Cellen zijn complexe entiteiten waarin DNA, RNA, eiwitten en metabolieten samen de cellulaire functie en complexiteit orkestreren. Het samen profileren van meerdere moleculaire lagen biedt een holistisch beeld van de regelgevingsprogramma's in de cel, maar het benutten van deze informatie vereist robuuste data-integratiestrategieën. Dergelijke strategieën hebben al geresulteerd in aanzienlijke vooruitgang in ons begrip van genregulatie, bijvoorbeeld door de voorspelling van genregulatorische netwerken op basis van omics data. Maar hoewel metabolieten intrinsiek een fenotypische uitlezing van regulerende paden in de cel vertegenwoordigen en betrokken zijn bij interacties met zowel DNA als eiwitten, is er momenteel een gebrek aan datagedreven, interpreteerbare data-integratiestrategieën die de opname van metabolieten in geïntegreerde genregulatorische netwerken toelaten. We streven er daarom naar om de multi-omics module-netwerkinferentiemethode LemonTree aan te passen en uit te breiden naar LemonIte (LemonTree voor metabolieten), die vermoedelijke regulerende metabolieten en transcriptiefactoren van gen-co-expressiemodules zal identificeren door gekoppelde transcriptomics- en metabolomics-gegevens op een interpreteerbare manier te integreren. We zullen dit toepassen op glioblastoom en inflammatoire darmziekten, waarvoor gekoppelde transcriptomics- en metabolomics-gegevens beschikbaar zijn voor grote cohorten. We zullen verder trachten om genmodules en hun regulatoren te rangschikken door middel van functionele annotatieverrijkingsanalyse en het opnemen van orthogonale informatie over eiwit-eiwit, eiwit-metaboliet en metabolische paden. Ten slotte willen we de potentiële regulerende rol van metabolieten experimenteel valideren in in vitro experimenten.