Analyse av kovariasjonsmønstre i genekspresjonsdata og FT-IR spektra
Målet med dette studiet var å bruke Partial Least Squares Regression (PLSR) for å detektere og tolke korrelasjonsmønstre i flere store datamatriser fra det samme biologiske systemet. For å gjøre dette brukte vi DNA mikroarraydata og Fourier Transform Infrared (FT_IR) spektra fra et designet forsøk hvor Campylobacter jejuni ble eksponert for miljørelaterte stressbetingelser. Det eksperimentelle designer inneholdt variasjoner i atmosfæriske betingelser, temperatur og tid. PLSR ble først brukt for å analysere hver av de to datatypene separat for å undersøke hvilken effekt det eksperimentelle designet hadde på dataene. Resultatene viste at både genekspresjonsdataene og FT-IR spektrene var påvirket av variasjoner i både atmosfære, temperatur og tid, men at effekten var forskjellig for de to datasettene. Da DNA mikroarraydataene og FT-IR spektrene ble linket sammen ved PLSR ble det funnet kovariasjon som følge av temperatur. Både spesifikke gener og deler av FT-IR spektrene som var påvirket av variasjonen i temperatur ble funnet, og noen av disse var kanskje koblet til egenskaper i celleveggen i bakteriene. Resultatene i denne studien viser at PLSR har et potensiale for undersøkelse av kovariasjon i biologiske data. Ved å gjøre dette kan man finne og tolke verdifull informasjon om det aktuelle biologiske systemet. Det ble også vist at FT-IR spektroskopi ga viktig informasjon om stressresponsene i bakteriene, informasjon som ikke kunne detekteres ved DNA microarray data.
Nytteverdi for næringsmiddelindustrien: Dette er et bidrag til en økt forståelse for hvordan Campylobacter jejuni overlever i mat og dermed bedre mulighet for å begrense forekomsten av denne patogene bakterien i næringsmidler.
