214629_it-IT

liliconcom

Analisi delle espressioni con JMP Genomics, Parte 3: flusso di lavoro di base delle espressioni

Genomica JMP ha pipeline analitiche o Flussi di lavoro per eseguire una serie di analisi su un set di dati. IL Flusso di lavoro delle espressioni di base automatizza una serie di metodi di controllo e normalizzazione della qualità, seguiti da ANOVA, per eseguire un'analisi di espressione di base. Per questo flusso di lavoro, esamineremo i dati di un esperimento in cui le cellule MCF7, cellule che causano tumori, sono esposte agli estrogeni in tre diversi punti temporali. Queste cellule si riproducono rapidamente quando esposte agli estrogeni e si prevede che i livelli di espressione aumentino con l’esposizione continua. Questa serie di analisi fornirà una distribuzione dei dati in ciascun punto temporale sia in condizioni di controllo che sperimentali, confronterà i livelli di espressione per ciascuno e creerà un set di dati standardizzato da utilizzare con ulteriori strumenti analitici.

1. Apri il e2 _espressione_edf_data.sas7bdat Ispezionare la struttura dell'esperimento. Ciascuna colonna rappresenta una misurazione di gruppo (sperimentale/controllo) in un momento specifico (12 ore/24 ore/48 ore). Vengono effettuate tre misurazioni per ciascun gruppo ad ogni livello per un totale di 18 misurazioni effettuate in sei diverse condizioni sperimentali.
2. Dal Inizio della genomica menu, selezionare Flussi di lavoro > Di base > Flusso di lavoro delle espressioni di base per visualizzare la finestra di dialogo.
3. Nel Generale scheda, scegli e2 _espressione_edf_data.sas7bdat come il Inserisci il set di dati SAS .
4. Dall'elenco di Variabili disponibili , Selezionare VAR1 come il Etichetta variabile .
5. Per variabili può essere incluso per separare l'output in base a diversi livelli di una variabile specificata. Questo set di dati, tuttavia, non presenta nessuna di queste variabili. Inoltre, a Variabile cromosomica e/o a Variabile di posizione può essere incluso se le informazioni sull'annotazione sono incluse nel set di dati.
6. Scegli un Cartella di output e impostare il Nome dell'output del flusso di lavoro COME E2_Trattamento per una facile identificazione dei file.
7. Nel Design sperimentale scheda, selezionare e2_espressione_edf. sas7bdat come il Set di dati di progettazione sperimentale . Questo set di dati contiene informazioni sulla progettazione dell'esperimento ed è necessario per l'analisi. Per ulteriori informazioni su come è stato creato questo set di dati, vedere: Analisi delle espressioni con JMP Genomics, Parte 1: Progettazione sperimentale.
8. IL Colore variabile colorerà l'output in base ai livelli delle colonne specificate. Per questa opzione, seleziona Caratteristiche .
9. Selezionare NomeColonna come il Etichetta variabile . Questa colonna corrisponde ai nomi delle colonne nel file Set di dati di input .
10. Seleziona entrambi Tempo E Caratteristiche per il Variabili che definiscono i gruppi di tracciamento per separare i grafici in base ai diversi punti temporali e ai gruppi di trattamento.
11. Effetti dei componenti di varianza può essere incluso per specificare le colonne che definiscono le fonti di variabilità e questi effetti possono essere regolati prima della loro modellazione utilizzando il file Effetti di regolazione.L'output di questi campi sarà un grafico a torta che spiega l'origine della variabilità nei dati.
12. Sul Controllo di qualità e normalizzazione scheda, selezionare i tipi di analisi QC da eseguire. Per questo esempio, seleziona entrambi Analisi della distribuzione E Analisi delle Correlazioni e delle Componenti Principali della Varianza .
13. Nel Normalizzazione casella, selezionare ST come il Metodo di normalizzazione .
    • Questo è un modo semplice e veloce per standardizzare i livelli di espressione per ciascun gruppo sperimentale nel set di dati. IL ? icona accanto a Metodo di normalizzazione fornisce una descrizione delle quattro opzioni del metodo di normalizzazione.
14. Nel ANOVA scheda, selezionare Tempo & Caratteristiche come il Variabili di classe . Queste variabili formano categorie distinte nel modello.
15. Elenca gli effetti fissi nel file Modella questi effetti fissi casella come “Tempo|Caratteristiche”.
    • Incluso l'operatore bar “|” modella l'effetto di interazione per Tempo & Caratteristiche oltre a modellare entrambe le variabili come effetti principali. Ciò è identico all'immissione di “Caratteristiche temporali Tempo*Caratteristiche”.
16. Sotto il LSMsignifica scheda, immettere "Tempo|Caratteristiche" nel campo etichettato Stima delle medie LSM per questi effetti fissi .
17. Per Set di differenze delle medie LSM per i grafici dei vulcani , Selezionare Differenze semplici . Ciò indicherà le differenze tra gli effetti delle medie LS immessi nel passaggio 16, ma solo quando i livelli di tali variabili sono cambiati.
    • Per indicare la differenza tra tutte le possibili coppie di livelli, selezionare Tutte le differenze di coppia oppure per prendere le differenze rispetto a un singolo livello di riferimento, selezionare Differenze con un controllo .
18. Seleziona la casella accanto a Raggruppare profili LSMean significativi . Ciò eseguirà il clustering gerarchico per ciascuna delle variabili specificate dal passaggio 16 che si calcola abbiano una differenza significativa.
19. Per garantire che nell'output vengano calcolate le differenze corrette, selezionare Selettore di differenze (evidenziato in rosso sotto). Si aprirà una nuova finestra che mostra le differenze predefinite che verranno calcolate per l'uso nei grafici del vulcano.
20. Nel Selettore di differenze finestra, notare che l'operazione predefinita consiste nel sottrarre il punto temporale con un'esposizione E2 più lunga dal punto temporale precedente. Noi vogliamo il contrario. Clicca il Inverti tutto pulsante per scambiare l'ordine.
    • Facoltativamente, seleziona quali confronti includere nell'output selezionando o deselezionando il file Includere caselle accanto a ciascun confronto.
21. Clic Salva .
22. Nel Test multipli scheda, selezionare a Metodo di test multiplo . Per questo esempio useremo FDR per controllare il tasso di false scoperte.
23. Seleziona un Alfa Qui utilizzeremo lo standard 0,05 .
24. In questo esempio non è presente un set di dati di annotazione, ma nei casi in cui è presente un'annotazione, è possibile aggiungerla nel file Annotazione
25. Clic Correre per iniziare l'analisi. Il risultato è il seguente Giornale JMP .

Risultati

** I report interattivi di questa analisi sono disponibili su JMP Public.

25. Clicca il Analisi della distribuzione pulsante per visualizzare la prima finestra dei risultati.
26. La scheda iniziale mostra il Stima della densità del kernel curve per ciascuno dei gruppi sperimentali prima della normalizzazione.
    • Per un'ulteriore esplorazione dei dati, evidenziare una delle curve sul grafico e quindi fare clic su Crea un sottoinsieme di dati di progettazione sperimentale, escludendo le curve selezionate opzione per visualizzare un nuovo EDF senza le curve evidenziate.
27. IL Diagrammi a scatola La scheda visualizza un box plot della risposta per ciascuna colonna prima della normalizzazione.
28. Ritorna al rivista finestra e seleziona il secondo set di output, Analisi della correlazione e della varianza principale .
    • Si noti che ciascuno dei Analisi della correlazione e della varianza principale le finestre dei risultati sono identiche nell'output.
29. IL Trama PCA 3D La scheda fornisce un grafico a dispersione 3D dei componenti principali. I punti rossi sono i gruppi trattati con estrogeni mentre i punti blu sono i gruppi di controllo.
    • Esiste un chiaro raggruppamento dei gruppi, suggerendo che gran parte della varianza nei dati è spiegata dal trattamento con estrogeni.
30. IL Grafici 2DA PCA La scheda mostra la varianza per ciascun gruppo di componenti principali in una matrice. Gli istogrammi sulla diagonale indicano la percentuale della varianza totale spiegata da ciascuna componente principale. IL Trama dello schermo fornisce la quantità di varianza spiegata da ciascuna componente principale.
31. IL Mappa termica di correlazione La scheda fornisce una mappa termica della matrice di correlazione. Esiste una correlazione tra i gruppi trattati e quelli non trattati osservata nell'aumento della colorazione blu dei quadranti in alto a destra e in basso a sinistra.
32. IL Distribuzioni di correlazione La scheda mostra le distribuzioni della matrice di correlazione e i relativi valori p. I bassi valori p sono indicativi di risultati robusti.
33. Per visualizzare la matrice di correlazione e una matrice dei grafici a dispersione di correlazione, selezionare Correlazione e grafici a dispersione raggruppati dal Avvia il processo di follow-up
    • Questo aprirà una nuova finestra di dialogo; cliccando Correre farà apparire le matrici.
34. L'output risultante è la matrice di correlazione utilizzata per sviluppare il file Mappa di calore, E Distribuzione Una parte di esso è mostrata di seguito.
35. Ritorna al rivista nuovamente la finestra e selezionare Analisi della distribuzione . Questa è la curva di densità standardizzata e il box plot risultante dalla normalizzazione con le mediane di ciascun gruppo di risposta centrate su 0.
    • I set di dati normalizzati vengono ora salvati nei file designati Cartella di output e può essere ispezionato facendo clic Standardizzazione dei dati dalla finestra del diario.
36. Ritorna al rivista di nuovo la finestra e seleziona l'opzione di output finale, ANOVA .
37. La finestra dei risultati iniziali che si apre presenta un grafico del vulcano che mostra le differenze di espressione tra insiemi di gruppi sperimentali.
38. Si noti che l'asse x su ciascuno dei grafici (che rappresenta la differenza nell'espressione) non è uniforme. Per analizzare questi grafici in modo efficace, sarà necessario modificare gli assi. Fare clic con il pulsante destro del mouse sull'asse x del primo grafico e selezionare Impostazioni dell'asse .
39. Immettere un intervallo compreso tra -4,5 e 6 nel campo Minimo & Massimo campi per Scala .
40. Immettere 0,5 come Incremento opzione e selezionare OK .
41. Successivamente, fare clic con il pulsante destro del mouse sullo stesso asse e selezionare Modifica > Copia impostazioni asse . Ciò salva le impostazioni dell'asse in modo che possano essere applicate agli altri grafici.
42. Scorri ora verso il basso fino al secondo grafico e tieni premuto Ctrl + clic con il pulsante destro del mouse. Selezionare Modifica > Incolla impostazioni dell'asse . Ciò applicherà l'impostazione dell'asse copiato a ogni grafico.
43. Una volta che gli assi sono stati regolati, dai un'occhiata ai risultati. Il grafico del vulcano riportato di seguito mostra la differenza nell'espressione delle cellule a cui è stato somministrato un trattamento con estrogeni e delle cellule senza trattamento con estrogeni. L'asse x rappresenta la differenza nell'espressione e l'asse y rappresenta la significatività statistica della differenza.La linea di riferimento rossa rappresenta un valore p di 0,05.
44. I grafici seguenti mostrano la differenza tra i gruppi trattati con estrogeni e quelli di controllo nei tre diversi stadi di esposizione.
45. È chiaro dalla forma dei grafici del vulcano che l’esposizione agli estrogeni provoca un cambiamento nell’espressione genetica nelle cellule MCF7.
46. Di seguito, confrontiamo i grafici dei vulcani dei gruppi di controllo e sperimentali per il cambiamento di espressione da 12 ore a 24 ore e da 24 ore a 48 ore. Ancora una volta si verifica una diminuzione dei livelli di espressione dalle misurazioni da 24 a 48 ore e un aumento dell'espressione dai punti temporali da 12 a 24 ore. Questo è più definito nei gruppi che sono stati esposti agli estrogeni.
47. Scorri fino a LSMsignifica grafici paralleli sul lato destro della finestra di output. Il grafico in alto mostra l'interazione tra le caratteristiche (gruppo di controllo vs. gruppi sperimentali) e il tempo. Le linee non parallele, come visto in questo grafico, indicano un'interazione tra le due variabili. Il grafico in basso mostra mezzi semplici senza interazioni.
    • Tieni presente che evidenziando qualsiasi linea su questo grafico selezionerai i punti corrispondenti nei grafici del vulcano e viceversa.
48. Ulteriori analisi possono essere condotte dal Menu di drill-down , incluso l'adattamento di un modello utilizzando il file ANOVA risultati, creando un sottoinsieme di dati selezionati, creando grafici di intensità e altro ancora.

Riepilogo

IL Flusso di lavoro delle espressioni di base è un modo efficace per mettere insieme una serie di analisi e confrontare i livelli di espressione in condizioni sperimentali. Questo flusso di lavoro è altamente raccomandato per iniziare l'analisi delle espressioni. Consente la standardizzazione e il controllo qualità dei dati, l'esplorazione dei dati come analisi di distribuzione e correlazione e analisi di espressione e LSMeans. Dalla finestra di output è facile continuare l'analisi nel file Approfondimenti menu e adattare un modello ai tuoi dati.

JMP Genomics dispone di pipeline analitiche o Flussi di lavoro per eseguire una serie di analisi su un set di dati. IL Flusso di lavoro delle espressioni di base automatizza una serie di metodi di controllo e normalizzazione della qualità, seguiti da ANOVA, per eseguire un'analisi di espressione di base. Per questo flusso di lavoro, esamineremo i dati di un esperimento in cui le cellule MCF7, cellule che causano tumori, sono esposte agli estrogeni in tre diversi punti temporali. Queste cellule si riproducono rapidamente quando esposte agli estrogeni e si prevede che i livelli di espressione aumentino con l’esposizione continua. Questa serie di analisi fornirà una distribuzione dei dati in ciascun punto temporale sia in condizioni di controllo che sperimentali, confronterà i livelli di espressione per ciascuno e creerà un set di dati standardizzato da utilizzare con ulteriori strumenti analitici.

 

Oggetto: Analisi delle espressioni con JMP Genomics, Parte 3: Flusso di lavoro delle espressioni di base

CIAO @irinastl ,

 

Queste opzioni di analisi non sono disponibili in JMP nel modo in cui sono presentate sopra.Si potrebbe provare a replicare l'analisi di cui sopra, ma ci vorrebbe molto lavoro e tempo (clic sui pulsanti, manipolazione della tabella dati, alcuni script e altre varie operazioni) per riprodurre risultati simili. Questi flussi di lavoro di base riducono l'enorme tempo e impegno necessari per creare queste analisi all'interno di JMP e rappresentano il motivo per cui esiste JMP Genomics. Inoltre, il numero di geni (considerando l'intero genoma) è solitamente nell'ordine delle 10.000 unità, il che potrebbe causare il crash di JMP a causa delle limitazioni di memoria su un computer.

 

Spero che questo dia un po' di contesto.

 

Migliore,

Oggetto: Analisi delle espressioni con JMP Genomics, Parte 3: Flusso di lavoro delle espressioni di base

queste stesse opzioni di analisi sono disponibili in JMP14 Pro?