JMP Genomics를 사용한 발현 분석, 3부: 기본 발현 작업 흐름JMP 유전체학 분석 파이프라인이 있거나 워크플로우 데이터 세트에 대해 일련의 분석을 수행합니다. 그만큼 기본 표현식 작업 흐름 일련의 품질 관리 및 정규화 방법을 자동화한 후 ANOVA를 수행하여 기본적인 발현 분석을 수행합니다. 이 워크플로우에서는 종양을 유발하는 세포인 MCF7 세포가 세 가지 다른 시점에서 에스트로겐에 노출되는 실험의 데이터를 검사합니다. 이들 세포는 에스트로겐에 노출되면 빠르게 재생산되며, 지속적인 노출에 따라 발현 수준도 증가할 것으로 예상됩니다. 이 일련의 분석은 제어 조건과 실험 조건 모두에서 각 시점의 데이터 분포를 제공하고, 각각의 발현 수준을 비교하고, 추가 분석 도구와 함께 사용할 표준화된 데이터 세트를 만듭니다.
- 열기 e2 _expression_edf_data.sas7bdat 실험의 구조를 검사합니다. 각 열은 지정된 시간(12시간/24시간/48시간)의 그룹(실험/대조) 측정을 나타냅니다. 6가지 다른 실험 조건에서 총 18번의 측정을 수행하기 위해 각 수준에서 각 그룹에 대해 3번의 측정을 수행합니다.
- 로부터 유전체학 스타터 메뉴, 선택 워크플로 > 기본 > 기본 표현식 워크플로 대화 상자를 불러옵니다.
- 에서 일반적인 탭, 선택 e2 _expression_edf_data.sas7bdat 으로 SAS 데이터 세트 입력 .
- 목록에서 사용 가능한 변수 , 선택하다 VAR1 으로 라벨 변수 .
- 변수별 지정된 변수의 다양한 수준으로 출력을 분리하기 위해 포함될 수 있습니다. 그러나 이 데이터 세트에는 이러한 변수가 없습니다. 게다가, 염색체 변수 및/또는 위치변수 데이터 세트에 주석 정보가 포함되어 있으면 포함될 수 있습니다.
- 선택하세요 출력 폴더 그리고 설정 워크플로 출력 이름 ~처럼 E2_치료 파일을 쉽게 식별할 수 있습니다.
- 에서 실험적 설계 탭, 선택 e2_expression_edf. sas7bdat 으로 실험 설계 데이터 세트 . 이 데이터 세트에는 실험 설계에 대한 정보가 포함되어 있으며 분석에 필요합니다. 이 데이터 세트가 생성된 방법에 대한 자세한 내용은 JMP Genomics를 사용한 표현 분석, 1부: 실험 설계를 참조하세요.
- 그만큼 색상 가변 지정된 열의 수준에 따라 출력 색상이 지정됩니다. 이 옵션의 경우 다음을 선택하세요. 형질 .
- 선택하다 열 이름 으로 라벨 변수 . 이 열은 입력 데이터 세트 .
- 둘 다 선택 시간 그리고 형질 위해 플로팅 그룹을 정의하는 변수 다양한 시점과 치료 그룹별로 플롯을 구분합니다.
- 분산 성분 효과 변동성의 원인을 정의하는 열을 지정하기 위해 포함될 수 있으며 이러한 효과는 모델링 전에 다음을 사용하여 조정될 수 있습니다. 조정 효과.이러한 필드의 출력은 데이터 변동의 원인을 설명하는 원형 차트입니다.
- 에 QC 및 정규화 탭에서 수행할 QC 분석 유형을 선택합니다. 이 예에서는 둘 다 선택합니다. 분포 분석 그리고 상관관계 및 주분산 성분 분석 .
- 에서 표준화 상자, 선택 성병 으로 정규화 방법 .
- 이는 데이터 세트의 각 실험 그룹에 대한 발현 수준을 표준화하는 빠르고 쉬운 방법입니다. 그만큼 ? 옆에 아이콘 정규화 방법 네 가지 정규화 방법 옵션에 대해 설명합니다.
- 에서 분산 분석 탭, 선택 시간 & 형질 으로 클래스 변수 . 이러한 변수는 모델에서 고유한 범주를 형성합니다.
- 고정 효과를 다음 목록에 나열하십시오. 고정 효과 모델링 상자를 "시간|특성"으로 지정합니다.
- 막대 연산자 “|” 포함 상호작용 효과를 모델링합니다. 시간 & 형질 두 변수를 모두 주효과로 모델링합니다. “시간 특성 시간*특성”을 입력하는 것과 동일합니다.
- 아래의 LSMeans 탭에서 라벨이 붙은 필드에 "Time|Characteristics"를 입력합니다. 이러한 고정 효과에 대한 LSMeans 추정 .
- 을 위한 화산 도표에 대한 LSMeans 차이 세트 , 선택하다 단순한 차이점 . 이는 16단계에서 입력한 LS 평균 효과 간의 차이를 나타내지만 해당 변수의 수준이 변경된 경우에만 해당됩니다.
- 가능한 모든 수준 쌍 간의 차이를 표시하려면 다음을 선택합니다. 모든 쌍별 차이 , 또는 단일 기준 수준과의 차이를 확인하려면 다음을 선택하세요. 컨트롤과의 차이점 .
- 옆의 확인란을 선택하세요. 클러스터에 중요한 LSMean 프로파일 . 그러면 16단계에서 지정된 변수 중 유의미한 차이가 있는 것으로 계산된 각 변수에 대해 계층적 클러스터링이 수행됩니다.
- 출력에서 적절한 차이가 계산되도록 하려면 다음을 선택하십시오. 차이 선택기 (아래 빨간색으로 강조 표시). 그러면 화산 플롯에 사용하기 위해 계산될 기본 차이를 보여주는 새 창이 열립니다.
- 에서 차이 선택기 창에서 기본 작업은 이전 시점에서 E2 노출이 더 긴 시점을 빼는 것입니다. 우리는 이것의 반대를 원합니다. 다음을 클릭하세요. 모두 반전 버튼을 눌러 순서를 바꾸세요.
- 필요에 따라 다음을 선택하거나 선택 취소하여 결과에 포함할 비교를 선택합니다. 포함하다 각 비교 옆에 있는 상자.
- 딸깍 하는 소리 구하다 .
- 에서 다중 테스트 탭에서 다음을 선택하세요. 다중 테스트 방법 . 이 예에서는 다음을 사용합니다. 루즈벨트 잘못된 발견률을 제어합니다.
- 선택 알파 여기서는 표준을 사용하겠습니다. 0.05 .
- 이 예시에는 Annotation 데이터 세트가 없지만, Annotation이 있는 경우에 추가할 수 있습니다. 주석
- 딸깍 하는 소리 달리다 분석을 시작합니다. 결과는 다음과 같습니다 JMP 저널 .
결과
** 이 분석의 대화형 보고서는 JMP Public에서 확인할 수 있습니다.
- 다음을 클릭하세요. 분포 분석 버튼을 누르면 첫 번째 결과 창이 나타납니다.
- 초기 탭에는 커널 밀도 추정 정규화 전 각 실험 그룹에 대한 곡선.
- 추가 데이터 탐색을 위해 플롯의 곡선 중 하나를 강조 표시한 다음 선택한 곡선을 제외하고 하위 집합 실험 설계 데이터 세트 생성 강조 표시된 곡선 없이 새 EDF를 불러오는 옵션입니다.
- 그만큼 상자 그림 탭에는 정규화 전 각 열에 대한 반응의 상자 그림이 표시됩니다.
- 다음으로 돌아갑니다. 신문 창을 열고 두 번째 출력 세트를 선택하고, 상관관계 및 주분산 성분 분석 .
- 각각의 상관관계 및 주분산 성분 분석 결과 창은 출력이 동일합니다.
- 그만큼 3D PCA 플롯 탭은 주성분의 3D 산점도를 제공합니다. 빨간색 점은 에스트로겐으로 치료받은 그룹이고 파란색 점은 대조군입니다.
- 그룹이 명확하게 분류되어 있어 데이터의 차이 중 상당 부분이 에스트로겐 치료에 의해 설명된다는 것을 알 수 있습니다.
- 그만큼 2DA PCA 플롯 탭에는 행렬의 각 주성분 그룹에 대한 분산이 표시됩니다. 대각선의 히스토그램은 각 주성분이 설명하는 전체 분산의 백분율을 나타냅니다. 그만큼 스크린 플롯 각 주성분에 의해 설명되는 분산의 양을 제공합니다.
- 그만큼 상관관계 히트맵 탭은 상관 행렬의 히트 맵을 제공합니다. 오른쪽 위 사분면과 왼쪽 아래 사분면의 증가된 파란색 색상에서 볼 수 있는 치료 그룹과 치료 그룹 사이에는 상관 관계가 있습니다.
- 그만큼 상관관계 분포 탭에는 상관 행렬의 분포와 해당 p-값이 표시됩니다. 낮은 p-값은 견고한 결과를 나타냅니다.
- 상관 행렬과 상관 산점도의 행렬을 불러오려면 다음을 선택하십시오. 상관관계 및 그룹화된 산점도 ~로부터 후속 프로세스 시작
- 그러면 새 대화 상자가 열립니다. 클릭 달리다 행렬을 불러올 것입니다.
- 결과 출력은 다음을 개발하는 데 사용된 상관 행렬입니다. 히트맵, 그리고 분포 그 일부가 아래에 나와 있습니다.
- 다음으로 돌아갑니다. 신문 창을 다시 선택하고 분포 분석 . 이는 각 응답 그룹의 중앙값을 0을 중심으로 정규화하여 얻은 표준화된 밀도 곡선 및 상자 그림입니다.
- 정규화된 데이터 세트는 이제 지정된 위치에 저장됩니다. 출력 폴더 클릭하시면 확인하실 수 있습니다 데이터 표준화 일지 창에서.
- 다음으로 돌아갑니다. 신문 창을 다시 열고 최종 출력 옵션을 선택하고, 분산 분석 .
- 열리는 초기 결과 창에는 실험 그룹 세트 간의 표현 차이를 보여주는 화산 플롯이 있습니다.
- 각 플롯의 x축(표현식의 차이를 나타냄)이 균일하지 않습니다. 이러한 플롯을 효과적으로 분석하려면 축을 변경해야 합니다. 첫 번째 플롯의 x축을 마우스 오른쪽 버튼으로 클릭하고 축 설정 .
- -4.5~6 범위를 입력하세요. 최저한의 & 최고 필드 규모 .
- 0.5를 입력합니다. 증가 옵션을 선택하고 좋아요 .
- 다음으로 같은 축을 마우스 오른쪽 버튼으로 클릭하고 편집 > 축 설정 복사 . 이렇게 하면 축 설정이 저장되어 다른 플롯에 적용할 수 있습니다.
- 이제 두 번째 플롯까지 아래로 스크롤하고 Ctrl + 마우스 오른쪽 버튼을 클릭하세요. 선택하다 편집 > 축 설정 붙여넣기 . 그러면 복사된 축 설정이 모든 플롯에 적용됩니다.
- 축이 조정되면 결과를 살펴보십시오. 아래 화산 플롯은 에스트로겐 처리를 받은 세포와 에스트로겐 처리를 하지 않은 세포의 발현 차이를 보여줍니다. x축은 표현의 차이를 나타내고 y축은 차이의 통계적 유의성을 나타냅니다.빨간색 기준선은 p-값 0.05를 나타냅니다.
- 아래 도표는 세 가지 다른 노출 단계에서 에스트로겐 치료군과 대조군 간의 차이를 보여줍니다.
- 에스트로겐에 노출되면 MCF7 세포의 유전자 발현에 변화가 발생한다는 것은 화산 플롯의 모양에서 분명합니다.
- 아래에서는 12시간에서 24시간, 24시간에서 48시간까지 발현 변화에 대한 대조군과 실험군의 화산 플롯을 비교합니다. 다시 한번, 24시간에서 48시간 측정까지 발현 수준이 감소하고, 12시간에서 24시간 시점까지 발현이 증가했습니다. 이는 에스트로겐에 노출된 그룹에서 더 많이 정의됩니다.
- 스크롤하여 LSMeans 병렬 플롯 출력 창의 오른쪽에 있습니다. 상단 플롯은 특성(대조군 대 실험군)과 시간 간의 상호 작용을 보여줍니다. 이 그림에서 볼 수 있듯이 평행하지 않은 선은 두 변수 간의 상호 작용을 나타냅니다. 하단 플롯은 상호 작용이 없는 간단한 평균을 보여줍니다.
- 이 그래프에서 선을 강조 표시하면 화산 플롯에서 해당 지점이 선택되고 그 반대의 경우도 마찬가지입니다.
- 추가 분석은 다음에서 수행할 수 있습니다. 드릴다운 메뉴 , 다음을 사용하여 모델 피팅을 포함합니다. 분산분석 결과, 선택한 데이터의 하위 집합 생성, 강도 플롯 만들기 등이 있습니다.
요약
그만큼 기본 표현식 작업 흐름 일련의 분석을 하나로 묶고 실험 조건 전반에 걸쳐 발현 수준을 비교하는 효과적인 방법입니다. 이 워크플로우는 발현 분석을 시작하는 데 적극 권장됩니다. 데이터 표준화 및 QC, 분포 및 상관 분석과 같은 데이터 탐색, 표현 및 LSMeans 분석이 가능합니다. 출력 창에서 분석을 계속하는 것은 쉽습니다. 드릴다운 메뉴를 선택하고 데이터에 모델을 맞추세요.
JMP Genomics에는 분석 파이프라인이 있거나 워크플로 데이터 세트에 대해 일련의 분석을 수행합니다. 그만큼 기본 표현식 작업 흐름 일련의 품질 관리 및 정규화 방법을 자동화한 후 ANOVA를 수행하여 기본적인 발현 분석을 수행합니다. 이 워크플로우에서는 종양을 유발하는 세포인 MCF7 세포가 세 가지 다른 시점에서 에스트로겐에 노출되는 실험의 데이터를 검사합니다. 이들 세포는 에스트로겐에 노출되면 빠르게 재생산되며, 지속적인 노출에 따라 발현 수준도 증가할 것으로 예상됩니다. 이 일련의 분석은 제어 조건과 실험 조건 모두에서 각 시점의 데이터 분포를 제공하고, 각각의 발현 수준을 비교하고, 추가 분석 도구와 함께 사용할 표준화된 데이터 세트를 만듭니다.
답변: JMP Genomics를 사용한 발현 분석, 3부: 기본 발현 작업 흐름안녕 @irinastl ,
이러한 분석 옵션은 위에 제시된 방식으로 JMP에서 사용할 수 없습니다.위의 분석을 재현하려고 시도할 수 있지만 유사한 결과를 재현하려면 많은 작업과 시간(버튼 클릭, 데이터 테이블 조작, 일부 스크립팅 및 기타 다양한 작업)이 필요합니다. 이러한 기본 워크플로를 사용하면 JMP 내에서 이러한 분석을 생성하고 JMP Genomics가 존재하는 이유를 생성하는 데 막대한 시간과 노력이 소요됩니다. 또한 전체 게놈을 기준으로 유전자의 전단 수는 일반적으로 10,000대이며 컴퓨터의 메모리 제한으로 인해 JMP가 충돌할 가능성이 높습니다.
나는 그것이 약간의 맥락을 제공하기를 바랍니다.
최상의,
답변: JMP Genomics를 사용한 발현 분석, 3부: 기본 발현 작업 흐름JMP14 Pro에서도 이와 동일한 분석 옵션을 사용할 수 있습니까?
