un claro aumento en el número de publicaciones que incluían estudios multiómicos, ya sea en su metodología o en su temática (véase el gráfico de PubMed ), pasando de cero en 2000 a más de 1400 al año en 2021, con un crecimiento exponencial .

Recopilación combinada de datos multiómicos

Los enfoques combinados de recopilación de datos multiómicos han evolucionado para abordar las limitaciones de la investigación multiómica tradicional, que normalmente requiere un procesamiento de muestras por separado para diferentes clases moleculares y una posterior integración computacional, lo que introduce variabilidad y aumenta los costos.

Los primeros avances en este campo incluyen la extracción secuencial, [ 8 ] métodos de aislamiento secuencial basados ​​en TRIzol , que demostraron que un reactivo tradicionalmente utilizado para el aislamiento de ARN podía extraer simultáneamente ADN, ARN, proteínas, metabolitos y lípidos de una sola muestra. Enfoques similares como la extracción de metabolitos, proteínas y lípidos (MPLEx) [ 9 ] y el método "Tres en uno" [ 10 ] adaptaron el fraccionamiento bifásico para extraer proteínas, metabolitos y lípidos para el análisis LC-MS/MS ( espectrometría de masas en tándem ). Entre los desarrollos tecnológicos más recientes se incluye la tecnología Multi-Omic Single-Shot (MOST), [ 11 ] que integra el análisis del proteoma y el lipidoma en una sola corrida de LC-MS utilizando una columna de fase inversa y un sistema de fase móvil binaria, y el método Bead-enabled Accelerated Monophasic Multi-omics (BAMM) [ 12 ] que combina la extracción monofásica basada en n-butanol con perlas magnéticas y digestión acelerada de proteínas para el análisis separado de metabolitos , lípidos y proteínas . Una de las tecnologías más completas en este campo es Omni-MS de Dalton Bioanalytics Inc., un ensayo multiómico que utiliza su método patentado para perfilar simultáneamente proteínas, lípidos, electrolitos, metabolitos y otras moléculas pequeñas en una sola preparación y un solo análisis de LC-MS. Esta plataforma se ha aplicado al descubrimiento de biomarcadores , identificando biomarcadores potenciales en múltiples clases moleculares y en diversas condiciones y enfermedades [ 13 ] [ 14 ] incluyendo la gravedad de la COVID durante el embarazo, [ 15 ] el síndrome de deleción 22q11.2 , [ 16 ] y el angioedema hereditario . [ 17 ]

Estos enfoques integrados reducen significativamente los requisitos de muestra, el tiempo de procesamiento y la variación técnica, al tiempo que mejoran el análisis de correlación entre diferentes clases moleculares, lo que los hace cada vez más valiosos para la medicina de precisión y la investigación en biología de sistemas .

Multiómica de células individuales

Esquema de las diferentes estrategias de integración multiómica de células individuales . Adaptado de Adossa et al., 2021 [ 18 ]

Una rama del campo de la multiómica es el análisis de datos unicelulares multinivel , denominado multiómica unicelular. [ 19 ] [ 20 ] Este enfoque nos brinda una resolución sin precedentes para observar transiciones multinivel en la salud y la enfermedad a nivel de célula individual. Una ventaja con respecto al análisis masivo es la mitigación de factores de confusión derivados de la variación célula a célula, lo que permite descubrir arquitecturas tisulares heterogéneas. [ 19 ]

Los métodos para el análisis paralelo de genómica y transcriptómica de células individuales pueden basarse en la amplificación simultánea [ 21 ] o en la separación física del ARN y el ADN genómico. [ 22 ] Permiten obtener información que no se puede obtener únicamente del análisis transcriptómico, ya que los datos de ARN no contienen regiones genómicas no codificantes ni información sobre la variación del número de copias , por ejemplo. Una extensión de esta metodología es la integración de transcriptomas de células individuales a metilomas de células individuales, combinando la secuenciación de bisulfito de células individuales [ 23 ] [ 24 ] con la secuenciación de ARN de células individuales. [ 25 ] También existen otras técnicas para consultar el epigenoma, como ATAC-seq de células individuales [ 26 ] y Hi-C de células individuales [ 27 ] .

Un desafío diferente, pero relacionado, es la integración de datos proteómicos y transcriptómicos. [ 28 ] [ 29 ] Un enfoque para realizar dicha medición es separar físicamente los lisados ​​de células individuales en dos, procesando una mitad para ARN y la otra para proteínas. [ 28 ] El contenido proteico de los lisados ​​se puede medir mediante ensayos de extensión por proximidad (PEA), por ejemplo, que utilizan anticuerpos con códigos de barras de ADN. [ 30 ] Otro enfoque utiliza una combinación de sondas de ARN de metales pesados ​​y anticuerpos de proteínas para adaptar la citometría de masas para el análisis multiómico. [ 29 ]

Relacionado con la multiómica unicelular se encuentra el campo de la ómica espacial, que analiza tejidos mediante lecturas ómicas que preservan la orientación espacial relativa de las células en el tejido. El número de métodos de ómica espacial publicados aún está por debajo del número de métodos publicados para la multiómica unicelular, pero las cifras están aumentando (métodos unicelulares y espaciales).

Multiómica y aprendizaje automático

Paralelamente a la rápida evolución de la biología de alto rendimiento , las aplicaciones de aprendizaje automático en el análisis de datos biomédicos han experimentado un crecimiento exponencial. La sinergia entre la integración de datos multiómicos y el aprendizaje automático ha sido fundamental en el descubrimiento de nuevos biomarcadores . [ 31 ] [ 32 ] [ 33 ]

Los marcos estadísticos establecidos han sentado las bases para este análisis. Por ejemplo, el proyecto mixOmics utiliza la regresión de mínimos cuadrados parciales dispersos para seleccionar características e identificar posibles biomarcadores. [ 34 ] De manera similar, el análisis de correlación canónica generalizada regularizada [ 35 ] [ 36 ] [ 37 ] [ 38 ] ofrece un marco unificado y flexible para integrar datos heterogéneos, disponible a través del paquete RGCCA de R.

Partiendo de estos fundamentos, los avances recientes han introducido modelos de variables latentes más sofisticados. El análisis factorial multiómico [ 39 ] se ha consolidado como una herramienta poderosa para desentrañar las fuentes de variación en diversas modalidades de datos. Este enfoque se amplía aún más con MEFISTO [ 40 ] , que incorpora estructuras funcionales para tener en cuenta las covariables temporales o espaciales en los datos. Además, la integración del aprendizaje profundo ha dado lugar a métodos como el modelado de rutas de variables latentes profundas, que captura dependencias complejas y no lineales para refinar la identificación de biomarcadores y es capaz de integrar datos multiómicos con datos no estructurados, como imágenes complejas [ 41 ] .

Multiómica en la salud y la enfermedad

Descripción general de las fases 1 y 2 del Proyecto del Microbioma Humano (PMH).

Actualmente, la multiómica promete llenar lagunas en la comprensión de la salud y la enfermedad humanas, y muchos investigadores trabajan en formas de generar y analizar datos relacionados con enfermedades. [ 42 ] Las aplicaciones abarcan desde la comprensión de las interacciones huésped-patógeno y las enfermedades infecciosas, [ 43 ] [ 44 ] el cáncer, [ 45 ] [ 46 ] hasta una mejor comprensión de las enfermedades crónicas y complejas no transmisibles [ 47 ] y la mejora de la medicina personalizada. [ 48 ]

Proyecto Integrado del Microbioma Humano

La segunda fase del Proyecto Microbioma Humano  de $170 millones se centró en integrar datos de pacientes a diferentes conjuntos de datos ómicos, considerando la genética del huésped, la información clínica y la composición del microbioma. [ 49 ] [ 50 ] La primera fase se centró en la caracterización de comunidades en diferentes sitios del cuerpo. La segunda fase se centró en la integración de datos multiómicos del huésped y el microbioma a las enfermedades humanas. Específicamente, el proyecto utilizó multiómica para mejorar la comprensión de la interacción de los microbiomas intestinales y nasales con la diabetes tipo 2 , [ 51 ] los microbiomas intestinales y la enfermedad inflamatoria intestinal [ 52 ] y los microbiomas vaginales y el parto prematuro. [ 53 ]

Inmunología de sistemas

La complejidad de las interacciones en el sistema inmunitario humano ha impulsado la generación de una gran cantidad de datos ómicos multiescala relacionados con la inmunología. [ 54 ] El análisis de datos multiómicos se ha empleado para obtener información novedosa sobre la respuesta inmunitaria a enfermedades infecciosas, como el chikungunya pediátrico , [ 55 ] así como enfermedades autoinmunes no transmisibles . [ 56 ] La ómica integrativa también se ha empleado ampliamente para comprender la eficacia y los efectos secundarios de las vacunas , un campo llamado vacunología de sistemas. [ 57 ] Por ejemplo, la multiómica fue esencial para descubrir la asociación de los cambios en los metabolitos plasmáticos y el transcriptoma del sistema inmunitario en la respuesta a la vacunación contra el herpes zóster . [ 58 ]

Lista de software utilizado para el análisis multiómico

Bioconductor, software libre para bioinformática.

El proyecto Bioconductor recopila una variedad de paquetes de R destinados a integrar datos ómicos:

  • ómicade4 , para análisis de coinercia múltiple de conjuntos de datos multiómicos [ 59 ]
  • MultiAssayExperiment , que ofrece una interfaz de bioconductor para muestras superpuestas [ 60 ]
  • IMAS , un paquete enfocado en el uso de datos multiómicos para evaluar el empalme alternativo [ 61 ]
  • bioCancer , un paquete para la visualización de datos multiómicos de cáncer [ 62 ]
  • mixOmics , un conjunto de métodos multivariados para la integración de datos [ 34 ]
  • MultiDataSet , un paquete para encapsular múltiples conjuntos de datos [ 63 ]

El paquete RGCCA implementa un marco versátil para la integración de datos. Este paquete está disponible gratuitamente en la Red Integral de Archivos de R (CRAN).

La base de datos OmicTools [ 64 ] destaca además paquetes de R y otras herramientas para el análisis de datos multiómicos:

  • PaintOmics , un recurso web para la visualización de conjuntos de datos multiómicos [ 65 ] [ 66 ]
  • SIGMA, un programa Java enfocado en el análisis integrado de conjuntos de datos de cáncer [ 67 ]
  • iOmicsPASS, una herramienta en C++ para la predicción de fenotipos basada en multiómica [ 68 ]
  • Grimon , una interfaz gráfica de R para la visualización de datos multiómicos [ 69 ]
  • Omics Pipe , un marco de trabajo en Python para automatizar de forma reproducible el análisis de datos multiómicos [ 70 ].

Bases de datos multiómicas

Una limitación importante de los estudios ómicos clásicos es el aislamiento de un solo nivel de complejidad biológica. Por ejemplo, los estudios transcriptómicos pueden proporcionar información a nivel de transcripción, pero muchas entidades diferentes contribuyen al estado biológico de la muestra ( variantes genómicas , modificaciones postraduccionales , productos metabólicos, organismos que interactúan, entre otros). Con el auge de la biología de alto rendimiento , resulta cada vez más asequible realizar múltiples mediciones, lo que permite correlaciones e inferencias entre dominios (por ejemplo, niveles de ARN y proteínas). Estas correlaciones facilitan la construcción de redes biológicas más completas , llenando así lagunas en nuestro conocimiento.

Sin embargo, la integración de datos no es una tarea fácil. Para facilitar el proceso, algunos grupos han creado bases de datos y flujos de trabajo para explorar sistemáticamente los datos multiómicos:

Véase también

Referencias

  1. ↑ Bersanelli, Matteo; Mosca, Ettore; Remondini, Daniel; Giampieri, Enrico; Sala, Claudia; Castellani, Gastone; Milanesi, Luciano (1 de enero de 2016). "Métodos para la integración de datos multiómicos: aspectos matemáticos" . Bioinformática BMC . 17 (2): T15. doi : 10.1186/s12859-015-0857-9 . ISSN 1471-2105 . PMC 4959355 . PMID 26821531 .   
  2. ↑ Bock, Christoph; Farlik, Matthias; Sheffield, Nathan C. (agosto de 2016). "Multi-ómicas de células individuales: estrategias y aplicaciones" . Trends in Biotechnology . 34 (8): 605– 608. doi : 10.1016/j.tibtech.2016.04.004 . PMC 4959511. PMID 27212022 .  
  3. ↑ Vilanova, Cristina; Porcar, Manuel (26 de julio de 2016). "¿Son suficientes las multiómicas?" . Nature Microbiology . 1 (8): 16101. doi : 10.1038/nmicrobiol.2016.101 . PMID 27573112 . S2CID 3835720 .  
  4. ↑ Tarazona, S., Balzano-Nogueira, L., & Conesa, A. (2018). Integración de datos multiómicos en experimentos de series temporales. doi : 10.1016/bs.coac.2018.06.005
  5. ↑ Sesión sobre panómica del cáncer de PSB'14 archivada el 23/09/2013 en Wayback Machine
  6. ↑ El panorama molecular del cáncer: utilizando la panómica para impulsar el cambio. Archivado el 9 de noviembre de 2013 en Wayback Machine.
  7. ↑ "Glosario". Acelerar el progreso contra el cáncer: el plan de ASCO para transformar la investigación clínica y traslacional del cáncer (PDF) . Sociedad Estadounidense de Oncología Clínica. 2011. pág. 28. Consultado el 13 de septiembre de 2013 . 
  8. ↑ Shibko, S.; Koivistoinen, P.; Tratnyek, CA; Newhall, AR; Friedman, L. (junio de 1967). "Un método para la separación y determinación cuantitativa secuencial de proteínas, ARN, ADN, lípidos y glucógeno a partir de un único homogeneizado de hígado de rata o de una fracción subcelular". Analytical Biochemistry . 19 (3): 514– 528. Bibcode : 1967AnBio..19..514S . doi : 10.1016/0003-2697(67)90242-4 . ISSN 0003-2697 . PMID 4292701 .  
  9. ↑ Nakayasu, Ernesto S.; Nicora, Carrie D.; Sims, Amy C.; Burnum-Johnson, Kristin E.; Kim, Young-Mo; Kyle, Jennifer E.; Matzke, Melissa M.; Shukla, Anil K.; Chu, Rosalie K.; Schepmoes, Athena A.; Jacobs, Jon M.; Baric, Ralph S.; Webb-Robertson, Bobbie-Jo; Smith, Richard D.; Metz, Thomas O. (2016). "MPLEx: un protocolo robusto y universal para análisis proteómicos, metabolómicos y lipidómicos integrativos de una sola muestra" . mSystems . 1 (3): e00043–16. doi : 10.1128/mSystems.00043-16 . ISSN 2379-5077 . PMC 5069757 . PMID 27822525 .   
  10. ↑ Kang, Jianing; David, Lisa; Li, Yangyang; Cang, Jing; Chen, Sixue (2021). " Extracción simultánea tres en uno de proteínas, metabolitos y lípidos para multiómicas" . Frontiers in Genetics . 12 635971. doi : 10.3389/fgene.2021.635971 . ISSN 1664-8021 . PMC 8082496. PMID 33936167 .   
  11. ↑ He, Yuchen; Rashan, Edrees H.; Linke, Vanessa; Shishkova, Evgenia; Hebert, Alexander S.; Jochem, Adam; Westphall, Michael S.; Pagliarini, David J.; Overmyer, Katherine A.; Coon, Joshua J. (9 de marzo de 2021). " Tecnología multiómica de una sola toma para el análisis integrado del proteoma y el lipidoma" . Analytical Chemistry . 93 (9): 4217– 4222. Bibcode : 2021AnaCh..93.4217H . doi : 10.1021/acs.analchem.0c04764 . ISSN 1520-6882 . PMC 8028036. PMID 33617230 .   
  12. ↑ Muehlbauer, Laura K.; Jen, Annie; Zhu, Yunyun; He, Yuchen; Shishkova, Evgenia; Overmyer, Katherine A.; Coon, Joshua J. (17 de enero de 2023). "Preparación rápida de muestras multiómicas para espectrometría de masas" . Analytical Chemistry . 95 (2): 659– 667. doi : 10.1021/acs.analchem.2c02042 . ISSN 1520-6882 . PMC 10026941. PMID 36594155 .   
  13. ^ Wagle, Basanta R.; Quach, Austin; Yeo, Seungjun; Assumpcao, Anna LFV; Arsi, Komala; Donoghue, Annie M.; Jesudhasan, Palmy RR (5 de febrero de 2023). "Un análisis multiómico del suero de pollo reveló la modulación de los factores del huésped debido a la colonización de Campylobacter jejuni y la suplementación en agua de nanoemulsión de eugenol" . Animales . 13 (4): 559. doi : 10.3390/ani13040559 . ISSN 2076-2615 . PMC 9951679 . PMID 36830346 .   
  14. ↑ Choi, Janghan; Shakeri, Majid; Bowker, Brian; Zhuang, Hong; Kong, Byungwhi (14 de abril de 2025). "Proteínas, metabolitos y moléculas lipídicas diferencialmente abundantes en carne de espagueti en comparación con carne de pechuga de pollo normal: análisis multiómico1" . Poultry Science . 104 (7) 105165. doi : 10.1016/j.psj.2025.105165 . ISSN 0032-5791 . PMC 12434241. PMID 40286572 .   
  15. ↑ Altendahl, Marie; Mok, Thalia; Jang, Christine; Yeo, Seungjun; Quach, Austin; Afshar, Yalda (2022). "La COVID-19 grave en el embarazo tiene un perfil sérico distintivo, que incluye una mayor activación del complemento y una desregulación de los lípidos séricos" . PLOS ONE . 17 (11) e0276766. Bibcode : 2022PLoSO..1776766A . doi : 10.1371/journal.pone.0276766 . ISSN 1932-6203 . PMC 9668183. PMID 36383608 .   
  16. ↑ Zafarullah, Marwa; Angkustsiri, Kathleen; Quach, Austin; Yeo, Seungjun; Durbin-Johnson, Blythe P.; Bowling, Heather; Tassone, Flora (28 de febrero de 2024). "Análisis metabolómico y proteómico no dirigido identifica biomarcadores metabólicos y alteraciones de vías en individuos con síndrome de deleción 22q11.2" . Metabolomics . 20 (2): 31. doi : 10.1007/s11306-024-02088-0 . ISSN 1573-3890 . PMC 10901937. PMID 38418685 .   
  17. ↑ Mahajan, Supriya D.; Aalinkeel, Ravikumar; Reynolds, Jessica L.; Machhar, Janvhi S.; Ghebrehiwet, Berhane; Schwartz, Stanley A. (febrero de 2025). "El análisis ómico revela que la galectina-3 es un regulador clave potencial de la inflamación alérgica en el angioedema hereditario" . The Journal of Allergy and Clinical Immunology. Global . 4 (1) 100353. doi : 10.1016/j.jacig.2024.100353 . ISSN 2772-8293 . PMC 11583700. PMID 39583036 .   
  18. ↑ Adossa, Nigatu; Khan, Sofia; Rytkönen, Kalle T.; Elo, Laura L. (2021). "Estrategias computacionales para la integración multiómica de células individuales" . Computational and Structural Biotechnology Journal . 19 : 2588–2596 . doi : 10.1016/j.csbj.2021.04.060 . ISSN 2001-0370 . PMC 8114078. PMID 34025945 .   
  19. 1 2 MacAulay, Iain C.; Ponting, Chris P.; Voet, Thierry (2017). "Multiómica de células individuales: múltiples mediciones a partir de células individuales" . Trends in Genetics . 33 (2): 155– 168. doi : 10.1016/j.tig.2016.12.003 . PMC 5303816. PMID 28089370 .  
  20. ↑ Hu, Youjin; An, Qin; Sheu, Katherine; Trejo, Brandon; Fan, Shuxin; Guo, Ying (20 de abril de 2018). "Tecnología multiómica de célula única: metodología y aplicación" . Frontiers in Cell and Developmental Biology . 6 28. doi : 10.3389/fcell.2018.00028 . ISSN 2296-634X . PMC 5919954. PMID 29732369 .   
  21. ↑ Dey, Siddharth S; Kester, Lennart; Spanjaard, Bastiaan; Bienko, Magda; van Oudenaarden, Alexander (marzo de 2015) [19 de enero de 2015 (en línea; número de marzo de 2015)]. "Secuenciación integrada del genoma y el transcriptoma de la misma célula" . Cartas. Nature Biotechnology . 33 (3): 285–289 . doi : 10.1038/nbt.3129 . OCLC 931063996. PMC 4374170. PMID 25599178 .   
  22. ↑ Macaulay, Iain C; Teng, Mabel J; Haerty, Wilfried; Kumar, Parveen; Ponting, Chris P; Voet, Thierry (29 de septiembre de 2016). "Separación y secuenciación paralela de los genomas y transcriptomas de células individuales mediante G&T-seq" . Nature Protocols . 11 (11): 2081– 2103. doi : 10.1038/nprot.2016.138 . hdl : 20.500.11820/015ce29d-7e2d-42c8-82fa- cb1290b761c0 . ISSN 1754-2189 . PMID 27685099. S2CID 24351548 .   
  23. ↑ Tang, Fuchou; Wen, Lu; Li, Xianlong; Wu, Xinglong; Zhu, Ping; Guo, Hongshan (1 de diciembre de 2013). "Paisajes del metiloma de células individuales de células madre embrionarias de ratón y embriones tempranos analizados mediante secuenciación de bisulfito de representación reducida" . Genome Research . 23 (12): 2126– 2135. doi : 10.1101/gr.161679.113 . ISSN 1088-9051 . PMC 3847781. PMID 24179143 .   
  24. ↑ Kelsey, Gavin; Reik, Wolf; Stegle, Oliver; Andrews, Simon R.; Julian Peat; Saadeh, Heba; Krueger, Felix; Angermueller, Christof; Lee, Heather J. (agosto de 2014). "Secuenciación de bisulfito de genoma completo de célula única para evaluar la heterogeneidad epigenética" . Nature Methods . 11 (8): 817– 820. doi : 10.1038/nmeth.3035 . ISSN 1548-7105 . PMC 4117646. PMID 25042786 .   
  25. ↑ Angermueller, Christof; Clark, Stephen J; Lee, Heather J; Macaulay, Iain C; Teng, Mabel J; Hu, Tim Xiaoming; Krueger, Felix; Smallwood, Sébastien A; Ponting, Chris P (11 de enero de 2016). "La secuenciación paralela de células individuales vincula la heterogeneidad transcripcional y epigenética" . Nature Methods . 13 (3): 229– 232. doi : 10.1038/nmeth.3728 . ISSN 1548-7091 . PMC 4770512. PMID 26752769 .   
  26. ↑ Greenleaf, William J.; Chang, Howard Y.; Snyder, Michael P.; Michael L. Gonzales; Ruff, Dave; Litzenburger, Ulrike M.; Wu, Beijing; Buenrostro, Jason D. (julio de 2015). "La accesibilidad de la cromatina de células individuales revela principios de variación regulatoria" . Nature . 523 ( 7561): 486–490 . Bibcode : 2015Natur.523..486B . doi : 10.1038/nature14590 . ISSN 1476-4687 . PMC 4685948. PMID 26083756 .   
  27. ↑ Fraser, Peter; Tanay, Amos; Laue, Ernest D.; Dean, Wendy; Yaffe, Eitan; Schoenfelder, Stefan; Stevens, Tim J.; Lubling, Yaniv; Nagano, Takashi (octubre de 2013). "Hi-C de célula única revela variabilidad célula a célula en la estructura cromosómica" . Nature . 502 ( 7469): 59– 64. Bibcode : 2013Natur.502...59N . doi : 10.1038/nature12593 . ISSN 1476-4687 . PMC 3869051. PMID 24067610 .   
  28. ^ Darmanis , Spyros; Galante, Caroline Julie; Marinescu, Voichita Dana; Niklasson, Mia; Segerman, Anna; Flamourakis, Georgios; Fredriksson, Simón; Assarsson, Erika; Lundberg, Martin (12 de enero de 2016). "Medición multiplexada simultánea de ARN y proteínas en células individuales" . Informes celulares . 14 (2): 380– 389. doi : 10.1016/j.celrep.2015.12.021 . ISSN 2211-1247 . PMC 4713867 . PMID 26748716 .   
  29. 1 2 Gherardini, Pier Federico; Nolan, Garry P.; Chen, Shih-Yu; Hsieh, Elena WY; Zunder, Eli R.; Bava, Felice-Alessio; Frei, Andreas P. (marzo de 2016). "Detección simultánea altamente multiplexada de ARN y proteínas en células individuales" . Nature Methods . 13 (3): 269– 275. doi : 10.1038/nmeth.3742 . ISSN 1548-7105 . PMC 4767631. PMID 26808670 .   
  30. ↑ Assarsson, Erika; Lundberg, Martín; Holmquist, Göran; Björkesten, Johan; Bucht Thorsen, Stine; Ekman, Daniel; Eriksson, Anna; Rennel Dickens, Emma; Ohlsson, Sandra (22 de abril de 2014). "Inmunoensayo homogéneo de PEA 96-Plex que muestra alta sensibilidad, especificidad y excelente escalabilidad" . MÁS UNO . 9 (4) e95192. Código Bib : 2014PLoSO...995192A . doi : 10.1371/journal.pone.0095192 . ISSN 1932-6203 . PMC 3995906 . PMID 24755770 .   
  31. ↑ Garmire, Lana X.; Chaudhary, Kumardeep; Huang, Sijia (2017). "Más es mejor: avances recientes en métodos de integración de datos multiómicos" . Frontiers in Genetics . 8 84. doi : 10.3389/fgene.2017.00084 . ISSN 1664-8021 . PMC 5472696. PMID 28670325 .   
  32. ↑ Tagkopoulos, Ilias; Kim, Minseung (2018). "Métodos de integración de datos y modelado predictivo para conjuntos de datos multiómicos". Molecular Omics . 14 (1): 8– 25. doi : 10.1039/C7MO00051K . PMID 29725673 . 
  33. ↑ Lin, Eugene; Lane, Hsien-Yuan (20 de enero de 2017). "Enfoques de aprendizaje automático y genómica de sistemas para datos multiómicos" . Biomarker Research . 5 (1): 2. doi : 10.1186/s40364-017-0082-y . ISSN 2050-7771 . PMC 5251341. PMID 28127429 .   
  34. 1 2 Rohart, Florian; Gautier, Benoît; Singh, Amrit; Lê Cao, Kim-Anh (14 de febrero de 2017). "mixOmics: un paquete de R para la selección de características ómicas y la integración de datos múltiples" . PLOS Computational Biology . 13 (11) e1005752. Bibcode : 2017PLSCB..13E5752R . bioRxiv 10.1101/108597 . doi : 10.1371/journal.pcbi.1005752 . PMC 5687754. PMID 29099853 .   
  35. ↑ Tenenhaus, Arthur; Tenenhaus, Michel (17 de marzo de 2011). "Análisis de correlación canónica generalizada regularizada". Psychometrika . 76 (2): 257– 284. doi : 10.1007/s11336-011-9206-8 . ISSN 0033-3123 . 
  36. ↑ Tenenhaus, A.; Philippe, C.; Guillemot, V.; Le Cao, K.-A.; Grill, J.; Frouin, V. (17 de febrero de 2014). "Selección de variables para el análisis de correlación canónica generalizada" . Bioestadística . 15 (3): 569– 583. doi : 10.1093/biostatistics/kxu001 . ISSN 1465-4644 . PMID 24550197 .  
  37. ↑ Tenenhaus, Arthur; Philippe, Cathy; Frouin, Vincent (octubre de 2015). "Análisis de correlación canónica generalizada del kernel". Computational Statistics & Data Analysis . 90 : 114–131 . doi : 10.1016/j.csda.2015.04.004 . ISSN 0167-9473 . 
  38. ↑ Tenenhaus, Michel; Tenenhaus, Arthur; Groenen, Patrick JF (23 de mayo de 2017). "Análisis de correlación canónica generalizada regularizada: un marco para métodos de componentes multibloque secuenciales". Psychometrika . 82 (3): 737– 777. doi : 10.1007/s11336-017-9573-x . ISSN 0033-3123 . PMID 28536930 .  
  39. ↑ Argelaguet, Ricard; Velten, Britta; Arnol, Damien; Dietrich, Sascha; Zenz, Thorsten; Marioni, John C.; Buettner, Florian; Huber, Wolfgang; Stegle, Oliver (20 de junio de 2018). "Análisis factorial multiómico: un marco para la integración no supervisada de conjuntos de datos multiómicos" . Biología de sistemas moleculares . 14 (6): MSB178124. doi : 10.15252/msb.20178124 . ISSN 1744-4292 . PMC 6010767. PMID 29925568 .   
  40. ↑ Velten, Britta; Braunger, Jana M.; Argelaguet, Ricard; Arnol, Damien; Wirbel, Jakob; Bredikhin, Danila; Zeller, Georg; Stegle, Oliver (febrero de 2022). "Identificación de patrones temporales y espaciales de variación a partir de datos multimodales utilizando MEFISTO" . Nature Methods . 19 (2): 179– 186. doi : 10.1038/s41592-021-01343-9 . ISSN 1548-7105 . PMC 8828471. PMID 35027765 .   
  41. ↑ Ing, Alex; Andrades, Alvaro; Cosenza, Marco Raffaele; Korbel, Jan O. (julio de 2025). "Integración de datos multimodales de cáncer mediante modelado de rutas de variables latentes profundas" . Nature Machine Intelligence . 7 (7): 1053– 1075. doi : 10.1038/s42256-025-01052-4 . ISSN 2522-5839 . PMC 12283373. PMID 40709098 .   
  42. ↑ Hasin, Yehudit; Seldin, Marcus; Lusis, Aldons (5 de mayo de 2017). "Enfoques multiómicos para las enfermedades" . Genome Biology . 18 (1): 83. Bibcode : 2017GenBi..18...83H . doi : 10.1186/s13059-017-1215-1 . ISSN 1474-760X . PMC 5418815. PMID 28476144 .   
  43. ↑ Khan, Mohd M.; Ernst, Orna; Manes, Nathan P.; Oyler, Benjamin L.; Fraser, Iain DC; Goodlett, David R.; Nita-Lazar, Aleksandra (11 de marzo de 2019). "Estrategias multiómicas descubren interacciones huésped-patógeno". ACS Infectious Diseases . 5 (4): 493– 505. doi : 10.1021/acsinfecdis.9b00080 . ISSN 2373-8227 . PMID 30857388 . S2CID 75137107 .   
  44. ↑ Aderem, Alan; Adkins, Joshua N.; Ansong, Charles; Galagan, James; Kaiser, Shari; Korth, Marcus J.; Law, G. Lynn; McDermott, Jason G.; Proll, Sean C. (1 de febrero de 2011). "Un enfoque de biología de sistemas para la investigación de enfermedades infecciosas: innovando el paradigma de investigación patógeno-huésped" . mBio . 2 ( 1): e00325-10. doi : 10.1128/mbio.00325-10 . ISSN 2150-7511 . PMC 3034460. PMID 21285433 .   
  45. ↑ Barisic, Darko; Chin, Christopher R.; Meydán, Cem; Teatro, Matt; Tsilalta, Ioanna; Mlynarczyk, Coraline; Chadburn, Amy; Wang, Xuehai; Sarkozy, Margot; Xia, Min; Carson, Sandra E.; Raggiri, Santo; Debek, Sonia; Pelzer, Benedikt; Durmaz, Ceyda (abril de 2024). "ARID1A orquesta la unión secuencial de factores de transcripción mediada por SWI / SNF con la pérdida de ARID1A que impulsa el destino de las células B previas a la memoria y la linfomagénesis" . Célula cancerosa . 42 (4): 583–604.e11. doi : 10.1016/j.ccell.2024.02.010 . PMC 11407687 . PMID 38458187 .  
  46. ↑ Mouchtouris, N; Smit, RD; Piper, K; Prashant, G; Evans, JJ; Karsy, M (4 de marzo de 2022). " Una revisión de las plataformas multiómicas en la patogénesis del adenoma hipofisario" . Frontiers in Bioscience (Edición de referencia) . 27 (3): 77. doi : 10.31083/j.fbl2703077 . PMID 35345309. S2CID 247560386 .  
  47. ↑ Yan, Jingwen; Risacher, Shannon L; Shen, Li; Saykin, Andrew J. (30 de junio de 2017). " Enfoques de red para el análisis de biología de sistemas de enfermedades complejas: métodos integradores para datos multiómicos" . Briefings in Bioinformatics . 19 (6): 1370– 1381. doi : 10.1093/bib/bbx066 . ISSN 1467-5463 . PMC 6454489. PMID 28679163 .   
  48. ↑ He, Feng Q.; Ollert, Markus; Balling, Rudi; Bode, Sebastian FN; Delhalle, Sylvie (6 de febrero de 2018). " Una hoja de ruta hacia la inmunología personalizada" . npj Systems Biology and Applications . 4 (1): 9. doi : 10.1038/s41540-017-0045-9 . ISSN 2056-7189 . PMC 5802799. PMID 29423275 .   
  49. ↑ Proctor, Lita M.; Creasy, Heather H.; Fettweis, Jennifer M.; Lloyd-Price, Jason; Mahurkar, Anup; Zhou, Wenyu; Buck, Gregory A.; Snyder, Michael P.; Strauss, Jerome F. (mayo de 2019). "El proyecto integrador del microbioma humano" . Nature . 569 ( 7758): 641– 648. Bibcode : 2019Natur.569..641I . doi : 10.1038/s41586-019-1238-8 . ISSN 1476-4687 . PMC 6784865. PMID 31142853 .   
  50. ↑ "Después del Proyecto Integrador del Microbioma Humano, ¿qué sigue para la comunidad del microbioma?" . Nature . 569 (7758): 599. 29 de mayo de 2019. Bibcode : 2019Natur.569Q.599. . doi : 10.1038/d41586-019-01674-w . PMID 31142868 . S2CID 169035865 .  
  51. ↑ Snyder, Michael; Weinstock, George M.; Sodergren, Erica; McLaughlin, Tracey; Tse, David; Rost, Hannes; Piening, Brian; Kukurba, Kim; Rose, Sophia Miryam Schüssler-Fiorenza (mayo de 2019). "Multiómica longitudinal de la dinámica huésped-microbio en la prediabetes" . Nature . 569 (7758): 663–671 . Bibcode : 2019Natur.569..663Z . doi : 10.1038/s41586-019-1236- x . ISSN 1476-4687 . PMC 6666404. PMID 31142858 .   
  52. ↑ Huttenhower, Curtis; Xavier, Ramnik J.; Vlamakis, Hera; Franzosa, Eric A.; Clish, Clary B.; Winter, Harland S.; Stappenbeck, Thaddeus S.; Petrosino, Joseph F.; McGovern, Dermot PB (mayo de 2019). "Multi-ómicas del ecosistema microbiano intestinal en enfermedades inflamatorias intestinales" . Nature . 569 (7758): 655– 662. Bibcode : 2019Natur.569..655L . doi : 10.1038/ s41586-019-1237-9 . ISSN 1476-4687 . PMC 6650278. PMID 31142855 .   
  53. ↑ 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.; Chaffin, Donald O. (junio de 2019). " El microbioma vaginal y el parto prematuro" . Nature Medicine . 25 (6): 1012– 1021. doi : 10.1038/s41591-019-0450-2 . ISSN 1546-170X . PMC 6750801. PMID 31142849 .   
  54. ↑ Kidd, Brian A; Peters, Lauren A; Schadt, Eric E; Dudley, Joel T (21 de enero de 2014). " Unificando la inmunología con la informática y la biología multiescala" . Nature Immunology . 15 (2): 118– 127. doi : 10.1038/ni.2787 . ISSN 1529-2908 . PMC 4345400. PMID 24448569 .   
  55. ^ Harris, Eva; Kasarskis, Andrés; Wolinsky, Steven M.; Suárez-Fariñas, Mayte; Zhu, junio; Wang, Li; Balmaseda, Ángel; Thomas, Guajira P.; Stewart, Michael G. (1 de agosto de 2018). "Perfil inmunológico innato completo de la infección por el virus chikungunya en casos pediátricos" . Biología de sistemas moleculares . 14 (8) e7862. doi : 10.15252/msb.20177862 . ISSN 1744-4292 . PMC 6110311 . PMID 30150281 .   
  56. ↑ Firestein, Gary S.; Wang, Wei; Gay, Steffen; Ball, Scott T.; Bartok, Beatrix; Boyle, David L.; Whitaker, John W. (22 de abril de 2015). "Análisis ómico integrador de la artritis reumatoide identifica objetivos terapéuticos no obvios" . PLOS ONE . 10 (4) e0124254. Bibcode : 2015PLoSO..1024254W . doi : 10.1371/journal.pone.0124254 . ISSN 1932-6203 . PMC 4406750. PMID 25901943 .   
  57. ^ Pulendran, Bali ; Li, Shuzhao; Nakaya, Helder I. (29 de octubre de 2010). «Vacunología de Sistemas» . Inmunidad . 33 (4): 516– 529. doi : 10.1016/j.immuni.2010.10.006 . ISSN 1074-7613 . PMC 3001343 . PMID 21029962 .   
  58. ↑ Li, Shuzhao; Sullivan, Nicole L.; Rouphael, Nadine; Yu, Tianwei; Banton, Sophia; Maddur, Mohan S.; McCausland, Megan; Chiu, Christopher; Canniff, Jennifer (18 de mayo de 2017). "Fenotipos metabólicos de respuesta a la vacunación en humanos" . Cell . 169 ( 5): 862–877.e17. doi : 10.1016/j.cell.2017.04.026 . ISSN 0092-8674 . PMC 5711477. PMID 28502771 .   
  59. ↑ Meng, Chen; Kuster, Bernhard; Culhane, Aedín C; Gholami, Amin (2014). "Un enfoque multivariado para la integración de conjuntos de datos multiómicos" . BMC Bioinformatics . 15 (1): 162. doi : 10.1186/1471-2105-15-162 . ISSN 1471-2105 . PMC 4053266. PMID 24884486 .   
  60. ↑ Ramos, Marcel; Schiffer, Lucas; Re, Angela; Azhar, Rimsha; Basunia, Azfar; Rodriguez, Carmen; Chan, Tiffany; Chapman, Phil; Davis, Sean R.; Gomez-Cabrero, David; Culhane, Aedin C.; Haibe-Kains, Benjamin; Hansen, Kasper D.; Kodali, Hanish; Louis, Marie S.; Mer, Arvind S.; Riester, Markus; Morgan, Martin; Carey, Vince; Waldron, Levi (1 de noviembre de 2017). "Software para la integración de experimentos multiómicos en Bioconductor" . Cancer Research . 77 (21): e39– e42. doi : 10.1158/0008-5472.CAN-17-0344 . PMC 5679241. PMID 29092936 .  
  61. ^ Seonggyun Han, Younghee Lee (2017), IMAS , Bioconductor, doi : 10.18129/b9.bioc.imas , consultado el 28 de junio de 2019
  62. ↑ Karim Mezhoud [Aut, Cre] (2017), bioCancer , Bioconductor, doi : 10.18129/b9.bioc.biocancer , consultado el 28 de junio de 2019
  63. ↑ Hernandez-Ferrer, Carles; Ruiz-Arenas, Carlos; Beltran-Gomila, Alba; González, Juan R. (17 de enero de 2017). "MultiDataSet: un paquete de R para encapsular múltiples conjuntos de datos con aplicación a la integración de datos ómicos" . BMC Bioinformatics . 18 (1): 36. doi : 10.1186/s12859-016-1455-1 . ISSN 1471-2105 . PMC 5240259. PMID 28095799 .   
  64. ↑ "Coseche los frutos de un motor de conocimiento biológico" . omicX . Consultado el 26 de junio de 2019 .
  65. ↑ Conesa, Ana; Dopazo, Joaquín; García-López, Federico; García-Alcalde, Fernando (1 de enero de 2011). "Paintomics: una herramienta web para la visualización conjunta de datos de transcriptómica y metabolómica" . Bioinformática . 27 (1): 137– 139. doi : 10.1093/bioinformatics/btq594 . ISSN 1367-4803 . PMC 3008637 . PMID 21098431 .   
  66. ↑ Conesa, Ana; Pappas, Georgios J.; Furió-Tarí, Pedro; Balzano-Nogueira, Leandro; Martínez-Mira, Carlos; Tarazona, Sonia; Hernández-de-Diego, Rafael (2 de julio de 2018). "PaintOmics 3: un recurso web para el análisis de rutas y visualización de datos multiómicos" . Investigación de ácidos nucleicos . 46 (W1): W503– W509. doi : 10.1093/nar/gky466 . ISSN 0305-1048 . PMC 6030972 . PMID 29800320 .   
  67. ↑ Chari, Raj; Coe, Bradley P.; Wedseltoft, Craig; Benetti, Marie; Wilson, Ian M.; Vucic, Emily A.; MacAulay, Calum; Ng, Raymond T.; Lam, Wan L. (7 de octubre de 2008). " SIGMA2: Un sistema para el análisis genómico multidimensional integrador de genomas, epigenomas y transcriptomas de cáncer" . BMC Bioinformatics . 9 (1): 422. doi : 10.1186/1471-2105-9-422 . ISSN 1471-2105 . PMC 2571113. PMID 18840289 .   
  68. ↑ Choi, Hyungwon; Ewing, Rob; Choi, Kwok Pui; Fermin, Damian; Koh, Hiromi WL (23 de julio de 2018). "iOmicsPASS: un nuevo método para la integración de datos multiómicos en redes biológicas y el descubrimiento de subredes predictivas". bioRxiv 10.1101/374520 . 
  69. ↑ Kanai, Masahiro; Maeda, Yuichi; Okada, Yukinori (19 de junio de 2018). "Grimon: interfaz gráfica para visualizar redes multiómicas" . Bioinformatics . 34 ( 22): 3934–3936 . doi : 10.1093/bioinformatics/bty488 . ISSN 1367-4803 . PMC 6223372. PMID 29931190 .   
  70. ↑ Su, Andrew I.; Loguercio, Salvatore; Carland, Tristan M.; Ducom, Jean-Christophe; Gioia, Louis; Meißner, Tobias; Fisch, Kathleen M. (1 de junio de 2015). "Omics Pipe: un marco basado en la comunidad para el análisis reproducible de datos multiómicos" . Bioinformatics . 31 ( 11): 1724– 1728. doi : 10.1093/bioinformatics/btv061 . ISSN 1367-4803 . PMC 4443682. PMID 25637560 .   
  71. ↑ Montague, Elizabeth; Stanberry, Larissa; Higdon, Roger; Janko, Imre; Lee, Elaine; Anderson, Nathaniel; Choiniere, John; Stewart, Elizabeth; Yandl, Gregory (junio de 2014). "MOPED 2.5: un recurso multiómico integrado: la base de datos de expresión de perfiles multiómicos ahora incluye datos transcriptómicos" . OMICS : A Journal of Integrative Biology . 18 (6): 335–343 . doi : 10.1089/omi.2014.0061 . ISSN 1536-2310 . PMC 4048574. PMID 24910945 .   
  72. ↑ Zhang, Bing; Wang, Jing; Straub, Peter; Vasaikar, Suhas V. (4 de enero de 2018). "LinkedOmics: análisis de datos multiómicos dentro y entre 32 tipos de cáncer" . Nucleic Acids Research . 46 (D1): D956– D963. doi : 10.1093 / nar/gkx1090 . ISSN 0305-1048 . PMC 5753188. PMID 29136207 .   
  73. ↑ "LinkedOmics :: Iniciar sesión" . www.linkedomics.org . Consultado el 26 de junio de 2019 . 
  74. ↑ Kan, Zhengyan; Rejto, Paul A.; Roberts, Peter; Ding, Ying; AChing, Keith; Wang, Kai; Deng, Shibing; Schefzick, Sabine; Estrella, Heather (enero de 2016). "OASIS: plataforma web para explorar datos multiómicos del cáncer". Nature Methods . 13 (1): 9– 10. doi : 10.1038/nmeth.3692 . ISSN 1548-7105 . PMID 26716558. S2CID 38621277 .   
  75. ^ Wu, Jiaqi; Hu, Shuofeng; Chen, Yaowen; Li, Zongcheng; Zhang, Jian; Yuan, Hanyu; Shi, Qiang; Shao, Ningsheng; Ying, Xiaomin (mayo de 2017). "BCIP: una plataforma centrada en genes para identificar posibles genes reguladores en el cáncer de mama" . Informes científicos . 7 (1) 45235. Código Bib : 2017NatSR...745235W . doi : 10.1038/srep45235 . ISSN 2045-2322 . PMC 5361122 . PMID 28327601 .   
  76. ↑ Husi, Holger; Patel, Alisha; Fernandes, Marco (12 de noviembre de 2018). "C/VDdb: Una base de datos de perfiles de expresión multiómica para un enfoque basado en el conocimiento en la enfermedad cardiovascular (ECV)" . PLOS ONE . 13 (11) e0207371. Bibcode : 2018PLoSO..1307371F . doi : 10.1371/ journal.pone.0207371 . ISSN 1932-6203 . PMC 6231654. PMID 30419069 .   
  77. ↑ Gupta, Amit Kumar; Kaur, Karambir; Rajput, Akanksha; Dhanda, Sandeep Kumar; Sehgal, Manika; Khan, Md. Shoaib; Monga, Isha; Dar, Showkat Ahmad; Singh, Sandeep (16 de septiembre de 2016). "ZikaVR: Un recurso integrado del virus Zika para genómica, proteómica, análisis filogenético y terapéutico" . Scientific Reports . 6 (1) 32713. Bibcode : 2016NatSR...632713G . doi : 10.1038/srep32713 . ISSN 2045-2322 . PMC 5025660. PMID 27633273 .   
  78. ↑ Tagkopoulos, Ilias; Violeta Zorraquino; Rai, Navneet; Kim, Minseung (7 de octubre de 2016). "La integración multiómica predice con precisión el estado celular en condiciones inexploradas para Escherichia coli" . Nature Communications . 7 13090. Bibcode : 2016NatCo...713090K . doi : 10.1038/ncomms13090 . ISSN 2041-1723 . PMC 5059772. PMID 27713404 .   
  79. ↑ Li, Guojing; Lu, Zhongfu; Lin, Jiandong; Hu, Yaowen; Yunping Huang; Wang, Baogen; Wu, Xinyi; Wu, Xiaohua; Xu, Pei (26 de febrero de 2018). "GourdBase: una base de datos multiómica centrada en el genoma para la calabaza de botella (Lagenaria siceraria), un cultivo de cucurbitáceas de importancia económica" . Scientific Reports . 8 (1): 3604. Bibcode : 2018NatSR...8.3604W . doi : 10.1038/ s41598-018-22007-3 . ISSN 2045-2322 . PMC 5827520. PMID 29483591 .   
  80. ^ Liu, Haijun; Wang, Fan; Xiao, Yingjie; Tian, ​​Zonglin; Wen, Weiwei; Zhang, Xuehai; Chen, Xi; Liu, Nannan; Li, Wenqiang (2016). "MODEM: minería y envolvente de datos multiómicos en maíz" . Base de datos . 2016 baw117. doi : 10.1093/base de datos/baw117 . ISSN 1758-0463 . PMC 4976297 . PMID 27504011 .   
  81. ↑ Xu, Dong; Nguyen, Henry T.; Stacey, Gary; Gaudiello, Eric C.; Endacott, Ryan Z.; Zhang, Hongxin; Liu, Yang; Chen, Shiyuan; Fitzpatrick, Michael R. (1 de enero de 2014). "Base de conocimiento de la soja (SoyKB): un recurso web para la integración de la genómica traslacional de la soja y el mejoramiento molecular" . Nucleic Acids Research . 42 (D1): D1245– D1252. doi : 10.1093/nar/gkt905 . ISSN 0305-1048 . PMC 3965117. PMID 24136998 .   
  82. ↑ Samaras, Patroklos; Schmidt, Tobias; Frejno, Martin; Gessulat, Siegfried; Reinecke, Maria; Jarzab, Anna; Zecha, Jana; Mergner, Julia; Giansanti, Piero; Ehrlich, Hans-Christian; Aiche, Stephan (8 de enero de 2020). "ProteomicsDB: un recurso multiómico y multiorganismo para la investigación en ciencias de la vida" . Nucleic Acids Research . 48 (D1): D1153– D1163. doi : 10.1093 / nar/gkz974 . ISSN 0305-1048 . PMC 7145565. PMID 31665479 .   
Lecturas relacionadas
6 articulos
ÓmicaÓmicaDiagrama que ilustra la genómica Las ramas de la ciencia conocidas informalmente como ómicas son varias disciplinas en biología cuyos nombres termi...BiotecnologíaBiotecnologíaLa biotecnología es un campo multidisciplinario que implica la integración de las ciencias naturales y las ciencias de la ingeniería con el fin de ...ÓmicasÓmicasLa ómica es la caracterización y cuantificación colectiva de conjuntos completos de moléculas biológicas y la investigación de cómo se traducen en ...GenomaGenomaUna imagen de los 46 cromosomas que componen el genoma diploide de un varón humano (no se muestran los cromosomas mitocondriales). En los campos de...EpigenomeEpigenomeIn biology, the epigenome of an organism is the collection of chemical changes to its DNA and histone proteins that affects when, where, and how th...TranscriptomaTranscriptomaEl transcriptoma es el conjunto de todos los transcritos de ARN , tanto codificantes como no codificantes , presentes en un individuo o en una pobl...