Nowadays, large amounts of omics data have been generated and contributed to increasing knowledge about associated biological mechanisms. A new challenge coming along is how to identify the active pathways and extract useful insights from these data with huge background information and noise. Although biologically meaningful modules can often be detected by many existing informatics tools, it is still hard to interpret or make use of the results towards in silico hypothesis generation and testing. To address this gap, we previously developed the IMPRes (Integrative MultiOmics Pathway Resolution) v 1.0 algorithm, a new step-wise active pathway detection method using a dynamic programming approach. This approach enables the network detection one step at a time, making it easy for researchers to trace the pathways, and leading to more accurate drug design and more effective treatment strategies. In this paper, we present IMPRes-Pro, an enhancement to IMPRes v1.0 by integrating proteomics data along with transcriptomics data and constructing a heterogeneous background network. The evaluation experiment conducted on human primary breast cancer dataset has shown the advantage over the original IMPRes v1.0 method. Furthermore, a case study on human metastatic breast cancer dataset was performed and we have provided several insights regarding the selection of optimal therapy strategy. IMPRes-Pro algorithm and visualization tool is available as a web service at http://digbio.missouri.edu/impres.

中文翻译：

---

IMPres-Pro：一种用于计算机假设生成的高维多组学集成方法

如今，已经产生了大量的组学数据，并有助于增加有关相关生物学机制的知识。一个新的挑战是如何识别活跃的通路，并从这些具有大量背景信息和噪音的数据中提取有用的见解。尽管许多现有的信息学工具通常可以检测到具有生物学意义的模块，但仍然很难解释或利用结果进行计算机假设生成和测试。为了弥补这一差距，我们之前开发了 IMPres（综合多组学通路解析）v 1.0 算法，这是一种使用动态规划方法的新的逐步主动通路检测方法。这种方法使网络检测一步一步地进行，使研究人员可以轻松地追踪路径，并导致更准确的药物设计和更有效的治疗策略。在本文中，我们通过整合蛋白质组学数据和转录组学数据并构建异构背景网络来介绍 IMPres-Pro，这是对 IMPres v1.0 的增强。在人类原发性乳腺癌数据集上进行的评估实验显示出优于原始 IMPres v1.0 方法的优势。此外，对人类转移性乳腺癌数据集进行了案例研究，我们提供了一些关于选择最佳治疗策略的见解。IMPres-Pro 算法和可视化工具可作为 Web 服务在 http://digbio.missouri.edu/impres 上使用。0 通过整合蛋白质组学数据和转录组学数据并构建异构背景网络。在人类原发性乳腺癌数据集上进行的评估实验显示出优于原始 IMPres v1.0 方法的优势。此外，对人类转移性乳腺癌数据集进行了案例研究，我们提供了一些关于选择最佳治疗策略的见解。IMPres-Pro 算法和可视化工具可作为 Web 服务在 http://digbio.missouri.edu/impres 上使用。0 通过整合蛋白质组学数据和转录组学数据并构建异构背景网络。在人类原发性乳腺癌数据集上进行的评估实验显示出优于原始 IMPres v1.0 方法的优势。此外，对人类转移性乳腺癌数据集进行了案例研究，我们提供了一些关于选择最佳治疗策略的见解。IMPres-Pro 算法和可视化工具可作为 Web 服务在 http://digbio.missouri.edu/impres 上使用。对人类转移性乳腺癌数据集进行了案例研究，我们提供了一些关于选择最佳治疗策略的见解。IMPres-Pro 算法和可视化工具可作为 Web 服务在 http://digbio.missouri.edu/impres 上使用。对人类转移性乳腺癌数据集进行了案例研究，我们提供了一些关于选择最佳治疗策略的见解。IMPres-Pro 算法和可视化工具可作为 Web 服务在 http://digbio.missouri.edu/impres 上使用。