Με την παρούσα εργασία στοχεύσαμε στην διερεύνηση πιθανών συσχετίσεων μεταξύ διατροφικών δεδομένων και δεικτών φλεγμονής αξιοποιώντας στατιστικά και υπολογιστικά εργαλεία. Ενσωματώσαμε δεδομένα από τρεις μελέτες και εφαρμόσαμε στατιστική ανάλυση και λειτουργικό εμπλουτισμό στα αποτελέσματα μας. Τα δεδομένα αντλήθηκαν από το GEO (Gene Expression Omnibus) αφού αναζητήσαμε μελέτες που σχετίζονται με την διαφορική έκφραση γονιδίων μετά από διατροφικές παρεμβάσεις. Αφού τα δεδομένα κανονικοποιήθηκαν, οργανώθηκαν σε τρεις διαφορετικές καταστάσεις που αντανακλούν χρονικές συνθήκες. Τα γονίδια που εντοπίστηκαν με σημαντική διαφορική έκφραση κατηγοριοποιήθηκαν σε upregulated και downregulated. Στην συνέχεια ακολούθησε ο λειτουργικός τους εμπλουτισμός ώστε να εντοπιστούν μοτίβα που σχετίζονται με γνωστά μονοπάτια μεταβολικών διεργασιών και ανοσολογικών αποκρίσεων κατά την φλεγμονώδη αντίδραση, από γνωστές βάσεις δεδομένων. Καταφέραμε να εντοπίσουμε και να αξιολογήσουμε την δράση συγκεκριμένων διατροφικών επιλογών στην φλεγμονή και στους μοριακούς μηχανισμούς που σχετίζονται με αυτή. Ο συνδυασμός ομικών δεδομένων και πολύπλοκων παραγόντων μπορεί να δείξει συσχετίσεις της διατροφής με την έναρξη, πορεία και έκταση φλεγμονωδών νοσημάτων. Μελλοντικές μελέτες που θα λαμβάνουν υπόψιν περισσότερους παράγοντες στην κατηγοριοποίηση και κανονικοποίηση των δεδομένων μπορεί να υποδείξει άγνωστες συσχετίσεις και μονοπάτια που αφορούν την επίδραση της διατροφής στην φλεγμονή.

This present study, aims to investigate possible associations between dietary data and inflammation markers by utilizing statistical and computational tools. We integrated data from three studies and applied statistical analysis and functional enrichment to our results. The data were extracted from GEO (Gene Expression Omnibus) after searching for studies related to differential gene expression after nutritional interventions. After the data were normalized, they were organized into three different states that reflect time conditions. The genes identified with significant differential expression were categorized as upregulated and downregulated. This was followed by their functional enrichment in order to identify patterns related to known pathways of metabolic processes and immune responses during the inflammatory reaction, from known databases. We were able to identify and evaluate the results of specific dietary choices on inflammation and the molecular mechanisms associated with them. The combination of omic data and complex factors can show associations of diet on the trigger, course, and extent of inflammatory diseases. Future studies that take under consideration more factors in the categorization and normalization of data may indicate unknown associations and pathways regarding the effect of diet on inflammation.