[论文解读] BioStatFlow -Statistical Analysis Workflow for "Omics" Data

Daniel Jacob, Catherine Deborde+1 more|arXiv (Cornell University)|Jul 9, 2020

Metabolomics and Mass Spectrometry Studies参考文献 7被引用 4

一句话总结

BioStatFlow 是一款免费、用户友好的网络应用程序，使没有高级统计专业知识的生物学家能够通过基于 R 的工作流程执行端到端的 '组学' 数据分析。它引导用户完成归一化、填补缺失值、单变量和多变量分析以及网络可视化，输出结果可轻松保存或下载。

ABSTRACT

BioStatFlow is a free web application, useful to facilitate the performance of statistical analyses of "omics", including metabolomics, data using R packages. It is a fast and easy on-line tool for biologists who are not experts in univariate and multivariate statistics, do not have time to learn R language, and only have basic notions in biostatistics. It guides the biologist through the different steps of a statistical workflow, from data normalization and imputation of missing data to univariate and multivariate analyses. It also includes tools to reconstruct and visualize networks based on correlations. All outputs are easily saved in a session or downloaded. New analytical modules can be easily included upon request. BioStatFlow is available online: http://biostatflow.org

研究动机与目标

• 解决缺乏高级统计培训的生物学家在 '组学' 数据分析中面临的统计挑战。
• 提供一种简化且交互式的工作流程，引导非专家用户完成复杂的统计程序。
• 降低在代谢组学及类似领域中学习 R 编程和多变量统计的难度。
• 通过便捷的导出和保存功能，实现可重复和可共享的分析会话。
• 通过允许根据需求添加新分析模块，支持可扩展性。

提出的方法

• 利用现有的 R 包在基于网络的界面中执行统计操作。
• 实施分步工作流程，引导用户从数据导入到最终可视化。
• 使用既定的统计方法自动完成数据归一化和缺失值填补。
• 集成单变量检验（例如 t 检验、方差分析）和多变量技术（例如主成分分析、偏最小二乘判别分析），用于 '组学' 数据。
• 支持基于相关性的网络重构与可视化，以获得生物学洞察。
• 存储分析会话，并支持以多种格式导出结果，以确保可重复性。

实验结果

研究问题

• RQ1 非专家生物学家如何在不学习 R 的情况下对 '组学' 数据执行稳健的统计分析？
• RQ2 何种工作流程设计能够在保持统计严谨性的同时，最大化代谢组学及类似 '组学' 领域的可用性？
• RQ3 基于网络的界面能否有效封装复杂的基于 R 的统计分析管道，供非程序员使用？
• RQ4 如何在非专家用户中增强生物数据分析的可重复性和数据共享？
• RQ5 可扩展模块在 '组学' 数据统一分析平台中可集成到何种程度？

主要发现

• BioStatFlow 有效使仅具备最少统计培训的生物学家能够通过引导式网络界面执行全面的 '组学' 数据分析。
• 该应用程序支持关键分析步骤，包括数据归一化、填补缺失值、单变量和多变量检验，以及网络可视化。
• 所有输出均持久保存在会话中或可下载，支持可重复性和协作。
• 该平台具有可扩展性，允许根据需求添加新分析模块，从而增强长期实用性。
• 该工具通过将复杂的 R 代码抽象为直观界面，显著降低了 '组学' 研究中统计分析的入门门槛。
• 该应用程序在提供的网址处公开可用，确保了生命科学领域研究人员的广泛可及性。