214629_fr-FR

liliconcom

Analyse d'expression avec JMP Genomics, Partie 3 : Flux de travail d'expression de base

JMP Génomique dispose de pipelines analytiques ou Flux de travail effectuer une série d’analyses sur un ensemble de données. Le Flux de travail d'expression de base automatise une série de méthodes de contrôle qualité et de normalisation, suivies d'une ANOVA, pour effectuer une analyse d'expression de base. Pour ce flux de travail, nous inspecterons les données d'une expérience dans laquelle les cellules MCF7, qui causent des tumeurs, sont exposées à des œstrogènes à trois moments différents. Ces cellules se reproduisent rapidement lorsqu’elles sont exposées à l’œstrogène, et les niveaux d’expression devraient augmenter avec une exposition continue. Cette série d'analyses donnera une distribution des données à chaque instant dans des conditions de contrôle et expérimentales, comparera les niveaux d'expression pour chacun et créera un ensemble de données standardisé à utiliser avec d'autres outils analytiques.

1. Ouvrez le e2 _expression_edf_data.sas7bdat Inspectez la structure de l’expérience. Chaque colonne représente une mesure de groupe (expérimentale/témoin) à une heure spécifiée (12 heures/24 heures/48 heures). Trois mesures sont prises pour chaque groupe à chaque niveau pour un total de 18 mesures prises dans six conditions expérimentales différentes.
2. Du Débutant en génomique menu, sélectionnez Flux de travail > De base > Flux de travail d'expression de base pour afficher la boîte de dialogue.
3. Dans le Général onglet, choisissez e2 _expression_edf_data.sas7bdat comme le Ensemble de données SAS d'entrée .
4. De la liste des Variables disponibles , sélectionner VAR1 comme le Variable d'étiquette .
5. Par variables peut être inclus pour séparer la sortie par différents niveaux d’une variable spécifiée. Cependant, cet ensemble de données ne contient aucune de ces variables. Par ailleurs, un Variable chromosomique et/ou un Variable de position peut être inclus si les informations d’annotation sont incluses dans l’ensemble de données.
6. Choisissez un Dossier de sortie et réglez le Nom de la sortie du flux de travail comme E2_Traitement pour une identification facile des fichiers.
7. Dans le Conception expérimentale onglet, sélectionnez e2_expression_edf. sas7bdat comme le Ensemble de données de conception expérimentale . Cet ensemble de données contient des informations sur la conception de l'expérience et est nécessaire à l'analyse. Pour plus d'informations sur la façon dont cet ensemble de données a été créé, voir : Analyse d'expression avec JMP Genomics, Partie 1 : Conception expérimentale.
8. Le Variable de couleur colorera la sortie en fonction des niveaux des colonnes spécifiées. Pour cette option, sélectionnez Caractéristiques .
9. Sélectionner Nom de colonne comme le Variable d'étiquette . Cette colonne correspond aux noms de colonnes dans le Ensemble de données d'entrée .
10. Sélectionnez les deux Temps et Caractéristiques pour le Variables définissant les groupes de traçage pour séparer les parcelles selon les différents moments et groupes de traitement.
11. Effets des composantes de la variance peuvent être inclus pour spécifier des colonnes qui définissent les sources de variabilité et ces effets peuvent être ajustés avant leur modélisation à l'aide de l'outil Effets d'ajustement.Le résultat de ces champs sera un diagramme circulaire expliquant la source de variabilité des données.
12. Sur le CQ et normalisation , sélectionnez les types d'analyse CQ à effectuer. Pour cet exemple, sélectionnez les deux Analyse de distribution et Analyse des composantes de corrélation et de variance principale .
13. Dans le Normalisation case, sélectionnez MST comme le Méthode de normalisation .
    • Il s'agit d'un moyen simple et rapide de standardiser les niveaux d'expression pour chaque groupe expérimental de votre ensemble de données. Le ? icône à côté de Méthode de normalisation donne une description des quatre options de méthode de normalisation.
14. Dans le ANOVA onglet, sélectionnez Temps & Caractéristiques comme le Variables de classe . Ces variables forment des catégories distinctes dans le modèle.
15. Lister les effets fixes dans le Modélisez ces effets fixes boîte comme « Temps | Caractéristiques ».
    • Y compris l'opérateur du bar « | » modélise l’effet d’interaction pour Temps & Caractéristiques ainsi que la modélisation des deux variables comme effets principaux. Ceci est identique à la saisie de « Caractéristiques temporelles : Caractéristiques temporelles* ».
16. Sous le LSMoyennes , saisissez « Heure | Caractéristiques » dans le champ intitulé Estimer les LSMeans pour ces effets fixes .
17. Pour Ensemble de différences LSMeans pour les tracés volcaniques , sélectionner Différences simples . Cela indiquera les différences entre les effets LS Means saisis à l'étape 16, mais uniquement lorsque les niveaux de ces variables ont changé.
    • Pour indiquer la différence entre toutes les paires de niveaux possibles, sélectionnez Toutes les différences par paires , ou pour prendre en compte les différences par rapport à un seul niveau de référence, sélectionnez Différences avec un contrôle .
18. Cochez la case à côté Regrouper les profils LSMean significatifs . Cela effectuera un regroupement hiérarchique pour chacune des variables spécifiées à l'étape 16 qui sont calculées pour avoir une différence significative.
19. Pour garantir que les différences appropriées sont calculées dans la sortie, sélectionnez Sélecteur de différence (surligné en rouge ci-dessous). Cela ouvrira une nouvelle fenêtre affichant les différences par défaut qui seront calculées pour être utilisées dans les tracés du volcan.
20. Dans le Sélecteur de différence fenêtre, notez que l'opération par défaut consiste à soustraire le point temporel avec une exposition E2 plus longue du point temporel précédent. Nous voulons le contraire. Clique le Tout inverser bouton pour échanger la commande.
    • Vous pouvez éventuellement sélectionner les comparaisons à inclure dans votre sortie en cochant ou en décochant la case Inclure cases à côté de chaque comparaison.
21. Cliquez sur Sauvegarder .
22. Dans le Tests multiples onglet, sélectionnez un Méthode de test multiple . Pour cet exemple, nous utiliserons RAD pour contrôler le taux de fausses découvertes.
23. Sélectionnez un Alpha Ici, nous utiliserons la norme 0,05 .
24. Il n'y a pas de jeu de données d'annotation dans cet exemple, mais dans les cas où une annotation est présente, elle peut être ajoutée dans le Annotation
25. Cliquez sur Courir pour commencer l'analyse. Le résultat est le suivant Journal JMP .

Résultats

** Les rapports interactifs de cette analyse sont disponibles sur JMP Public.

25. Clique le Analyse de distribution pour afficher la première fenêtre de résultats.
26. L'onglet initial montre le Estimation de la densité du noyau courbes pour chacun des groupes expérimentaux avant normalisation.
    • Pour une exploration plus approfondie des données, mettez en surbrillance l'une des courbes du tracé, puis cliquez sur le bouton Créer un sous-ensemble de données de conception expérimentale, à l'exclusion des courbes sélectionnées option pour afficher un nouvel EDF sans les courbes en surbrillance.
27. Le Boîtes à moustaches L'onglet affiche une boîte à moustaches de la réponse pour chaque colonne avant la normalisation.
28. Retour au Journal fenêtre et sélectionnez le deuxième ensemble de sorties, Analyse des composantes de corrélation et de variance principale .
    • Notez que chacun des Analyse des composantes de corrélation et de variance principale les fenêtres de résultats sont identiques en sortie.
29. Le Tracé ACP 3D L'onglet donne un nuage de points 3D des principales composantes. Les points rouges sont des groupes traités aux œstrogènes tandis que les points bleus sont des groupes témoins.
    • Il existe un regroupement clair des groupes, ce qui suggère qu'une grande partie de la variance dans les données s'explique par le traitement aux œstrogènes.
30. Le Tracés ACP 2DA L'onglet affiche la variance pour chaque groupe de composants principaux dans une matrice. Les histogrammes en diagonale indiquent le pourcentage de la variance totale expliqué par chaque composante principale. Le Terrain d'éboulis donne le montant de la variance expliquée par chaque composante principale.
31. Le Carte thermique de corrélation L'onglet donne une carte thermique de la matrice de corrélation. Il existe une corrélation entre les groupes traités et non traités, visible dans la coloration bleue accrue des quadrants supérieur droit et inférieur gauche.
32. Le Distributions de corrélation L'onglet montre les distributions de la matrice de corrélation et leurs valeurs p. Les faibles valeurs p indiquent des résultats robustes.
33. Pour afficher la matrice de corrélation et une matrice des nuages de points de corrélation, sélectionnez Corrélation et nuages de points groupés du Lancement du processus de suivi
    • Cela ouvrira une nouvelle boîte de dialogue ; en cliquant Courir fera apparaître les matrices.
34. Le résultat obtenu est la matrice de corrélation qui a été utilisée pour développer le Carte de chaleur, et Distribution Une partie de celui-ci est présentée ci-dessous.
35. Retour au Journal à nouveau la fenêtre et sélectionnez Analyse de distribution . Il s'agit de la courbe de densité standardisée et du box plot résultant de la normalisation avec les médianes de chaque groupe de réponse centrées sur 0.
    • Les ensembles de données normalisés sont maintenant enregistrés dans l'emplacement désigné Dossier de sortie et peut être inspecté en cliquant sur Standardiser les données depuis la fenêtre du journal.
36. Retour au Journal à nouveau la fenêtre et sélectionnez l'option de sortie finale, ANOVA .
37. La fenêtre de résultats initiale qui s'ouvre présente un tracé de volcan montrant les différences d'expression entre les ensembles de groupes expérimentaux.
38. Notez que l'axe des x sur chacun des tracés (représentant la différence d'expression) n'est pas uniforme. Afin d’analyser efficacement ces tracés, il faudra changer les axes. Cliquez avec le bouton droit sur l'axe X du premier tracé et sélectionnez Paramètres de l'axe .
39. Entrez une plage de -4,5 à 6 dans le champ Le minimum & Maximum champs pour Échelle .
40. Entrez 0,5 comme Incrément option et sélectionnez D'ACCORD .
41. Ensuite, faites un clic droit sur le même axe et sélectionnez Édition > Copier les paramètres de l'axe . Cela enregistre les paramètres des axes afin qu'ils puissent être appliqués aux autres tracés.
42. Faites défiler jusqu'au deuxième tracé maintenant et maintenez Ctrl + clic droit. Sélectionner Édition > Coller les paramètres de l'axe . Cela appliquera le paramètre d'axe copié à chaque tracé.
43. Une fois les axes ajustés, jetez un œil aux résultats. Le tracé du volcan ci-dessous montre la différence d’expression entre les cellules ayant reçu un traitement aux œstrogènes et les cellules sans traitement aux œstrogènes. L'axe des x représente la différence d'expression et l'axe des y représente la signification statistique de la différence.La ligne de référence rouge représente une valeur p de 0,05.
44. Les graphiques ci-dessous montrent la différence entre les groupes traités aux œstrogènes et les groupes témoins aux trois différents stades d'exposition.
45. Il ressort clairement de la forme des parcelles volcaniques que l’exposition aux œstrogènes provoque une modification de l’expression des gènes dans les cellules MCF7.
46. Ci-dessous, nous comparons les tracés volcaniques des groupes témoin et expérimental pour le changement d'expression de 12 heures à 24 heures et de 24 heures à 48 heures. Une fois de plus, il y a une diminution des niveaux d’expression entre les mesures de 24 heures à 48 heures, et une augmentation de l’expression entre les mesures de 12 heures à 24 heures. Ceci est plus défini dans les groupes qui ont été exposés aux œstrogènes.
47. Faites défiler jusqu'à LS signifie tracés parallèles sur le côté droit de la fenêtre de sortie. Le graphique du haut montre l'interaction entre les caractéristiques (groupes témoins et groupes expérimentaux) et le temps. Les lignes non parallèles, comme le montre ce graphique, indiquent une interaction entre les deux variables. Le graphique du bas montre des moyens simples sans interactions.
    • Notez que la mise en évidence de lignes sur ce graphique sélectionnera leurs points correspondants dans les tracés du volcan et vice versa.
48. Des analyses plus approfondies peuvent être menées à partir du Menu détaillé , y compris l'ajustement d'un modèle à l'aide du ANOVA résultats, création d'un sous-ensemble de données sélectionnées, création de tracés d'intensité, et bien plus encore.

Résumé

Le Flux de travail d'expression de base est un moyen efficace d’enchaîner une série d’analyses et de comparer les niveaux d’expression dans des conditions expérimentales. Ce workflow est fortement recommandé pour se lancer dans l'analyse d'expressions. Il permet la normalisation et le contrôle qualité des données, l'exploration des données telles que les analyses de distribution et de corrélation, ainsi que l'analyse d'expression et LSMeans. Depuis la fenêtre de sortie, il est facile de poursuivre l'analyse dans le Explorations approfondies menu et adapter un modèle à vos données.

JMP Genomics dispose de pipelines analytiques ou Flux de travail effectuer une série d’analyses sur un ensemble de données. Le Flux de travail d'expression de base automatise une série de méthodes de contrôle qualité et de normalisation, suivies d'une ANOVA, pour effectuer une analyse d'expression de base. Pour ce flux de travail, nous inspecterons les données d'une expérience dans laquelle les cellules MCF7, qui causent des tumeurs, sont exposées à des œstrogènes à trois moments différents. Ces cellules se reproduisent rapidement lorsqu’elles sont exposées à l’œstrogène, et les niveaux d’expression devraient augmenter avec une exposition continue. Cette série d'analyses donnera une distribution des données à chaque instant dans des conditions de contrôle et expérimentales, comparera les niveaux d'expression pour chacun et créera un ensemble de données standardisé à utiliser avec d'autres outils analytiques.

 

Re : Analyse d'expression avec JMP Genomics, Partie 3 : Flux de travail d'expression de base

Salut @irinastl ,

 

Ces options d'analyse ne sont pas disponibles dans JMP de la manière présentée ci-dessus.On pourrait essayer de reproduire l'analyse ci-dessus, mais cela prendrait beaucoup de travail et de temps (clic sur un bouton, manipulation de la table de données, quelques scripts et autres opérations diverses) pour reproduire des résultats similaires. Ces flux de travail de base éliminent énormément de temps et d'efforts pour créer ces analyses dans JMP et pourquoi JMP Genomics existe. En outre, le nombre de gènes (en examinant l'ensemble du génome) est généralement de l'ordre de 10 000, ce qui risque de faire planter JMP en raison des limitations de mémoire d'un ordinateur.

 

J'espère que cela donne un peu de contexte.

 

Meilleur,

Re : Analyse d'expression avec JMP Genomics, Partie 3 : Flux de travail d'expression de base

ces mêmes options d'analyse sont-elles disponibles dans JMP14 Pro ?