Nowadays, a huge amount of data has being collected in different research areas, such as public health, agriculture, marketing, so high-dimension databases are becoming very common to encounter. More specifically, with the advance of technology many biological information are now available at low costs -- data from genome, miRNA (MicroRNA), mRNA (messenger RNA), gene expression, protein, methylation, lipids, metabolism, phenotypes and so on. Several different studies have been done individually with each type of data, but more recently there is an increasingly interest in integrating different data to gather more information. However, many classical methodologies used to this end assume the data matrix to be completed and numerical. Therefore, the heterogeneity of dataset with different variable types is not considered. Alternatively, the Generalized Low Rank Models (GLRM) is a tool capable of dealing with large datasets of heterogeneous data. Although its use is destined for a single database, this projects shows that it is flexible enough to handle abstract data, from different sources, by using different loss functions, adequate to each variable type. GLRM is a very powerful method that can deal with problems from different natures, but it is very recent, so its potential to work with multi-omics is still being discovered. In this context, the present work introduces GLRM and explores its possibilities for dimensionality reduction on supervised and unsupervised analysis using simulated and real multi-omics datasets.

Atualmente, uma enorme quantidade de dados tem sido coletada em diversas áreas do conhecimento, como saúde, agropecuária, marketing, fazendo com que dados de alta dimensão se tornem cada vez mais comuns. Mais especificamente, com os avanços da tecnologia muitas informações biológicas estão disponíveis por preços acessíveis como dados do genoma, miRNA (micro RNA), mRNA (RNA mensageiro), expressão gênica e proteica, metilação, lipídeos, metabólicos e de fenótipos, por exemplo. Diversos estudos têm sido feitos para análise de cada tipo de dados individualmente, entretanto, recentemente vem se tornando interessante integrar diferentes tipos de dados para obter mais informação. Porém, muitas das metodologias clássicas utilizadas com esse objetivo assumem que a matriz de dados é completa e numérica. Portanto, a heterogeneidade de dados com variáveis de diversos tipos não está sendo considerada. Alternativamente, os Generalized Low Rank Models (GLRM) são modelos capazes de lidar com grandes bancos de dados com variáveis heterogêneas. Apesar desse método ser destinado para um único banco de dados, mostramos neste trabalho que ele é flexível o bastante para lidar com dados abstratos, de diferentes fontes, ao atribuir funções perdas diferentes, adequadas para cada tipo de variável. Com isso, o GLRM é uma ferramenta para trabalhar com problemas de diversas naturezas, mas, por ser muito recente, seu potencial para trabalhar com dados multi-ômicos ainda está sendo descoberto. Neste contexto, no presente trabalho O GRLM é introduzido e são exploradas diferentes possibilidades de usar o GLRM para redução de dimensionalidade e integração de bancos de dados em análises supervisionadas e não supervisionadas utilizando dados multi-ômicos simulados e reais.