HC 1 - Integrative Omics

Question 1

Methodologisch reductionisme

Answer 1

Proberen het systeem in individuele delen en interacties te verklaren
> probleem: in de biologie lastig transponeerbaar

Question 2

Systeembiologie

Answer 2

Holistische aanpak, alle gereduceerde componenten worden samengebracht en kijken hoe deze samenwerken (interacties tussen systemen)

Question 3

In silico is een belangrijk model voor systeembiologie door de complexiteit ervan voor het meten. Waarop is in silico gebaseerd?

Answer 3

Op voorspellingen aan de hand van data

Question 4

Waarom is reductionisme nodig voor de systeembiologie

Answer 4

Validatie is nodig op reductionistisch niveau
> systeembiologie is strict afhankelijk van reductionistisch onderzoek om de details van bezittingen voor reconstructie van systemen.

Question 5

Methodologisch reductionisme; inductieve redenatie

Answer 5

Vanuit geobserveerde experimentele data > algemene aanname > toepassen op niet geobserveerde fenomen
- vaker kwalitatief onderzoek

Question 6

Welke aanname is belangrijk bij inductieve redenatie?

Answer 6

Dat de data leidend is

Question 7

Deductieve redenatie

Answer 7

Op basis van een theorie een hypothese maken en een experiment opzetten die de hypothese al dan niet falsificeert.
-Popper: hypothese kan nooit geverifieerd worden alleen maar gefalsificeert
-Hoe meer tests de hypothese overleeft zonder falsificatie, hoe aannemelijker

Question 8

Conjecture

Answer 8

Uit een patroon op basis van correlatie een hypothese opstellen > hiermee kun je geen causaliteit aantonen, daarvoor moet perturbatie worden gedaan (experiment nodig)

Question 9

Verschil conjecture en theorie

Answer 9

Conjecture: op basis van correlatiepatroon
Theorie: op basis van test of vooringenomen kennis

Question 10

Traditionele onderzoeksmethode (eerste dimensie)

Answer 10

-Hypothese-gedreven deductie
-Occam’s Razor

Question 11

Occam’s Razor

Answer 11

De meest simpele verklaring voor een fenomeen is meestal de juiste, op deze manier wordt in de eerste dimensie nieuwe hypotheses en experimenten opgesteld

Question 12

Data-mining-inspired induction (tweede dimensie onderzoeksmethode)

Answer 12

• Data verkrijgen en uit de patronen een hypothese opstellen > alleen correlatie aantonen
  -Omics approach: data interpretatie naar een hoger niveau tillen om nieuwe inzichten op zichzelf te onthullen
  -Next-level inductive reasoning (enige keer dat dit goed is)

Question 13

Correlatie kan nooit de causaliteit vervangen: wat is er nodig om causaliteit aan te tonen?

Answer 13

Real life setting experiment (kan niet met computers) > bv knockouts

Question 14

Wat word er als eerste gedaan bij tweede dimensie onderzoek?

Answer 14

Cellijnen maken en omics data verkrijgen om hierover een hypothese met klinische impact te vormen op basis van correlaties en validatie ervan via real life experiment
> bv multiple myeloma cellen met hyperactieve pathway > Akt remt FOXO via fosforylatie (kern uit) en FOXO activeert genen voor anti-deling > aantonen causaliteit in experiment (knockout Crispr-Cas9) > hypothese: FOXO fosforylatie veroorzaakt Akt hyperactivatie > transcriptomics uitvoeren met FOXO ko en Akt inhibitor combinatiegroepen

Question 15

Gene set enrichment analysis (GSEA) bij transcriptomics (genexpressie)

Answer 15

Genen worden gerangschikt op verschil tussen de fenotypes die worden getest, bovenin komen dan dus genen met hoge associatie met het fenotype (leading edge subset)
> lijst aflopen en kijken of je een gen tegenkomt die hoort bij een proces bv glycolyse en dan een positieve waarde noteren, kom je een ander tegen dan negatieve waarde: running sum statistics
> plot de running sum: ES (enrichment) values
> normaliseren voor gene set size: NES waarden
> de cutoff: FDR (proportion of false positives): <0.25, resultaat 3/4 betrouwbaar

Question 16

Een pathway kan bij elkaar veel invloed hebben op het fenotype ondanks

Answer 16

Lage individuele differentiewaarden in genexpressie

Question 17

Clinical relevance bepalen van een set genen (bv FOXO dependent genes)

Answer 17

-Clusteren op basis van genexpressie, in alle X dimensies voor Y aantal genen wordt algemene gelijkenis tussen patients bepaald

Question 18

K-means clustering machine learning

Answer 18

Verdeling maken op basis van de genen > de meest gelijke patients samenvoegen
1. Random aantal (k) means worden geselecteerd in de data
2. k clusters worden geassocieerd met dichstbijzijnde mean
3. centroid van elk van de k clusters worden de nieuwe means
4. convergence door stap 2 en 3 te herhalen.

Question 19

Wat wordt er gedaan na clinical relevance bepalen?

Answer 19

De patients bepalen die het meeste baat hebben bij de behandeling en deze meenemen in een clinical trial met remmers

Question 20

GSEA kan … identificeren

Answer 20

upgereguleerde pathways

Question 21

Stel GSEA ontdekt dat IGF1 pathway is upgereguleerd bij de remmers voor de Akt (kinase, die FOXO fosforyleert). Wat nu?

Answer 21

Nieuwe hypothese, en combinatie therapie met IGF1R remmers

Question 22

Synergie

Answer 22

Een effect dat ontstaat door een combinatie van toepassingen

Question 23

Third dimension of scientific method: Allochtonous reasoning

Answer 23

-Wisselwerking tussen wiskunde
-Allochtonous: buiten de comfortzone van iemand

Question 24

Stappenplan allochtonous reasoning

Answer 24

1. Identificeren van fenomeen van interesse
2. Data verzamelen (kan omics) (data-mining-inspired)
3. Systeem simpel proberen te maken (afhankelijkheidsdiagram maken)
4. Maken boxes and arrows diagram van fenomeen en context
5. Bepaal hoe elke component wiskundig kan worden omgezet (halfwaardetijd, expressiewaardes)
6. Parameters bepalen voor voorspelling > formules maken > voorspellen hoe een cel reageert in silico
7. wiskundige resultaten terugvertalen: wat betekent het in biologie?

Question 25

Nadeel in silico

Answer 25

Er is niet genoeg data beschikbare van basale concepten (halfwaardetijd bv) om het wiskundig op te kunnen stellen

Question 26

Nadeel oversimplificeren

Answer 26

Het is niet meer de waarheid

Question 27

Eis aan de parameters in silico

Answer 27

Ze moeten experimenteel gemeten of gefit kunnen worden

Question 28

Parameter fitting

Answer 28

De parameters moeten het beste passen bij de twee uitkomsten die je hebt (voor en na-value > miljoenen scenario’s waaruit de computer de beste kiest > kan ook biologisch onmogelijk zijn: nadeel)

Question 29

Overfitting en underfitting bij parameter fitting

Answer 29

-Overfitting: meer parameters dan gerechtvaardigd door de data > noise is geïnterpreteerd als een structuur > violation Occam’s Razor.
-Underfitting: er missen parameters

Question 30

Waarom in silico?

Answer 30

Omdat een systeem te complex kan zijn om in vitro te simuleren
> bv germinal center reacties in het veroorzaken van lymfoom > zijn er targets te onderscheiden?

Question 31

Wat zijn master regulator transcriptiefactoren?

Answer 31

De TF’s die genexpressie bepalen en worden bepaald door cellulaire interacties > dit bepaalt het fenotype

Question 32

Wat wordt er gedaan met het afhankelijkheidsdiagram?

Answer 32

Er worden differentiaalvergelijkingen opgesteld op basis van afhankelijkheidsdiagrem (pijlenschema) op basis van literatuur, dit is puur hypothetisch.
> parameters zoeken die eindwaarden kunnen voorspellen door het toepassen op de beginwaarden
> parameters kunnen veranderen want de differentiaalvergelijkingen en cosntanten zijn fictief en voorspellingen

Question 33

In silico wordt gebruikt om met een complex systeem …

Answer 33

een hypothese te ontwikkelen om die in vitro/ in vivo te testen

Question 34

Multidimensionele onderzoeksmethode: wat te doen met resultaten en probleem van inductie

Answer 34

-Biologische kennis is nodig voor observatie, experimentatie en interpretatie
> nieuwe onderzoeksvraag maken (langzaam en biased door persoonlijke hypothese uit literatuur)
> uit big data/mathemathische modelling / allochtone redenatie: verkrijgen geen universele waarheid: acceptatie van inductieve redenatie

Question 35

Alle dimensies van onderzoek kunnen … worden gebruikt

Answer 35

synergetisch

Question 36

Principe agent-based modelling

Answer 36

Representeren van discrete biologische processen als gecompartimentiseerd (spatiaal gedefinieerde) modellen –> emulatie
> interacties met omgeving simuleren: in silico model van een cel in context
> modelleren single cell behavior in bv GC environment (waar klasseswitch en affiniteitsmaturatie plaatsvindt in lymfeknoop)

Question 37

Voordelen synergetische blending (multidimensionele onderzoek), nadelen aparte dimensies

Answer 37

-Dimensie 1: filosofisch clean maar confounded door aannames
-Dimensie 2: handig voor grote ruimes exploreren maar kan geen universele waarheid bieden
-Dimensie 3: precies en falsificeerbaar, snel en goedkoop, maar geen sterke standaard opererende procedures

Question 38

Wet-lab perspective en gneeric recommendations

Answer 38

1. start met big data
2. bepaal associaties en correlaties
3. mathematisch: filteren fake correlaties
4. iteratief (ga terug naar 1)
5. overlevende associaties zijn kandidaten voor verdere experimentele/computionele testing
   wet lab perspective; de uiteindelijk overlevende hypotheses meoten getest worden voor validiteit in conventionele experimenten