Omics data such as transcriptomics and proteomics have become essential for studying biology, and multi-omics approaches that profile entire systems are transformative for medical research. However, bringing together different data types remains a major challenge in extracting biologically meaningful information, with current methods often optimised with in-vitro systems. These approaches scale poorly to human studies. This project will develop and validate a robust multi-omics integration strategy using LifeLines-DEEP, benchmarking methods on a training subset of the cohort and applying them to a held-out test set to identify microbiome–metabolite–immune associations relevant to neurological diseases and mental illness.
Dutch translation below (AI generated, apologies if any errors).
Omics-data zoals transcriptomics en proteomics zijn essentieel geworden voor het bestuderen van de biologie, en multi-omics benaderingen die hele systemen in kaart brengen zijn transformerend voor medisch onderzoek. Het samenbrengen van verschillende datatypen blijft echter een grote uitdaging bij het extraheren van biologisch relevante informatie, aangezien huidige methoden vaak zijn geoptimaliseerd in in-vitro systemen. Deze benaderingen schalen slecht naar humane studies. Dit project zal een robuuste multi-omics integratiestrategie ontwikkelen en valideren met behulp van LifeLines-DEEP, waarbij methoden worden gebenchmarkt op een trainingssubset van het cohort en vervolgens worden toegepast op een aparte testset om microbiome–metaboliet–immuunassociaties te identificeren die relevant zijn voor neurologische ziekten en psychische aandoeningen.