214629_zh-TW

liliconcom

使用 JMP Genomics 進行表達分析，第 3 部分：基本表達工作流程

JMP基因組學有分析管道或工作流程對資料集執行一系列分析。 這基本表達工作流程自動執行一系列品質控制和標準化方法，然後進行變異數分析，以執行基本的表達分析。 對於此工作流程，我們將檢查實驗數據，其中 MCF7 細胞（引起腫瘤的細胞）在三個不同的時間點暴露於雌激素。 當暴露於雌激素時，這些細胞會迅速繁殖，並且表達水平預計會隨著持續暴露而上升。 這一系列分析將給出對照和實驗條件下每個時間點的數據分佈，比較每個時間點的表達水平，並創建標準化數據集以與進一步的分析工具一起使用。

1. 打開e2_表達式_edf_data.sas7bdat檢查實驗的結構。 每列代表指定時間（12 小時/24 小時/48 小時）的一組（實驗/對照）測量。 每個等級的每組進行 3 次測量，總共在 6 種不同的實驗條件下進行 18 次測量。
2. 來自基因組學入門選單，選擇工作流程 > 基本 > 基本表達式工作流程彈出對話框。
3. 在裡面一般的選項卡，選擇e2_表達式_edf_data.sas7bdat作為輸入 SAS 資料集。
4. 從清單中可用變數， 選擇VAR1作為標籤變數。
5. 按變數可包含在內以按指定變數的不同層級分隔輸出。 然而，該資料集沒有任何這些變數。 此外，一個染色體可變和/或一個位置變數如果資料集中包含註釋訊息，則可以包含註釋資訊。
6. 選擇一個匯出目錄並設定工作流程輸出名稱作為E2_治療以便輕鬆識別文件。
7. 在裡面實驗設計選項卡，選擇e2_表達式_edf。 sas7bdat作為實驗設計資料集。 該數據集包含有關實驗設計的信息，是分析所需的。 有關如何建立此資料集的更多信息，請參閱：使用 JMP Genomics 進行表達分析，第 1 部分：實驗設計。
8. 這顏色可變將根據指定列的等級對輸出進行顏色處理。 對於此選項，選擇特徵。
9. 選擇列名作為標籤變數。 該列對應於輸入資料集。
10. 選擇兩者時間和特徵為了定義繪圖組的變數按不同時間點和治療組分開圖。
11. 變異數分量效應可以包括在內以指定定義變異源的列，並且可以在建模之前使用以下方法調整這些影響調整效果。這些欄位的輸出將是一個圓餅圖，解釋資料變化的來源。
12. 上品質控制和標準化在標籤中，選擇要執行的 QC 分析類型。 對於本例，選擇兩者分佈分析和相關性與主方差成分分析。
13. 在裡面正常化框，選擇性病作為歸一化法。
    • 這是標準化資料集中每個實驗組的表達水平的快速而簡單的方法。 這？旁邊的圖標歸一化法給出了四種歸一化方法選項的描述。
14. 在裡面變異數分析選項卡，選擇時間&特徵作為類別變數。 這些變數在模型中形成不同的類別。
15. 列出固定效應對這些固定效應建模框為「時間|特徵」。
    • 包括條形運算符“|”建立交互效應模型時間&特徵以及將這兩個變數建模為主效應。 這與輸入“時間特徵時間*特徵”相同。
16. 在下面最小平方法均值選項卡，在標記的欄位中輸入“時間|特性”估計這些固定效應的 LS 平均值。
17. 為了火山圖的 LS 平均差分集， 選擇簡單的差異。 這將表示步驟 16 中輸入的 LS 均值效應之間的差異，但僅當這些變數的水平發生變化時。
    • 若要表示所有可能的等級對之間的差異，請選擇所有成對差異，或若要比較單一參考水準的差異，請選擇與對照的差異。
18. 選取旁邊的方塊對重要的 LSMean 設定檔進行聚類。 這將為步驟 16 中計算出具有顯著差異的每個指定變數執行分層聚類。
19. 為了確保在輸出中計算出正確的差異，請選擇差異選擇器（下面以紅色突出顯示）。 這將打開一個新窗口，顯示將計算用於火山圖中的預設差異。
20. 在裡面差異選擇器視窗中，請注意預設操作是從較早的時間點中減去 E2 曝光時間較長的時間點。 我們想要的是相反的結果。 點選全部反轉按鈕來交換順序。
    • （可選）透過選取或取消選取輸出中要包含的比較包括每個比較旁邊的方格。
21. 點選節省。
22. 在裡面多重測試選項卡，選擇一個多重測試方法。 對於這個例子，我們將使用羅斯福控制錯誤發現率。
23. 選擇一個Α在這裡，我們將使用標準0.05 。
24. 本例中沒有註釋資料集，但是如果存在註釋，可以將其新增至註解
25. 點選跑步開始分析。 結果如下JMP期刊。

結果

**此分析的互動式報告可在 JMP Public 上找到。

25. 點選分佈分析按鈕調出第一個結果視窗。
26. 初始選項卡顯示核密度估計標準化前每個實驗組的曲線。
    • 若要進一步探索數據，請反白繪圖上的任何曲線，然後按一下建立子集實驗設計資料集，排除選取的曲線選項來調出新的 EDF，而不使用突出顯示的曲線。
27. 這箱線圖標籤顯示歸一化之前每列回應的箱線圖。
28. 返回雜誌視窗並選擇第二組輸出，相關性與主方差成分分析。
    • 請注意，每個相關性與主方差成分分析結果視窗的輸出是相同的。
29. 這3D 主成分分析圖選項卡給出了主成分的 3D 散佈圖。 紅點是雌激素治療的組別，而藍點是對照組。
    • 這些組別有明確的分組，表明數據中的大部分差異是由雌激素治療解釋的。
30. 這2DA PCA 圖選項卡顯示矩陣中每個主成分組的變異數。 對角線上的直方圖表示每個主成分解釋的總變異數的百分比。 這碎石圖給出每個主成分解釋的變異量。
31. 這相關熱圖選項卡給出了相關矩陣的熱圖。 從右上象限和左下象限的藍色增加可以看出，治療組和未治療組之間存在相關性。
32. 這相關分佈選項卡顯示相關矩陣及其 p 值的分佈。 低 p 值表示結果穩健。
33. 若要顯示相關矩陣和相關散佈圖矩陣，請選擇相關性和分組散佈圖來自啟動後續流程
    • 這將打開一個新對話框；點選跑步將顯示矩陣。
34. 結果輸出是用於開發的相關矩陣熱圖，和分配其一部分如下圖所示。
35. 返回雜誌再次視窗並選擇分佈分析。 這是標準化後的密度曲線和箱線圖，每個響應組的中位數以 0 為中心進行標準化。
    • 標準化資料集現在保存到指定的匯出目錄並且可以透過點擊進行檢查數據標準化從日誌視窗。
36. 返回雜誌再次視窗並選擇最終輸出選項，變異數分析。
37. 打開的初始結果視窗有一個火山圖，顯示實驗組之間的表達差異。
38. 請注意，每個圖上的 x 軸（代表表達差異）並不統一。 為了有效地分析這些圖，需要更改軸。 右鍵單擊第一個圖的 x 軸並選擇軸設定。
39. 在中輸入 -4.5 到 6 的範圍最低限度&最大限度字段為規模。
40. 輸入 0.5 作為增量選項並選擇好的。
41. 接下來，右鍵單擊同一軸並選擇編輯 > 複製軸設置。 這會保存軸設置，以便它們可以應用於其他繪圖。
42. 現在向下捲動到第二個圖並按住 Ctrl + 右鍵。 選擇編輯 > 貼上軸設置。 這會將複製的軸設定應用於每個繪圖。
43. 調整軸後，查看結果。 下面的火山圖顯示了接受雌激素處理的細胞和未接受雌激素處理的細胞的表達差異。 x 軸代表表達差異，y 軸代表差異的統計顯著性。紅色參考線代表 p 值為 0.05。
44. 下圖顯示了雌激素治療組和對照組在三個不同暴露階段的差異。
45. 從火山圖的形狀可以清楚看出，暴露於雌激素確實會導致 MCF7 細胞中基因表現的變化。
46. 下面，我們比較了對照組和實驗組的火山圖，以了解從 12 小時到 24 小時以及從 24 小時到 48 小時的表達變化。 從 24 小時到 48 小時測量，表達量再次下降，從 12 小時到 24 小時時間點，表達量增加。 這在接觸雌激素的族群中更為明顯。
47. 捲動到LS 平均值平行圖在輸出視窗的右側。 上圖顯示了特徵（對照組與實驗組）和時間之間的交互作用。 如該圖中所示，非平行線表示兩個變數之間的交互作用。 下圖顯示了沒有交互作用的簡單方法。
    • 請注意，突出顯示該圖表上的任何線條將選擇火山圖中的對應點，反之亦然。
48. 進一步的分析可以從深入菜單，包括使用以下方法擬合模型變異數分析結果、建立所選資料的子集、製作強度圖等等。

概括

這基本表達工作流程是一種將一系列分析串聯起來並比較不同實驗條件下表達水平的有效方法。 強烈建議將此工作流程用於啟動表達分析。 它允許數據標準化和品質控制、數據探索（例如分佈和相關性分析）以及表達和 LSMeans 分析。 從輸出視窗中，可以輕鬆繼續分析深入研究選單並根據您的數據擬合模型。

JMP Genomics 擁有分析管道或工作流程對資料集執行一系列分析。 這基本表達工作流程自動執行一系列品質控制和標準化方法，然後進行變異數分析，以執行基本的表達分析。 對於此工作流程，我們將檢查實驗數據，其中 MCF7 細胞（引起腫瘤的細胞）在三個不同的時間點暴露於雌激素。 當暴露於雌激素時，這些細胞會迅速繁殖，並且表達水平預計會隨著持續暴露而上升。 這一系列分析將給出對照和實驗條件下每個時間點的數據分佈，比較每個時間點的表達水平，並創建標準化數據集以與進一步的分析工具一起使用。

 

回覆：使用 JMP Genomics 進行表達分析，第 3 部分：基本表達工作流程

你好@irinastl ,

 

這些分析選項在 JMP 中無法以上述方式提供。人們可以嘗試複製上面的分析，但是需要大量的工作和時間（單擊按鈕、資料表操作、一些腳本編寫和其他各種操作）才能重現類似的結果。 這些基本工作流程節省了在 JMP 中創建這些分析以及 JMP Genomics 存在的原因的大量時間和精力。 此外，基因的剪切數量（查看整個基因組）通常為 10,000 個，由於電腦的記憶體限制，這可能會導致 JMP 崩潰。

 

我希望這能提供一些背景資訊。

 

最好的，

回覆：使用 JMP Genomics 進行表達分析，第 3 部分：基本表達工作流程

JMP14 Pro 中是否提供這些相同的分析選項？