Nuevas aplicaciones ayudan a los investigadores con análisis estadísticos de datos

Es un signo de los tiempos: una tienda de aplicaciones para entusiastas de las ómicas. El Portal de análisis multiómicos (MAP) a finales de 2024 será una ventanilla única para aplicaciones informáticas capaces de dar sentido a diversos y vastos datos ómicos. Genómica, proteómica, lipidómica, transcriptómica: todas son bienvenidas.

La científica de datos Lisa Bramer y la bioestadística Kelly Stratton, del Laboratorio Nacional del Noroeste del Pacífico (PNNL) y del Laboratorio de Ciencias Moleculares Ambientales, comenzaron a desarrollar la tienda hace unos años. El equipo ha lanzado versiones beta de dos aplicaciones hasta ahora y anticipan agregar cuatro más para fin de año.

«Estamos intentando crear algo accesible pero escalable», dijo Bramer. «El objetivo no es agregar capacidades en una única aplicación de gran tamaño cada vez que necesitamos incorporar una nueva herramienta, un nuevo instrumento o una nueva técnica. En cambio, podemos crear estas aplicaciones más pequeñas y de menor tamaño y ponerlas todas en un solo lugar. para que los investigadores puedan obtener más fácilmente los datos de manera temprana y frecuente».

Sneha Couvillion, investigadora biomédica de PNNL, es una de las primeras en adoptar y fanática de la tienda MAP.

«Me encanta. Es una gran herramienta para que alguien que no sea estadístico como yo haga un análisis estadístico básico de sus datos», dijo Couvillion. Ha sido especialmente útil, afirma, para estudios más pequeños en los que desea echar un vistazo rápido a los datos antes de decidir cómo proceder.

En el mundo académico, añade, «…tener un equipo de bioestadísticos no es típico. Ése es un lujo que tenemos en PNNL». Pero incluso con un equipo de ellos, afirma, la cola para el análisis de datos puede tener una copia de seguridad. Con MAP y sus aplicaciones, los investigadores ahora pueden sumergirse en los datos por su cuenta, tantas veces como quieran. Si necesitan análisis adicionales, pueden recurrir a un bioestadístico para que los ayude.

«Es una mejora del proceso, además de ser un conjunto de herramientas», afirma Bramer. «Por lo general, los experimentos irían desde el diseño hasta la mesa, los instrumentos y el análisis de datos, y el investigador no vería los datos hasta que un bioestadístico pudiera revisarlos con ellos».

Con PMart, una de las aplicaciones de MAP, a Couvillion le lleva sólo media hora pasar de los datos sin procesar a las estadísticas finales con un conjunto de datos simple. Esto le permite reflexionar sobre la información y decidir los próximos pasos, generalmente avanzando hacia un experimento mucho más grande y diseñado de manera más precisa gracias a los datos iniciales.

A lo largo de los años, la visualización ha sido una adición importante al análisis de datos. Algunas personas prefieren listas o filas de texto, mientras que otras prefieren imágenes. Antes de la visualización, estos últimos estaban en un aprieto y (probablemente) tenían más dificultades para dar sentido a sus datos.

La herramienta PMart se amplió para procesar ómicas generales y tipos de datos adicionales con el apoyo del Programa de Investigación y Desarrollo Dirigido por Laboratorio de PNNL. La herramienta ahora realiza control de calidad y prepara datos para comparaciones estadísticas. También incluye prácticas visualizaciones de resumen, todas las cuales se pueden descargar y guardar individualmente para informes e incluso incluir comandos computacionales que un estadístico puede reproducir. Esto es especialmente útil para cualquier miembro de la comunidad científica que utilice aplicaciones en MAP pero quiera o necesite llevar los análisis un paso más allá con un experto en estadística.

Además, las aplicaciones pueden transferir datos entre ellas para análisis adicionales. PMart, por ejemplo, puede producir tipos de datos que van a una segunda aplicación conocida como MODE.

MODE es excepcional a la hora de encontrar tendencias y crear presentaciones visuales interactivas. A diferencia de los gráficos de resumen tradicionales, como el análisis de componentes principales, que pueden omitir mostrar información y hallazgos importantes, MODE presenta una visualización detallada de cada biomolécula medida y analizada y ayuda a priorizar los hallazgos para que el usuario los investigue.