214629_ja-JP

liliconcom

JMP Genomics を使用した発現解析、パート 3: 基本的な発現ワークフロー

JMPゲノミクス分析パイプラインがある、またはワークフローデータセットに対して一連の分析を実行します。 の基本的な式のワークフロー一連の品質管理および正規化手法、その後の ANOVA を自動化し、基本的な発現解析を実行します。 このワークフローでは、腫瘍の原因となる細胞である MCF7 細胞を 3 つの異なる時点でエストロゲンに曝露する実験のデータを検査します。 これらの細胞はエストロゲンに曝露されると急速に複製し、曝露を続けると発現レベルが上昇すると予想されます。 この一連の分析により、対照条件と実験条件の両方で各時点でのデータの分布が得られ、それぞれの発現レベルが比較され、さらなる分析ツールで使用するための標準化されたデータセットが作成されます。

1. を開きますe2 _expression_edf_data.sas7bdat実験の構造を調べます。 各列は、指定された時間 (12 時間/24 時間/48 時間) でのグループ (実験/対照) の測定値を表します。 各レベルの各グループについて 3 つの測定が行われ、6 つの異なる実験条件で合計 18 の測定が行われます。
2. からゲノミクススターターメニュー、選択ワークフロー > 基本 > 基本的な式ワークフローをクリックしてダイアログボックスを表示します。
3. の中に一般的なタブ、選択e2 _expression_edf_data.sas7bdatとして入力 SAS データセット。
4. のリストから利用可能な変数、 選択するVAR1としてラベル変数。
5. 変数による指定した変数のさまざまなレベルごとに出力を分離するために含めることができます。 ただし、このデータセットにはこれらの変数がまったくありません。 さらに、染色体変数および/または位置変数注釈情報がデータセットに含まれている場合は、含めることができます。
6. を選択してください出力フォルダそして、ワークフロー出力名としてE2_治療ファイルを簡単に識別できるようにします。
7. の中に実験計画タブで選択e2_expression_edf。 sas7bdatとして実験計画データセット。 このデータセットには実験計画に関する情報が含まれており、分析に必要です。 このデータセットの作成方法の詳細については、「JMP Genomics による発現解析、パート 1: 実験計画」を参照してください。
8. の色変数指定された列のレベルに従って出力に色を付けます。 このオプションでは、次を選択します特徴。
9. 選択する列名としてラベル変数。 この列は、入力データセット。
10. 両方を選択してください時間そして特徴のためにプロットグループを定義する変数異なる時点および治療グループごとにプロットを分割します。
11. 分散成分の効果変動の原因を定義する列を指定するために含めることができ、これらの効果はモデリングの前に、調整効果。これらのフィールドからの出力は、データの変動の原因を説明する円グラフになります。
12. でQCと正規化タブで、実行する QC 分析のタイプを選択します。 この例では、両方を選択します分布分析そして相関および主分散成分分析。
13. の中に正規化ボックス、選択性病として正規化方法。
    • これは、データセット内の各実験グループの発現レベルを迅速かつ簡単に標準化する方法です。 の?の横にあるアイコン正規化方法に、4 つの正規化方法オプションの説明を示します。
14. の中に分散分析タブで選択時間&特徴としてクラス変数。 これらの変数は、モデル内で異なるカテゴリを形成します。
15. に固定効果をリストします。これらの固定効果をモデル化するボックスを「時間|特性」として選択します。
    • バー演算子「|」を含む相互作用効果をモデル化します時間&特徴両方の変数を主効果としてモデル化します。 これは、「時間特性 Time*Characteristics」を入力するのと同じです。
16. 下LSMeansタブのフィールドに「Time|Characteristics」と入力します。これらの固定効果の LSMeans を推定する。
17. のために火山プロットの LSMeans 差分セット、 選択する単純な違い。 これは、ステップ 16 で入力した LS 平均効果間の差異を示しますが、これらの変数の水準が変化した場合に限ります。
    • 考えられるレベルのすべてのペア間の差を示すには、次を選択します。すべてのペアごとの違い、または単一の基準レベルとの差を取得するには、コントロールとの違い。
18. の横にあるボックスにチェックを入れます重要な LSMean プロファイルをクラスター化する。 これにより、有意差があると計算された、ステップ 16 で指定された各変数に対して階層的クラスタリングが実行されます。
19. 出力で適切な差分が計算されるようにするには、次を選択します。違いの選択(以下の赤で強調表示されています)。 これにより、新しいウィンドウが開き、火山プロットで使用するために計算されるデフォルトの差分が表示されます。
20. の中に違いの選択ウィンドウで確認すると、デフォルトの操作では、E2 露出が長くなった時点が前の時点から減算されることに注意してください。 私たちはこれとは逆のことを望んでいます。 クリックすべてを反転ボタンをクリックして順序を入れ替えます。
    • 必要に応じて、チェックボックスをオンまたはオフにして、出力に含める比較を選択します。含む各比較の横にあるボックス。
21. クリック保存。
22. の中に複数のテストタブで、複数の試験方法。 この例では、 FDR誤検出率を制御します。
23. を選択してくださいアルファここでは標準を使用します0.05 。
24. この例では注釈データセットはありませんが、注釈が存在する場合は、注釈
25. クリック走る分析を開始します。 結果は次のとおりですJMPジャーナル。

結果

**この分析によるインタラクティブなレポートは、JMP Public でご覧いただけます。

25. クリック分布分析ボタンをクリックすると、最初の結果ウィンドウが表示されます。
26. 最初のタブには、カーネル密度の推定正規化前の各実験グループの曲線。
    • さらにデータを調査するには、プロット上の曲線のいずれかを強調表示し、選択した曲線を除くサブセット実験計画データ セットの作成ハイライト表示された曲線を含まない新しい EDF を表示するオプション。
27. の箱ひげ図タブには、正規化前の各列の応答の箱ひげ図が表示されます。
28. に戻るジャーナルウィンドウを開き、出力の 2 番目のセットを選択します。相関および主分散成分分析。
    • それぞれの相関および主分散成分分析結果ウィンドウの出力は同じです。
29. の3D PCA プロットタブには、主成分の 3D 散布図が表示されます。 赤い点はエストロゲンで治療されたグループ、青い点は対照グループです。
    • グループは明確に分類されており、データの差異の多くがエストロゲン治療によって説明されることが示唆されています。
30. の2DA PCA プロットタブには、行列内の各主成分グループの分散が表示されます。 対角線上のヒストグラムは、各主成分によって説明される合計分散のパーセンテージを示します。 のガレプロットは、各主成分によって説明される分散の量を示します。
31. の相関ヒートマップタブには相関行列のヒート マップが表示されます。 治療群と未治療群の間には、右上および左下の象限の青色の増加に見られる相関関係があります。
32. の相関分布タブには、相関行列の分布とその p 値が表示されます。 低い p 値は、結果が堅牢であることを示しています。
33. 相関行列と相関散布図の行列を表示するには、相関関係とグループ化された散布図からフォローアッププロセスの開始
    • 新しいダイアログ ボックスが開きます。クリックする走る行列が表示されます。
34. 結果として得られる出力は、相関行列を作成するために使用されたものです。ヒートマップ、そして分布その一部を以下に示します。
35. に戻るジャーナルもう一度ウィンドウを開き、選択します分布分析。 これは、0 を中心とする各応答グループの中央値で正規化した結果の標準化された密度曲線と箱ひげ図です。
    • 正規化されたデータセットが指定された場所に保存されます。出力フォルダをクリックすると検査できますデータの標準化ジャーナルウィンドウから。
36. に戻るジャーナルウィンドウを再度開き、最終出力オプションを選択します。分散分析。
37. 開いた最初の結果ウィンドウには、実験グループのセット間の発現の違いを示すボルケーノ プロットが表示されます。
38. 各プロットの X 軸 (式の違いを表す) が均一ではないことに注意してください。 これらのプロットを効果的に分析するには、軸を変更する必要があります。 最初のプロットの X 軸を右クリックして、軸の設定。
39. -4.5 ～ 6 の範囲を入力します。最小&最大のフィールド規模。
40. として 0.5 を入力します。インクリメントオプションを選択してくださいわかりました。
41. 次に、同じ軸を右クリックして選択します。編集 > 軸設定のコピー。 これにより軸の設定が保存され、他のプロットに適用できるようになります。
42. 2 番目のプロットまで下にスクロールし、Ctrl キーを押しながら右クリックします。 選択する編集 > 軸設定の貼り付け。 これにより、コピーされた軸設定がすべてのプロットに適用されます。
43. 軸を調整したら、結果を確認してください。 以下の火山プロットは、エストロゲン処理を施した細胞とエストロゲン処理を施さなかった細胞の発現の違いを示しています。 X 軸は発現の差を表し、Y 軸は差の統計的有意性を表します。赤い基準線は、p 値 0.05 を表します。
44. 以下のプロットは、3 つの異なる曝露段階におけるエストロゲン治療群と対照群間の差異を示しています。
45. 火山プロットの形状から、エストロゲンへの曝露が MCF7 細胞の遺伝子発現に変化を引き起こすことは明らかです。
46. 以下では、12 時間から 24 時間、および 24 時間から 48 時間の発現の変化について、対照グループと実験グループのボルケーノ プロットを比較します。 ここでも、24時間から48時間の測定値で発現レベルが減少し、12時間から24時間の時点で発現が増加しています。 これは、エストロゲンに曝露されたグループでより明確になります。
47. までスクロールして、 LSMeans 並列プロット出力ウィンドウの右側にあります。 上のプロットは、特性 (対照群と実験群) と時間の間の相互作用を示しています。 このプロットに見られる非平行線は、2 つの変数間の交互作用を示しています。 下のプロットは交互作用のない単純な平均を示しています。
    • このグラフ上の線を強調表示すると、火山プロット内の対応する点が選択され、その逆も同様であることに注意してください。
48. さらに詳しい分析は、ドリルダウンメニューを使用したモデルのフィッティングを含む分散分析結果、選択したデータのサブセットの作成、強度プロットの作成など。

まとめ

の基本的な式のワークフロー一連の分析をつなぎ合わせ、実験条件全体で発現レベルを比較する効果的な方法です。 このワークフローは、発現分析を開始する場合に強くお勧めします。 データの標準化と QC、分布と相関分析、式と LSMeans 分析などのデータ探索が可能になります。 出力ウィンドウから、簡単に分析を続けることができます。ドリルダウンメニューからモデルをデータに適合させます。

JMP Genomics には分析パイプラインまたはワークフローデータセットに対して一連の分析を実行します。 の基本的な式のワークフロー一連の品質管理および正規化手法、その後の ANOVA を自動化し、基本的な発現解析を実行します。 このワークフローでは、腫瘍の原因となる細胞である MCF7 細胞を 3 つの異なる時点でエストロゲンに曝露する実験のデータを検査します。 これらの細胞はエストロゲンに曝露されると急速に複製し、曝露を続けると発現レベルが上昇すると予想されます。 この一連の分析により、対照条件と実験条件の両方で各時点でのデータの分布が得られ、それぞれの発現レベルが比較され、さらなる分析ツールで使用するための標準化されたデータセットが作成されます。

 

Re: JMP Genomics による発現解析、パート 3: 基本的な発現ワークフロー

こんにちは@irinastl 、

 

これらの分析オプションは、上で示した方法では JMP では使用できません。上記の分析を再現しようとすることもできますが、同様の結果を再現するには多大な労力と時間がかかります (ボタンのクリック、データ テーブルの操作、スクリプト作成、その他のさまざまな操作)。 これらの基本的なワークフローにより、JMP 内でこれらの分析を作成し、JMP Genomics が存在する理由を作成するための膨大な時間と労力が削減されます。 また、遺伝子のせん断数 (ゲノム全体を見た場合) は通常 10,000 単位であり、コンピューターのメモリ制限により JMP がクラッシュする可能性があります。

 

それが何らかの背景を与えてくれることを願っています。

 

最高、

Re: JMP Genomics による発現解析、パート 3: 基本的な発現ワークフロー

これらと同じ分析オプションは JMP14 Pro でも利用できますか?