Améliorez l’agilité et la rapidité de vos recherches sur le développement de médicaments
Français
Imaginez ceci : votre équipe dispose d’excellentes données in silico indiquant qu’un nouveau composé que votre entreprise est en train de développer inhibe un facteur de croissance particulier. Vous êtes chargé de fournir un rapport résumant le modèle d’expression des gènes liés à ce facteur dans différents tissus et à travers les maladies. Votre mission est claire : trouver des preuves expérimentales de l’activité transcriptionnelle de ce facteur de croissance dans le contexte d’une maladie ou d’un traitement, et résumer la spécificité tissulaire.
Vous commencez par rechercher des référentiels de données omiques publics pour trouver des ensembles de données éventuellement pertinents, mais c’est comme chercher une aiguille dans une botte de foin. Il manque des métadonnées, des conditions expérimentales peu claires et des termes incohérents. Les métadonnées sont si peu claires que vous devez supprimer ensemble de données après ensemble de données.
Vous parcourez des dizaines d’ensembles de données publics un par un juste pour collecter quelques analyses comparables, passant plusieurs mois de récupération quotidienne de données, de nettoyage, de tri et de catégorisation des étiquettes pour chaque échantillon. Enfin, vous avez une collection soutenant votre gène dans le contexte d’une maladie neurologique. Pourtant, lorsque vous examinez les données par rapport aux publications sources, vous constatez que de nombreuses expériences ont été réalisées dans des conditions entièrement différentes et que beaucoup ne sont pas pertinentes.
Deux pas en avant et un pas en arrière
Les mois ont passé et votre rapport est encore plein de trous. Avec le sentiment tenace d’avoir laissé tomber vos parties prenantes, vous n’avez d’autre choix que de demander un délai prolongé. Ensuite, vous revenez à votre point de départ et essayez de combler les lacunes. Frustré et déçu, vous vous dites : « ai-je travaillé pendant des années pour obtenir mon doctorat et passer le plus clair de mon temps à rechercher et à nettoyer des données ?
Se sentir comme un esclave de la gestion des données ‘omiques
Si vous êtes un bioinformaticien ou un scientifique des données travaillant dans l’industrie pharmaceutique, ce scénario peut vous sembler familier. Vous avez besoin de données « omiques » pour vous aider à générer de nouvelles hypothèses de haute qualité que vos collègues R&D pourront explorer. Votre organisation doit rester en avance sur vos concurrents, elle a donc besoin de vous pour développer des hypothèses rapidement et efficacement.
L’accès flexible aux données est un moyen d’y parvenir. Pourtant, vous consacrez du temps, de l’argent et des ressources aux avantages d’un accès flexible aux données. Vous devez investir massivement pour maintenir votre infrastructure de données et rechercher avec soin et cohérence de nouvelles données à ajouter afin de pouvoir effectuer les requêtes à grande échelle requises pour vos projets. Pire encore, les lacunes et les incohérences dans les métadonnées des ensembles de données renvoient souvent des résultats trompeurs qui pourraient avoir un impact négatif sur votre recherche. Même les consortiums précieux deviennent obsolètes en raison de la douleur nécessaire pour ingérer et unifier les dernières mises à jour dans vos schémas.
Adieu la gestion des données omiques, bonjour des informations uniques et fiables
Et si vous n’a plus eu à récupérer, ingérer et maintenir des bases de données contenant des données omiques publiques criblées d’incohérences ? Comment pourriez-vous réinvestir votre temps dans des tâches utiles pour accélérer les initiatives de R&D ? Et si vous disposiez d’un accès flexible à des bases de données complètes, structurées et hautement granulaires de données omiques intégrées et pertinentes pour la maladie, collectées à partir de milliers de publications ?
Nous parions que vous vous sentirez habilité à approfondir les questions de recherche. Vous auriez plus de temps pour vous concentrer sur la science derrière les données plutôt que de localiser les données, d’examiner leur qualité et de nettoyer les diverses incohérences de métadonnées. Au lieu de passer du temps à ingérer et à nettoyer des données, vous seriez en mesure de fournir plus rapidement des rapports fiables remplis d’informations uniques et précieuses avec lesquelles vos collègues R&D pourraient travailler.
Présentation de l’accès API flexible aux données QIAGEN OmicSoft Land
Avec un accès API à la sélection manuelle Données omiques intégrées QIAGEN OmicSoftvous surmonterez les obstacles liés aux données omiques publiques pour favoriser facilement de nouvelles découvertes et validations dans le développement de médicaments. Notre processus de curation fournit des métadonnées cohérentes et étendues à travers les ensembles de données et garantit des informations fiables. Cela vous permet d’effectuer des requêtes efficaces, efficaces et ciblées de tranches de données dans notre base de données pré-structurée.
API QIAGEN OmicSoft offre un accès à des données et métadonnées hautement structurées dans OmicSoft Lands (Figures 1 et 2). L’accès à l’API vous permet d’effectuer des requêtes multi-omiques inter-bases de données volumineuses et complexes sans maintenir votre propre base de données. Vous pouvez également explorer les données via des exportations de fichiers vers votre propre base de données ou une interface graphique pour la visualisation ‘omics.
Figure 1. Livraison complète des données via des fichiers plats pour les data scientists. Le format de fichier plat est idéal pour l’intégration dans des bases de données internes, l’analyse intégrative programmatique à haut débit et les applications d’apprentissage automatique. Les avantages sont l’exportation hautement structurée de toutes les données et métadonnées dans QIAGEN OmicSoft Lands, les tableaux de données omiques et les résultats de comparaison ainsi que les métadonnées.
QIAGEN
Figure 2. Contenu de QIAGEN OmicSoft Land disponible via un accès programmatique. Explorez plus de 650 000 échantillons parmi des centaines de maladies, de tissus et de types de cellules. Trouvez tous les ensembles de données avec des critères correspondants et téléchargez les résultats ‘omiques de tous les échantillons correspondants.
QIAGEN
L’API QIAGEN OmicSoft est idéale pour l’interrogation interactive et programmatique des données pour les applications d’analyse intégrative et d’apprentissage automatique. Vous pouvez l’utiliser pour identifier et télécharger l’expression au niveau cellulaire de tous les projets d’ARN-seq à cellule unique organisés, y compris des types de cellules spécifiques (Figure 3) ou pour identifier les signatures génétiques potentielles dans les lignées cellulaires (Figure 4).
Figure 3. Graphique en violon des données d’ARN-seq unicellulaire de QIAGEN OmicSoft Single Cell Lands, récupérées à l’aide des API OmicSoft Land. Les données normalisées RPM au niveau du gène pour CD8A ont été récupérées pour tous les types de cellules sélectionnées correspondant à la «cellule T» de tout tissu mammaire ou pulmonaire avec une maladie annotée «cancer» ou «carcinome».
QIAGEN
Figure 4. Exemple d’une requête simple que vous pouvez effectuer avec l’API OmicSoft Lands, en recherchant les principaux gènes co-exprimés avec SERPINB7 dans Cancer Cell Line Encyclopedia (CCLE).
QIAGEN
Entrer en contact
En savoir plus sur les collections de données ‘omiques intégrées dans notre QIAGEN OmicSoft MaladieTerre, OncoLand et Terrain unicellulaire, qui offrent désormais un accès API flexible pour permettre vos requêtes complexes à grande échelle. Vous avez des questions ou des projets de recherche dont vous aimeriez discuter? Demander une consultation afin que nous puissions vous aider à trouver le bon type d’accès et de collecte de données ‘omiques pour vos objectifs de recherche. Contactez-nous au [email protected] pour discuter de vos besoins spécifiques en matière de recherche.
