398681_ja-JP

liliconcom

JMP予測プロファイラーを使用したトウモロコシサンプルの最適なSNPアッセイ対立遺伝子識別の評価（2021-US-EPO-843）

レベル：中級

 

Madisun Hembree、エンジニアII、製品開発、Thermo Fisher Scientific

 

体外診断（IVD）の分野は常に進化しているため、この分野の新技術には、その利点を測定するプロセスが必要です。 最適化では、出力変数を定義し、それらの仮定されたキーファクター変数をテストする必要があります。 実験は、定義された因子変数が出力変数の最も望ましい条件につながる条件下で実行できます。 IVDの一例である一塩基多型（SNP）ジェノタイピングアッセイは、サンプル中のSNP変動を検出および区別します。 これらのアッセイを最適化するには、対立遺伝子タイプ間の識別を最大化する必要があります。 新しい製剤またはプロセスを変更する前に、すべての対照物質でベースラインの対立遺伝子識別パターンを確立することが重要です。

JMPのFitModel、Prediction Profiler、およびSimulatorを使用して、複数の主要な因子変数のさまざまな条件の望ましさを定量化するツールセットを作成できます。 この研究は、トウモロコシの果実の種類とSNPアッセイの種類の主要な要因変数を考慮して、3つの出力変数（呼び出し率、クラスターの広がり、クラスターからNTCまでの距離）への影響を特徴付けるツールセットを作成することを目的としています。 このツールセットを追加して、将来の新しい処方やプロセスの変更を検証できます。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
ジェイソンウィギンズ、JMP	ねえマディソン。
マディスンヘンブリー	すみません、パニックになりました。
	私はそれが私のせいだと思った、私はああ、いやのようだった。
ジェイソンウィギンズ、JMP	いいえ、これらを設定するのが好きなのはとても面白いので、私にはわからないリストがあります。おそらく20の異なることを正しく行う必要があります。
マディスンヘンブリー	すべてのために私たち。
ジェイソンウィギンズ、JMP	あなたが知っているように、あなたがアシスタントをうまく持っているステップが多ければ多いほど、より多くのオプションがあり、それを台無しにします。
マディスンヘンブリー	うん。
ジェイソンウィギンズ、JMP	そうとにかく、私たちはあなたに会えて良かったと思います。
マディスンヘンブリー	完全。
ジェイソンウィギンズ、JMP	ええ、それは奇妙なカメラのアーティファクトがあるようには見えません。
	背景の光を暗くする方法があれば、役立つと思いますが。
	まさに。
	これはああ、何が起こっているのか知っています。
マディスンヘンブリー	暗すぎるので。
ジェイソンウィギンズ、JMP	いいえ、それでいいと思います。
マディスンヘンブリー	わかった。
ジェイソンウィギンズ、JMP	ええ、それはより良いです。
マディスンヘンブリー	だから、私は日光を浴びていて、アッパーライトを消しただけです。
ジェイソンウィギンズ、JMP	オフィスからサインインしていますか。
マディスンヘンブリー	ええ、私は自分のオフィスからそれらに署名しました、私は家で働いている人が多すぎるように試みました。
	私は、誰もが同時に会議を開くように、私たちが正しい会議室をつかむようなものでした。
ジェイソンウィギンズ、JMP	さて、これで問題ありません。開始するかなり前に、私のタスクの1つは、この録音がコミュニティ検出ページにオンラインで投稿されることを思い出させることです。
マディスンヘンブリー	はい、法務チームによって承認されたすべての資料を完璧に入手しました。
ジェイソンウィギンズ、JMP	素晴らしいです。実際に録音していることに気づきましたが、会話は編集されます。
	さて、あなたはいつでも好きなときに行く準備ができています。
マディスンヘンブリー	さて、それから私はそれを私の上に引き上げて見てみましょう。
	それが開きます。
マディスンヘンブリー	モード。
	リーOK。
ジェイソンウィギンズ、JMP	OK、画面が表示されています。
マディスンヘンブリー	やり過ぎに、あなたはそれを見ますか、それとも顔は私の顔がプレゼンテーションから灰色のボックスをぼかすようなものですか？
ジェイソンウィギンズ、JMP	私の側ではそうではないようです。
	そして、私はこれがビデオを見ている人々がそうするならそう見るであろうものであるとかなり確信しています。
	あなたは妊娠していて、私は見ます。
	あなたのポスター。
マディスンヘンブリー	わかった。
	ステップバイステップで説明します。
	だから私はただします。
	それを持っている。
	では、自分で簡単な紹介をして、プレゼンテーションから始めましょう。
	いいと思います。
	わかった。
	わかった。
マディスンヘンブリー	こんにちは皆さん、私の名前はMadisun Hembreeです。私は、Thermo Fisher Scientificの製品開発エンジニアであり、彼らの遺伝学部門で働いています。
	そして今日は、JMP予測プロファイラーを使用して、トウモロコシサンプルの最適なSNPアッセイ対立遺伝子識別を評価する方法について説明します。 それで、最初に少し紹介するために、
	私がアッセイのパフォーマンスを決定しているとき、またはあなたがそれについて考えるとき、実際にはどのシステムのパフォーマンスでも、定義する必要のある変数には2つのタイプがあります。
	まず、重要な要素変数です。 これらは、変更する変数になり、のさまざまな条件をテストします。
	そして私の場合は、さまざまな遺伝子を探しているさまざまなSNPアッセイの種類をテストし、それらを複数のさまざまなトウモロコシの果実の種類にまたがって実行します。
	そして、2番目のタイプの変数は出力変数です。 これらは、キーファクター変数のどの組み合わせを測定するために使用する変数になります。
	ユーザー定義のニーズに基づいて最適です。 したがって、私の場合は、データのコールレート、クラスタースプレッド、およびクラスターからNTCまでの距離を測定します。
	次のセクションでは、これらのメトリックの意味についてもう少し説明します。 したがって、このポスターでは、実際にベースラインを作成するために使用するベンチマーク実験を確認します。
	私の出発物質のアッセイの性能。 また、出力変数の種類がいくつかあり、それらの重みが少し異なるため、手動で行うのは困難です。 したがって、JMP予測プロファイラーを使用して設定できます
	ユーザー定義のニーズを考慮に入れる望ましさ関数であり、材料に基づいて望ましさのランキングを数学的に作成するのに役立ちます。 ソフトウェアJMPは、これで私たちを大いに助けてくれるでしょう。
	次に、SNPアッセイとは何かについて少し話します。
	私たちはDNAを持っています。それは私たちのすべての遺伝情報を保持しています。
	そして、遺伝的変異の最も一般的な形態は、SNPにあります。 SNPは一塩基多型であり、ヌクレオチドである単一のDNAブロックは
	交換されます。 そして、SNPアッセイを実行しているときは、遺伝子型を調べています
	私たちのサンプル。 そして、そのデータを見ると、右側に表示されているのと同様のグラフが表示されます。これは、対立遺伝子の識別プロットです。 したがって、それらをさまざまなカテゴリーに遺伝子型決定できる私たちの能力
	そのサンプルから必要な情報を取得できることは、私たちにとって適切なことです。 したがって、私の実験では、主要な因子変数のさまざまな組み合わせが私に与えていることを確認できるようにしたいと思います。
	最適な識別プロット。 そのために、3つの主要なメトリックを使用します。 1つ目は通話料金です。
	したがって、呼び出し率は、通過するSNPごとの成功した遺伝子型呼び出しのパーセンテージです。
	そのためには、そのパーセンテージを非常に高くしたいので、それを最大化したいのです。そして、サンプルのセットの遺伝子型決定に成功している私たちの約80〜100％の間にしたいと思います。
	次に、クラスターの広がりについて説明します。これが赤いカテゴリに表示されます。
	ここに。 これは、各データポイント間のクラスターの中心までの距離の標準偏差です。 その番号が欲しい
	最小化する。 赤、緑、青で表示されるさまざまなグループを識別できるように、その数を非常に小さくする必要があります。
	小さいほど、それらの違いを識別し、サンプルの遺伝子型を正しく特定できるようになります。
	最後に、クラスターからNTCまでの距離です。 これは、クラスター内のすべてのデータポイントからNTCまでの平均距離であり、テンプレートコントロールはありません。
	したがって、遺伝子型クラスターがサンプルのないコントロールから遠く離れていることを確認したいのですが、特定のポイントまで、そのクラスターは遠くにあります
	それほど多くの利点を追加しないので、その距離の望ましさは実際には線形の関係ではありません。 そして、JMPができることは
	これらの各変数の重要性を比較検討します。 クラスタからNTCまでの距離よりも、組み合わせがどれほど望ましいかを判断するときに、コールレートとクラスタスプレッドをより重要に保つ必要があります。 それはまだ重要ですが、他の2つの変数ほど重要ではありません。
	それで戻って、私は自分の実験を実行しました。 私はすべての異なるトウモロコシの果実でSNPアッセイを使用しました。 私はそれらを実行しました
	PCRで。 そのデータを取得することができ、そのデータから、コールレート、クラスタースプレッド、およびクラスターからNTCまでの距離を手動で計算しました。
	キーファクター変数のさまざまな組み合わせのすべてを紹介します...それをJMPテーブルに入力し、予測プロファイラーを使用して生成する方法について少しデモを行います。望ましさの関数。
	したがって、ここでわかるように、すべての出力変数だけでなく、両方の主要な因子変数があります。 私がやろうとしているのは、分析に行き、フィットモデルをクリックすることです。
	そこから、すべての出力変数を取得してYカテゴリに入れ、次にすべての主要な因子変数を取得して、それをモデル効果に追加できます。 また、実際には予測プロファイラーにのみ関心があるため、最小限のレポートを作成します。そのため、グラフはそれほど多く表示されません。
	これを実行するとき、予測プロファイラーを引き上げ、最小二乗適合の下に移動し、プロファイラーをクリックして下部にデータを入力します。
	つまり、これはすべての結果をグラフ化するようなものです。 Y軸にすべての出力変数が表示され、以下にすべての主要な因子変数が表示されます。 次のステップは、望ましさ関数を設定することです。
	そのために、最適化と望ましさを検討しました。右側に、JMPがこれらの望ましさの曲線を自動入力することがわかります。 したがって、JMPはそれらすべてを自動的に最大化するように設定し、この望ましさを確認します
	以下のマッピングの種類。 したがって、あなたがしたいことは、私たちが定義したニーズに基づいて、それらを設定できるようにすることです。 そこで、最初に通話料金について話しました。
	前にも言ったように、それを最大化したい。 私はそれが80から100％の間でより高い望ましさを示すことを本当に望んでいます。
	高い設定を本当に望ましいものに設定することがわかります。 望ましさは0から1の間なので、100％が最も望ましいと思います。
	そして、真ん中を80％に設定し、80％を下回ると、それをそのままにしておきます。
	はるかに望ましくない。 その望ましさの曲線は線形関係にはなりません。 私たちはそれがその80から
	100％。 その重要性を1のままにしておきます。その方法については、後で少し説明します。
	次はクラスタースプレッドです。 そして、これについて話しましたが、これを最小限に抑えたいと思っています。
	これらの数値は左側にあり、値は実験データにある範囲になります。 だから私はただ行くつもりです
	それらを少し正規化し、0から2まで少し良くします。 そして、これを最小限に抑えたいので、その望ましさの曲線の中でかなり線形の関係を維持します。
	ですから、ゼロにできるだけ小さくし、少し小さくすることが非常に望ましいと設定します。 通話料金と同じ重要性を維持します。
	そして最後に、これは私たちが話し合ったクラスターからNTCまでの距離です。 これは、
	最大化したい。 データの距離の範囲は0から12です。次に、入力したいので、いくつか設定します。
	望ましさ、そして私がそれを望んでいると言っているのは、あなたが知っているように、12に向かっていることが望ましいことです。 6に達すると、それは少し望ましくありませんが、それほど多くはありません。
	そして、下に降りるときに少し減らしますが、最も重要なことは、これを重要視し、減らすことです。
	したがって、これを.5に変更します。これにより、望ましさの数値の計算方法とその重みが変更されます。 ように
	あなたはここで見ることができます、それは望ましさの曲線で占められています、そしてあなたはそれらのいくつかが線形関係を持っているのを見ることができます、それらのいくつかは湾曲しています。
	私たちがやりたいのは、最大化された望ましさを確実に達成することです。そうすると、それぞれについてここに表示され、望ましさの数値がポップアップ表示されます。 そして今、それは私のトウモロコシの果実が3つであることを示しています。
	私のトウモロコシ11SNPアッセイでは、最も望ましい設定が得られます。 そして、あなたができることは、その式を保存することです。
	その数式を使用して計算方法を確認します。これを使用して並べ替えるときに、新しいデータテーブルをポップアップ表示する必要があります。 [続行]をクリックするだけで、そのデータテーブルがポップアップ表示されます。
	そして、それがポップアップすると、再びリストが表示されます。スクロールすると、望ましさの数値が表示されます。
	そして、それらを最高から最低にランク付けする方法。 そして、私たちが見ることができるのは、その数がどのように計算されるかです。 あなたは公式に入ることができます。
	そして、最も重要なことは、私たちが重要性を設定するときです。
	ここで、コールレート、クラスタスプレッド、およびクラスタからNTCで確認できます。望ましさの中で飛び出す数値は、これらすべての要素を足し合わせたものです。 そして、それらのそれぞれがスケーラー乗数で乗算されていることがわかります。
	そして、NTCへのクラスターは.2で乗算され、他の2つは.4で乗算されます。
	つまり、トウモロコシの果実の種類とSNPアッセイの種類の組み合わせごとにこの望ましさの数値を出すとき、それは呼び出し率とクラスターの広がりを考慮に入れているということです。
	クラスターからNTCまでの距離よりも高く、一種の重要性を示しています。
	したがって、これらが入力されると、これが鍵となり、この望ましさの数値を計算するときに、どの変数をより高く保持するかを決定できます。 そして、私はこのランク付けされたリストを持っているので、私はこれらの望ましさの数を持っています。
	しかし、あなたが知っている、なぜこれらは有用ですか？ したがって、これは私のアッセイ性能を理解するためのベースライン実験でした。 最適化を行うとき、たとえば反応混合物については、SNPアッセイのシーケンスを変更したい場合があります。
	多分私のマルチプレックスマスターミックスを最適化します。
	これを行うとき、私はそれらのトウモロコシの果実にどの遺伝子が含まれるのかわからなかったので、私が使用したい材料を理解する必要があります。
	これでこのリストができました。一番下までスクロールして、本当に望ましくないリストを見つけることができます。 あるかもしれませんが、その遺伝子はまったくありません。 これで、その望ましさのランキングに基づいてそれらを削除できます。
	アッセイを最適化できると思うので、望ましさが低いものがあるかもしれません
	これをより良くするために。 これで、そのリストから、今後使用する材料を選択できます。 しかし、それを手作業で行うことは、
	私には、かなり不可能です。 数学的にそれを行う方法と、出力変数を使用して物事を互いに高く保持する方法を本当に知りません。
	そのため、JMPは、私が必要なカテゴリの種類で最適化プロセスを実行し始めたときから、そのリストをすぐに提供することができました。
	それが私のポスター発表でした。 メンターであるJoyceWileとFerrierLeに、資料を提供してくれたこと、そして継続的なサポートを提供してくれたことに感謝します。 そして、皆さんがプレゼンテーションを楽しんだことを願っています。 ありがとうございました。

データ探索ePoster統計とモデリング