JMP Genomics와 유전적 연관성, 2부: 기본 유전학 작업 흐름(사례-대조)JMP 유전체학 분석 파이프라인이 있거나 워크플로우 데이터 세트에 대해 일련의 분석을 수행합니다. 그만큼 기본 유전학 작업흐름 심층적인 분석을 시작하기 전에 데이터를 더 깊이 이해할 수 있는 빠르고 쉬운 방법입니다. 이 워크플로는 마커 데이터를 숫자 형식으로 다시 코딩하고, 누락된 유전자형 데이터를 대치하고, MAF(부 대립유전자 빈도), 누락된 유전자형 비율 및 HWE(하디-와인버그 평형)를 기반으로 데이터 하위 집합을 생성합니다. 그런 다음 워크플로우는 다음을 제공합니다. 마커 속성 출력하고 수행합니다. 사건 통제 협회 관심 마커를 식별합니다. 이 워크플로에서 사례 제어 분석은 이진 표현형 변수(영향을 받거나 영향을 받지 않음)에만 유용합니다. 연속형 또는 이산형 표현형 변수의 경우 SNP-특성 연관성(이후 게시물에서 다룰 예정)과 같은 다른 분석이 더 적합합니다. 이 예에서는 조직구 육종(종양)에 영향을 받거나 영향을 받지 않은 474마리의 버니즈 마운틴 독 샘플에서 ~22,000개의 마커를 탐색합니다.
- 데이터 세트 열기 sas7bdat 그리고 그것을 검사하십시오. 참고 표현형 열에는 종양이 있는 개에 대한 "조직구 육종"과 종양이 없는 개에 대한 "영향을 받지 않은"이라는 두 가지 수준이 있습니다. 이는 이진(0 또는 1) 변수로 다시 코딩되어야 합니다.
- 강조 표시 표현형 열 머리글 셀을 클릭하여 열을 선택합니다. 데이터 위의 도구 모음에서 녹음 아이콘(아래 강조 표시됨). 이 도구를 사용하면 특정 열의 모든 레벨을 빠르게 기록할 수 있습니다.
- 결과 창이 열리면 다음을 입력하십시오. 0 영향을 받지 않은 표현형의 경우 1 HS 표현형의 경우 새로운 가치 열을 클릭한 다음 완료 . 데이터 세트에 새 열을 포함하는 옵션이 포함된 드롭다운 메뉴가 나타납니다. 선택하다 제자리에 이전 표현형 열을 새로 코딩된 표현형 열로 교체합니다. 워크플로의 입력으로 사용되므로 데이터 세트를 저장합니다.
- 이제 저장된 이진 표현형 데이터를 사용하여 유전체학 스타터 메뉴를 선택하고 작업 흐름 > 기본 > 기본 유전학 작업 흐름 .
- 에서 일반적인 탭에서 새로 저장된 항목을 선택하세요. sas7bdat 으로 SAS 데이터 세트 입력 .
- 라벨이 붙은 상자에는 마커 유전자형 변수의 접두어 , “를 입력하세요. Recgeno: ”를 사용하여 해당 문자열로 시작하는 모든 열 이름에 마커 데이터가 포함되도록 지정합니다.
- 이 작업 흐름의 일부로 숫자가 아닌 유전자형은 다음을 확인하여 기록할 수 있습니다. 유전자형을 수치적으로 다시 코딩 .이 데이터 세트에는 이미 숫자로 코딩된 유전자형이 있습니다.
- 다음으로 표현형 열 바이너리 특성 변수 .
- 아래 체크박스는 사용 가능한 변수 상자에서는 실행할 분석 유형을 지정합니다. 이 예에서는 다음만 선택합니다. 사례-통제 연관 테스트 수행 .
- 선택 출력 폴더 지정하고 basic_gene_wf 으로 워크플로 출력 이름 .
- 에 주석 탭에서 파일을 선택하세요 sas7bdat 으로 주석 SAS 데이터 세트 .
- 열을 선택하세요 SNP_ID_rg 으로 주석 레이블 변수 , Chr 으로 주석 그룹 변수 , 그리고 위치 으로 주석 위치 변수 .
- 선택적으로 다음을 선택하세요. 게놈_ACC 으로 접근 번호 변수 .
- 그만큼 하위 집합 탭에는 데이터 세트에서 개별 샘플(행)을 필터링하는 옵션이 제공됩니다. 이는 SNP의 하위 집합 또는 모든 SNP를 테스트하여 수행할 수 있으며 다음을 통해 필터링됩니다. 누락되지 않은 유전자형의 최소 비율 . 이 경우 다음을 입력하십시오. 95 테이블에 있는 데이터의 90% 이상을 가진 개인만 포함하도록 상자에 넣습니다.
- 이 필터링에 대한 예외는 다음과 같은 개인을 포함하도록 필터링합니다.
- 떠나 HWE 테스트에 포함할 개인의 특성 가치 테스트에 전체 모집단을 포함하려면 공백입니다. 영향을 받은 개인이나 영향을 받지 않은 개인의 표현형 값을 여기에 입력하여 해당 표현형의 개인에 대해서만 HWE 테스트를 수행할 수 있습니다.
- 열기 필터링 이 탭은 MAF가 낮거나 누락된 유전자형이 너무 많거나 HWE에 없을 가능성이 높은 SNP 데이터(열)를 제거하는 옵션을 제공합니다. 설정 누락되지 않은 유전자형의 최소 비율 에게 0.9 , 최소 소수 대립유전자 빈도 에게 0.05 , 그리고 최소 HWE p-값 에게 0.05 .
- 설정 도표에 대한 p-값 구분 에게 05 . 이는 어떤 마커가 중요한지 결정하기 위한 임계값을 설정합니다.
- 딸깍 하는 소리 달리다 분석을 시작합니다.
결과
- 출력 창은 작업 흐름의 4가지 분석이 각각 포함된 JMP 저널(아래 표시)이 됩니다. 각 결과를 클릭할 수 있으며 해당 분석 결과가 포함된 새 창이 열립니다. 파일이 지정된 위치에서 이동되지 않는 한 언제든지 이 저널을 다시 열고 결과를 재검사할 수 있습니다. 출력 폴더 .
- 첫 번째 결과를 클릭하세요. 유전자 데이터의 하위 집합 및 재정렬 . 하위 집합의 마커 및 개인 수에 대한 요약을 제공하는 아래 창이 나타납니다. 이 하위 집합에 대한 기준은 하위 집합 탭을 삭제하고 누락되지 않은 데이터의 95% 미만인 244명의 개인을 제거했습니다.
- 다음을 클릭하세요. 열려 있는 각 데이터 세트 옆에 있는 버튼을 클릭하여 엽니다. 상단 세트는 유전형 하위 세트이고 하단 세트는 해당 주석 하위 세트입니다.
- 일지로 돌아가서 마커 속성 결과.
- 초기 탭은 요약 차트 하디 와인버그 평형(Hardy Weinberg Equilibrium)에 대한 염색체별 중요한 마커.
- 참고: 그래프의 각 막대를 선택하고 하위 집합으로 설정할 수 있습니다. 드릴다운 원하는 염색체에 해당하는 막대를 선택하고 강조 표시한 후 클릭하기만 하면 됩니다. 하위 집합 유전자형 및 주석 데이터 세트 생성 창문 아래 왼쪽에 드릴다운 표제.
- 개별 염색체는 다음에서 관심 염색체를 선택하여 검사할 수도 있습니다. 탭 결과 창 왼쪽에 있는 섹션입니다. 선택하다 Ch1 결과 그리고 새 창에서 열기 . 결과 창에는 MAF 및 누락된 유전자형 비율에 대한 분포뿐만 아니라 위치별로 표시된 염색체 1의 각 마커의 HWE 중요성이 있습니다.
- 오버레이 플롯의 축 설정은 플롯의 축을 마우스 오른쪽 버튼으로 클릭하여 조정할 수 있습니다.
- 그만큼 맨해튼 플롯 탭은 염색체 번호별로 구분되고 색상이 지정된 데이터의 모든 SNP에 대한 플롯을 보여줍니다. Manhattan Plot의 y축은 Hardy Weinberg Equilibrium에 대한 각 마커의 통계적 유의성을 나타냅니다. 플롯의 첫 번째 염색체(검은색)는 X 염색체입니다.
- 커서를 끌어 SNP 섹션을 강조 표시한 다음 클릭하여 Manhattan Plot에서 하위 집합을 생성할 수 있습니다. 하위 집합 유전자형 및 주석 데이터 세트 생성 창문 아래 왼쪽에 드릴다운
- 참고로 마커 속성 결과 창에서 새로운 마커와 개별 기준을 설정하고 새로운 데이터 하위 집합을 만들 수 있습니다. 필터 도구는 창 왼쪽에 있습니다. 재필터링 및 해당 출력 요약의 예는 다음과 같습니다.
- 그만큼 모든 배포판 탭은 각 염색체에 대한 MAF 및 누락된 유전자형 비율에 대한 분포와 각 분포의 요약 통계를 제공합니다.
- 그만큼 개별 누락 유전자형 비율 탭은 개인(행)에서 누락된 유전자형의 비율 분포와 요약 통계를 제공합니다.
- 일지로 돌아가서 열어보세요. 유전자 데이터의 하위 집합 및 재정렬 결과. 이는 다음에 지정된 기준의 하위 집합입니다. 필터링 탭을 클릭하고 MAF, HWE 및 누락된 유전자형 비율을 기반으로 마커(열)를 제거합니다. 결과가 열리면 요약 창에 제거된 데이터 포인트(8,292개 마커)가 다시 표시됩니다.
- 저널로 돌아가서 최종 출력을 엽니다. 사건 통제 협회 . 이 분석에서는 카이제곱 테스트를 사용하여 지정된 특성에 대한 중요한 마커를 식별합니다. 출력된 플롯은 다음의 플롯과 매우 유사합니다. 마커 속성 HWE에 대한 정보를 제공하는 출력입니다.
- 의 출력과 마찬가지로 마커 속성 , 개별 염색체는 다음으로부터 분석될 수 있습니다. 탭 섹션에서 하위 집합을 생성할 수 있습니다. 드릴다운 섹션에서 그래프의 관심 지점을 강조 표시합니다.
- 로부터 맨해튼 플롯 탭에서 염색체 11의 중요한 SNP 두 개 주위로 커서를 끌어 강조 표시합니다. 그런 다음 선택 유전자형별 플롯 특성 ~로부터 드릴다운 .이것은 표현형별로 이 두 마커에 대한 유전자형 분포를 엽니다.
*이 워크플로의 대화형 보고서는 다음에서 볼 수 있습니다. JMP 공개 .
요약
JMP Genomics의 작업 흐름은 단일 데이터 세트에 대해 여러 분석을 수행할 수 있는 좋은 방법입니다. 이 기본 유전학 워크플로는 데이터의 모든 내용을 빠르게 학습하고, 마커와 개인 모두에 대한 필터링 기준을 설정하고, 관심 있는 마커의 초기 식별을 얻는 효과적인 방법입니다. 로부터 드릴다운 메뉴에는 더 많은 부분 집합화, 유전자형별 특성 플롯, 주석 데이터 세트의 유전자 접근 번호를 통해 연결된 데이터베이스 탐색을 위한 옵션이 있습니다. 이 워크플로에는 이진 특성에만 적합한 사례 제어 분석이 포함되어 있습니다.지속적인 특성의 경우 SNP-특성 연관이 작동합니다(이에 대해서는 시리즈 후반부에서 다룹니다). 이제 데이터를 잘 이해하고 불필요한 행과 열을 제거했으므로 하위 집합에 대한 보다 강력한 분석을 시작할 수 있습니다.
JMP Genomics에는 분석 파이프라인이 있거나 워크플로우 데이터 세트에 대해 일련의 분석을 수행합니다. 그만큼 기본 유전학 작업 흐름 심층적인 분석을 시작하기 전에 데이터를 더 깊이 이해할 수 있는 빠르고 쉬운 방법입니다. 이 워크플로는 마커 데이터를 숫자 형식으로 다시 코딩하고, 누락된 유전자형 데이터를 대치하고, MAF(부 대립유전자 빈도), 누락된 유전자형 비율 및 HWE(하디-와인버그 평형)를 기반으로 데이터 하위 집합을 생성합니다.그런 다음 워크플로우는 다음을 제공합니다. 마커 속성 출력하고 수행합니다. 사건 통제 협회 관심 마커를 식별합니다. 이 워크플로에서 사례 제어 분석은 이진 표현형 변수(영향을 받거나 영향을 받지 않음)에만 유용합니다. 연속적이거나 개별적인 표현형 변수의 경우 SNP-Trait Association(이후 게시물에서 다룰 예정)과 같은 다른 분석이 더 적합합니다. 이 예에서는 조직구 육종(종양)에 영향을 받거나 영향을 받지 않은 474마리의 버니즈 마운틴 독 샘플에서 ~22,000개의 마커를 탐색합니다.
