Altoparlante
|
Trascrizione
|
| Jason Wiggins, JMP |
ciao Madison. |
| Madisun Hembree |
Scusa, ero nel panico. |
| |
Ho pensato che fosse colpa mia, ero tipo oh no |
| Jason Wiggins, JMP |
No, è così divertente che ti piaccia fare questi per sistemarli, c'è un elenco di non so, forse 20 cose diverse che devi fare bene. |
| Madisun Hembree |
In ordine per tutto noi. |
| Jason Wiggins, JMP |
Sono e come sai, più passaggi hai bene un assistente, più opzioni, c'è un casino. |
| Madisun Hembree |
Sì. |
| Jason Wiggins, JMP |
sì così comunque, penso penso che stiamo bene ti vedo. |
| Madisun Hembree |
perfetto. |
| Jason Wiggins, JMP |
sì, non sembra che ci siano strani artefatti della fotocamera. |
| |
Direi, se ci fosse un modo per attenuare la luce sullo sfondo che potrebbe essere utile, ma. |
| |
Esattamente a. |
| |
Questo ha fatto Oh, so cosa sta succedendo. |
| Madisun Hembree |
È troppo scuro così. |
| Jason Wiggins, JMP |
No, penso che vada bene. |
| Madisun Hembree |
Va bene. |
| Jason Wiggins, JMP |
va meglio sì, va meglio. |
| Madisun Hembree |
Quindi, tipo, ho la luce del sole e ho appena spento la luce superiore. |
| Jason Wiggins, JMP |
Stai effettuando l'accesso dal tuo ufficio. |
| Madisun Hembree |
sì, li ho firmati dal mio ufficio, ci ho provato, ci sono troppe persone che lavorano da casa. |
| |
Lo sono, ed ero, come se tutti avessero una riunione allo stesso tempo, ero come se prendessi una sala conferenze in cui ci troviamo bene. |
| Jason Wiggins, JMP |
Ora perfetto, va bene, molto prima di iniziare, uno dei miei compiti è ricordarti che questa registrazione sarà pubblicata online nella pagina di scoperta della community e va bene per te. |
| Madisun Hembree |
Sì, ho fatto approvare tutto il materiale dal mio team legale così perfetto. |
| Jason Wiggins, JMP |
Fantastico, ho appena notato che stiamo effettivamente registrando, ma la nostra conversazione verrà modificata. |
| |
Ok, e sei pronto per andare quando vuoi. |
| Madisun Hembree |
Ok, allora lo solleverò sul mio e vediamo. |
| |
Che si apre. |
| Madisun Hembree |
modalità. |
| |
Lee va bene. |
| Jason Wiggins, JMP |
OK, vedo il tuo schermo che sei attivo. |
| Madisun Hembree |
Lo vedi troppo, o le facce sono la mia faccia in qualche modo sfocano qualsiasi riquadro grigio fuori dalla presentazione. |
| Jason Wiggins, JMP |
Non sembra dalla mia parte no. |
| |
E sono abbastanza sicuro che questo è ciò che vedranno le persone che guardano il video, quindi se. |
| |
sei incinta e vedo il. |
| |
Il tuo manifesto. |
| Madisun Hembree |
Va bene. |
| |
Fammi fare un passo dopo passo. |
| |
Quindi lo farò. |
| |
averlo. |
| |
Ok, allora farò solo una breve introduzione da solo e inizierò con la presentazione. |
| |
Penso che andrà bene. |
| |
Va bene. |
| |
Va bene. |
| Madisun Hembree |
Ciao ragazzi, mi chiamo Madisun Hembree e sono un ingegnere di sviluppo prodotti presso Thermo Fisher Scientific e lavoro nella loro divisione di scienze genetiche. |
| |
E oggi parlerò di come utilizzo il profiler di previsione JMP per valutare la discriminazione allelica ottimale del dosaggio SNP nei campioni di mais. Quindi, per darti prima una piccola introduzione, |
| |
quando sto determinando le prestazioni del mio saggio, o ci pensi, davvero qualsiasi prestazione di qualsiasi sistema, ci sono due tipi di variabili che devono essere definite. |
| |
In primo luogo sono le tue variabili fattore chiave. Queste saranno le variabili che cambierai, testerai diverse condizioni di. |
| |
E nel mio caso, testerò diversi tipi di test SNP che cercano geni diversi e li eseguiranno su più tipi di chicchi di mais diversi. |
| |
E il secondo tipo di variabile sono le tue variabili di output. Queste saranno le tue variabili che userai per misurare quale combinazione delle tue variabili fattore chiave |
| |
sono ottimali in base alle esigenze definite dall'utente. Quindi, nel mio caso, misurerò il tasso di chiamata, la diffusione del cluster e la distanza da cluster a NTC dei miei dati, che |
| |
Parlerò un po' di più del significato di queste metriche nella prossima sezione. Quindi questo poster esaminerà i miei esperimenti di benchmark che uso davvero come riferimento |
| |
le prestazioni del saggio dei miei materiali di partenza. E poiché ho alcuni tipi diversi di variabili di output che verranno pesate in modo leggermente diverso, è difficile farlo a mano. Quindi, utilizzando il profiler di previsione di JMP, puoi impostare |
| |
una funzione di desiderabilità che terrà conto delle esigenze definite dall'utente e ti aiuterà a creare matematicamente una classifica di desiderabilità basata sui tuoi materiali. Il software JMP sarà in grado di aiutarci molto in questo. |
| |
Quindi, parliamo un po' di cos'è un saggio SNP. |
| |
Abbiamo il DNA; contiene tutte le nostre informazioni genetiche. |
| |
E la forma più comune di variazione genetica è in un SNP. Un SNP è un polimorfismo a singolo nucleotide, in cui un singolo blocco di DNA, che è un nucleotide, |
| |
viene scambiato. E quando eseguiamo i test SNP, stiamo cercando il genotipo |
| |
i nostri campioni E quando guardi quei dati, guardi il grafico simile a quello che vediamo a destra, che è un grafico di discriminazione allelica. Quindi la nostra capacità di essere in grado di genotipizzarli in diverse categorie |
| |
è pertinente per noi essere in grado di ottenere le informazioni di cui abbiamo bisogno da quel campione. E quindi, nel mio esperimento, voglio essere in grado di determinare che le diverse combinazioni delle mie variabili fattore chiave mi stanno dando |
| |
un diagramma di discriminazione ottimale. E per farlo, userò tre metriche chiave. Il primo è il tasso di chiamata. |
| |
Quindi il tasso di chiamata è la percentuale di chiamate di genotipo riuscite per SNP di passaggio. |
| |
Per questo voglio che quella percentuale sia davvero alta, quindi voglio massimizzarla, e voglio che sia compresa tra circa l'80 e il 100% di noi che hanno genotipizzato con successo il nostro set di campioni. |
| |
Secondo, esaminerò la diffusione del cluster, quindi è qui che vediamo nella categoria rossa |
| |
quaggiù. E questa è la deviazione standard della distanza tra ogni punto dati al centro del suo cluster. Vogliamo quel numero |
| |
essere minimizzato. Vogliamo che quel numero sia davvero piccolo in modo da essere in grado di discernere tra i diversi gruppi che vedete nel rosso verde e nel blu. |
| |
Più piccolo è, meglio è per noi essere in grado di distinguere tra quelli e genotipizzare con successo i nostri campioni. |
| |
Infine, è la distanza dal cluster all'NTC. Questa è la distanza media di tutti i punti dati nel cluster dall'NTC, che è il nostro controllo senza modello. |
| |
Quindi vogliamo assicurarci che il nostro cluster genotipico sia lontano dal controllo che non ha campione ma fino a un certo punto, più lontano è quel cluster |
| |
non aggiunge tanti benefici, quindi la desiderabilità di quella distanza non è in realtà una relazione lineare. E quindi qualcosa che JMP sarà in grado di fare è |
| |
valutare l'importanza di ciascuna di queste variabili. Vogliamo che la frequenza delle chiamate e la diffusione del cluster siano considerate più importanti quando decidiamo quanto siano desiderabili le nostre combinazioni rispetto alla distanza tra cluster e NTC. È ancora importante, ma non quanto le altre due variabili. |
| |
Quindi, tornando indietro, ho eseguito i miei esperimenti. Ho usato i miei saggi SNP su tutti i miei diversi chicchi di mais. Li ho eseguiti |
| |
su una PCR. Sono stato in grado di estrarre quei dati e da quei dati ho calcolato manualmente la frequenza delle chiamate, la diffusione del cluster e la distanza dal cluster all'NTC. |
| |
Di tutte le diverse combinazioni della mia variabile fattore chiave, vi mostrerò ragazzi... l'ho inserita in una tabella JMP e vi darò una piccola dimostrazione su come utilizzo il profiler di previsione per generare una funzione di desiderabilità. |
| |
Quindi, come puoi vedere qui, ho entrambe le mie variabili fattore chiave, così come tutte le mie variabili di output. Quello che farò è andare ad analizzare e fare clic sul modello di adattamento. |
| |
Da lì posso prendere tutte le mie variabili di output e inserirle nella categoria Y, quindi prendere tutte le mie variabili fattore chiave e aggiungerle agli effetti del mio modello. E poiché sono davvero interessato solo al profiler di previsione, raggiungerò un rapporto minimo, solo per non vedere tanti grafici. |
| |
Quando lo eseguo, apri il profiler di previsione, vai sotto l'adattamento dei minimi quadrati e fai clic sul profiler per popolare quello in basso. |
| |
Quindi questo è solo un tipo di grafico di tutti i nostri risultati. Vedrai tutte le nostre variabili di output sull'asse Y e tutte le nostre variabili chiave di seguito. Quindi il prossimo passo è impostare la nostra funzione di desiderabilità. |
| |
Per fare ciò, siamo andati sotto ottimizzazione e desiderabilità e vedrai JMP compilare automaticamente queste curve di desiderabilità sulla destra. Quindi JMP li imposterà automaticamente tutti per massimizzare e vedrai questa desiderabilità |
| |
tipo di mappatura di seguito. Quindi quello che vuoi fare è essere in grado di impostarli, in base a quali erano i nostri bisogni definiti. Quindi prima abbiamo parlato del tasso di chiamata. |
| |
Come ho detto prima, voglio massimizzarlo. Voglio davvero che mostri una maggiore desiderabilità tra l'80 e il 100%. |
| |
Vedrai che imposterò la mia impostazione alta davvero desiderabile. La desiderabilità è compresa tra zero e uno, quindi voglio che il 100% sia il più desiderabile. |
| |
E imposterò il centro all'80% e voglio lasciarlo in modo che, man mano che scende al di sotto dell'80%, sia |
| |
molto più indesiderabile. Quella curva di desiderabilità non sarà una relazione lineare. Vogliamo che rimanga tra gli 80 a |
| |
100%. Lascerò quell'importanza a 1 e vedremo un po' più tardi come farlo. |
| |
Quindi il prossimo è il nostro cluster diffuso. E di questo abbiamo parlato, vogliamo davvero minimizzarlo, e adesso cosa |
| |
quei numeri sono a sinistra perché i valori saranno solo gli intervalli di ciò che ho nei miei dati sperimentali. Quindi lo farò |
| |
normalizzali un po', rendili un po' più carini da zero a due. E questo, dal momento che voglio solo minimizzarlo, manterrò una relazione abbastanza lineare in quella curva di desiderabilità. |
| |
Quindi lo imposterò molto desiderabile per essere più vicino a zero il più piccolo possibile e un po' meno in corso. Terrò la stessa importanza del tasso di chiamata. |
| |
E l'ultimo, questa è la distanza da ammasso a NTC di cui abbiamo parlato. Questo sarà quello che |
| |
vogliamo massimizzare. Abbiamo il nostro intervallo da zero a 12 della nostra distanza da ciò che abbiamo nei nostri dati, quindi voglio entrare e impostare alcuni |
| |
desiderabilità e dicendo che voglio che sia, sai, desiderabile essere verso i 12 anni. Quando arrivi a sei, è un po' meno desiderabile, ma non molto. |
| |
E mentre scendiamo in basso, diminuiscilo un po', ma la cosa più importante è che prenderò questo importante e lo ridurrò. |
| |
Quindi lo cambierò in 0,5, e questo cambierà il modo in cui viene calcolato il numero di desiderabilità, quanto lo pesa. Così come |
| |
potete vedere qui, è popolata la curva di desiderabilità e potete vedere che alcune di esse hanno una relazione lineare, altre sono curve. |
| |
Quello che vogliamo fare è assicurarci di raggiungere la massima desiderabilità, perché quando lo facciamo, vedrai quaggiù per ognuno di questi, apparirà un numero di desiderabilità. E proprio ora sta mostrando che il mio chicco di mais tre, |
| |
con il mio mais 11 SNP assay mi darà le impostazioni più desiderabili. E quindi qualcosa che puoi fare è salvare quella formula, così possiamo dare un'occhiata |
| |
quella formula per vedere come viene calcolata, quindi posso prenderla e quando la ordino, dovrà apparire una nuova tabella di dati. Dovrai semplicemente fare clic su Continua per far apparire quella tabella di dati. |
| |
E una volta che si apre, quello che vedrai è di nuovo un elenco, e una volta che scorro, vedrai i numeri di desiderabilità |
| |
e come li classificano dal più alto al più basso. E qualcosa che saremo in grado di vedere è come viene calcolato quel numero. Puoi entrare nella formula. |
| |
E la cosa più importante è quando stabiliamo la nostra importanza, |
| |
puoi vedere qui sotto tasso di chiamata, diffusione del cluster e cluster a NTC, quel numero che emerge nella desiderabilità è da tutti questi fattori sommati. E puoi vedere che ognuno di questi è moltiplicato per un moltiplicatore scaler. |
| |
E il cluster a NTC, la cosa che noterai, è stato moltiplicato per 0,2, dove gli altri due sono moltiplicati per 0,4. |
| |
Ciò significa che quando ottengo questo numero di desiderabilità per ciascuna delle mie combinazioni di tipo di chicco di mais e tipo di saggio SNP, sta prendendo in considerazione il tasso di chiamata e la diffusione del cluster |
| |
più alto e in qualche modo mostra più importanza della distanza tra ammasso e NTC. |
| |
Quindi, quando questi sono popolati, questo è il tipo di chiave per questo ed essere in grado di determinare quale variabile si desidera tenere più alta quando si calcola questo numero di desiderabilità. E quindi ho questa lista classificata, ho questi numeri di desiderabilità. |
| |
Ma, sai, perché sono utili? Quindi questo è stato un esperimento di base per me per capire le prestazioni del mio test. Quando vado a fare qualsiasi ottimizzazione, diciamo per le mie miscele di reazione, forse voglio cambiare la sequenza nel mio saggio SNP, voglio provare a |
| |
ottimizzare forse il mio master mix multiplex. |
| |
Quando lo faccio, ho bisogno di capire quali materiali voglio usare, perché non sapevo quali geni sarebbero stati in quei chicchi di mais. |
| |
Quindi ora ho questo elenco e posso scorrere fino in fondo e trovare quelli che sono davvero indesiderabili. Potrebbe essercene uno ma non avere affatto quel gene. Ora posso rimuovere quelli basati su quella classifica di desiderabilità. |
| |
Potrebbero esserci quelli in cui hanno una minore desiderabilità in cui sono come se sapessi che penso di poter ottimizzare il mio saggio |
| |
per migliorare questo. Quindi ora posso scegliere da quell'elenco quali materiali voglio usare in futuro. Ma farlo a mano sarebbe stato, |
| |
per me, praticamente impossibile. Non saprei davvero come farlo matematicamente e come tenere le cose più in alto l'una dell'altra con la mia variabile di output. |
| |
Quindi JMP è stato molto rapidamente in grado di fornirmi quell'elenco da cui partire quando ho iniziato a eseguire il mio processo di ottimizzazione in qualsiasi categoria di cui avessi bisogno. |
| |
Quindi quella era la mia presentazione del poster. Vorrei ringraziare i miei mentori, Joyce Wile e Ferrier Le, per avermi fornito i materiali e per avermi fornito un supporto continuo. E spero che vi sia piaciuta la presentazione. Grazie. |
