398681_ko-KR

liliconcom

JMP 예측 프로파일러를 사용하여 옥수수 샘플에서 최적의 SNP-분석 대립유전자 판별 평가(2021-US-EPO-843)

레벨: 중급

 

Madisun Hembree, 엔지니어 II, 제품 개발, Thermo Fisher Scientific

 

체외 진단(IVD) 분야가 계속 발전하고 있기 때문에 이 분야의 새로운 기술은 이점을 측정하는 프로세스가 필요합니다. 최적화를 위해서는 출력 변수를 정의해야 하고 가정된 주요 요인 변수를 테스트해야 합니다. 정의된 요인 변수가 출력 변수의 가장 바람직한 조건으로 이어지는 조건에서 실험을 실행할 수 있습니다. IVD의 한 예인 단일 염기 다형성(SNP) 유전형 분석은 샘플에서 SNP 변이를 감지하고 구별합니다. 이러한 분석에 대한 최적화를 위해서는 대립유전자 유형 간의 구별이 최대화되어야 합니다. 새로운 제형이나 공정 변경 전에 모든 대조 물질에 대한 기준 대립유전자 구별 패턴을 설정하는 것이 중요합니다.

JMP의 Fit Model, Prediction Profiler 및 Simulator를 사용하여 여러 주요 요인 변수에 대한 다양한 조건의 적합성을 수량화하는 도구 세트를 생성할 수 있습니다. 이 연구는 세 가지 출력 변수(호출률, 군집 확산, 군집에서 NTC 거리)에 대한 영향을 특성화하기 위해 옥수수 커널 유형 및 SNP-분석 유형의 주요 요인 변수를 고려하는 도구 세트를 만드는 것을 목표로 합니다. 그런 다음 이 도구 세트를 추가하여 향후 새로운 공식 또는 프로세스 변경을 검증할 수 있습니다.

 

 

자동 생성된 대본...

 

스피커	성적 증명서
제이슨 위긴스, JMP	이봐 매디슨.
마디순 헴브리	죄송합니다. 당황했습니다.
	내 잘못이라고 생각했는데, 아뇨.
제이슨 위긴스, JMP	아니요, 설정하기 위해 이러한 작업을 수행하는 것이 너무 재미있습니다. 제가 모르는 목록이 있습니다. 아마도 20가지 다른 일을 바로 잡아야 할 것입니다.
마디순 헴브리	모든 것을 위해 우리.
제이슨 위긴스, JMP	아시다시피, 조수가 더 많은 단계를 거치면 더 많은 옵션이 제공될수록 문제가 발생합니다.
마디순 헴브리	응.
제이슨 위긴스, JMP	네, 어쨌든, 저는 우리가 당신을 만나서 좋은 것 같아요.
마디순 헴브리	완벽한.
제이슨 위긴스, JMP	네, 이상한 카메라 아티팩트가 없는 것 같습니다.
	도움이 될 수 있지만 배경에서 빛을 어둡게하는 방법이 있다면 말하고 싶습니다.
	정확히.
	아, 무슨 일인지 알아요.
마디순 헴브리	너무 어둡습니까?
제이슨 위긴스, JMP	아뇨, 괜찮은 것 같아요.
마디순 헴브리	괜찮아.
제이슨 위긴스, JMP	그게 더 좋습니다. 그게 더 좋습니다.
마디순 헴브리	그래서, 나는 햇빛을 가지고 있고 나는 단지 상부 조명을 껐습니다.
제이슨 위긴스, JMP	사무실에서 로그인하고 있습니까?
마디순 헴브리	예, 사무실에서 서명했습니다. 집에서 일하는 사람들이 너무 많아지려고 했습니다.
	저는 모든 사람이 동시에 회의를 하는 것처럼 우리가 오른쪽에 있는 회의실을 잡아야 하는 것 같았습니다.
제이슨 위긴스, JMP	이제 완벽합니다. 시작하기 훨씬 전에 제 임무 중 하나는 이 녹음이 커뮤니티 검색 페이지에 온라인으로 게시될 것임을 상기시키는 것입니다.
마디순 헴브리	예, 법무팀에서 모든 자료를 완벽하게 승인했습니다.
제이슨 위긴스, JMP	좋습니다. 방금 우리가 실제로 녹음하고 있다는 것을 알아차렸지만 우리의 대화는 편집될 것입니다.
	좋아요, 그리고 당신은 당신이 원할 때 언제든지 갈 준비가 되어 있습니다.
마디순 헴브리	좋아, 그럼 내 위에 올려놓고 보자.
	그게 열립니다.
마디순 헴브리	방법.
	리 알았어.
제이슨 위긴스, JMP	알겠습니다. 화면이 켜져 있습니다.
마디순 헴브리	당신은 그것을 볼 수 있습니까, 아니면 내 얼굴이 프레젠테이션에서 회색 상자를 흐리게 처리합니까?
제이슨 위긴스, JMP	내 입장에서는 그렇지 않은 것 같다.
	그리고 나는 이것이 비디오를 보는 사람들이 그렇게 볼 것이라고 확신합니다.
	당신은 임신하고 나는 본다.
	당신의 포스터.
마디순 헴브리	괜찮아.
	단계별로 진행하겠습니다.
	그래서 난 그냥 것입니다.
	그것을 가지고.
	자, 그럼 간단히 제 소개를 하고 프레젠테이션을 시작하겠습니다.
	좋을 것 같아요.
	괜찮아.
	괜찮아.
마디순 헴브리	안녕하세요 여러분, 제 이름은 Madisun Hembree이고 Thermo Fisher Scientific의 제품 개발 엔지니어이며 유전 과학 부서에서 일하고 있습니다.
	그리고 오늘 저는 JMP 예측 프로파일러를 사용하여 옥수수 샘플에서 최적의 SNP 분석 대립유전자 구별을 평가하는 방법에 대해 이야기하겠습니다. 그래서 먼저 간단한 소개를 드리자면,
	내 분석 성능을 결정할 때 또는 여러분이 그것에 대해 생각할 때 실제로 모든 시스템의 성능에 대해 정의해야 하는 두 가지 유형의 변수가 있습니다.
	먼저 주요 요인 변수입니다. 이것들은 여러분이 변경할 변수가 될 것이며, 여러분은 다른 조건을 테스트하게 될 것입니다.
	그리고 제 경우에는 다른 유전자를 찾고 여러 옥수수 커널 유형에 걸쳐 실행하는 다른 SNP 분석 유형을 테스트할 것입니다.
	그리고 두 번째 유형의 변수는 출력 변수입니다. 이것들은 주요 요인 변수의 어떤 조합을 측정하는 데 사용할 변수가 될 것입니다.
	사용자 정의 요구 사항을 기반으로 최적입니다. 따라서 제 경우에는 호출 속도, 클러스터 확산 및 클러스터에서 NTC까지의 데이터 거리를 측정할 것입니다.
	다음 섹션에서 이러한 측정항목이 의미하는 바에 대해 조금 더 이야기하겠습니다. 따라서 이 포스터는 내가 실제로 기준선에 사용하는 벤치마크 실험을 살펴볼 것입니다.
	내 출발 물질의 분석 성능. 그리고 약간 다르게 가중치가 부여될 몇 가지 다른 유형의 출력 변수가 있기 때문에 손으로 하기가 어렵습니다. 따라서 JMP 예측 프로파일러를 사용하여 다음을 설정할 수 있습니다.
	사용자 정의 요구 사항을 고려하는 만족도 함수로, 자료를 기반으로 수학적으로 선호도 순위를 만드는 데 도움이 됩니다. 소프트웨어 JMP는 이 부분에서 많은 도움이 될 것입니다.
	다음으로 SNP 분석이 무엇인지에 대해 조금 이야기하겠습니다.
	우리에게는 DNA가 있습니다. 그것은 우리의 모든 유전 정보를 담고 있습니다.
	그리고 가장 흔한 형태의 유전적 변이는 SNP에 있습니다. SNP는 단일 염기 다형성(single nucleotide polymorphism)으로, 염기인 단일 DNA 블록이
	교환됩니다. 그리고 SNP 분석을 실행할 때 유전자형을 찾고 있습니다.
	우리의 샘플. 그리고 그 데이터를 볼 때 오른쪽에 있는 것과 유사한 그래프를 보고 있는 것입니다. 이것은 대립유전자 구별 도표입니다. 따라서 다른 범주로 유전자형을 지정할 수 있는 우리의 능력
	해당 샘플에서 필요한 정보를 얻을 수 있는 것과 관련이 있습니다. 그래서 내 실험에서 내 주요 요인 변수의 다양한 조합이 나에게
	최적의 차별 플롯. 그렇게 하기 위해 세 가지 주요 지표를 사용할 것입니다. 첫 번째는 통화율입니다.
	따라서 호출 비율은 통과하는 SNP당 성공적인 유전자형 호출의 백분율입니다.
	이를 위해 저는 그 비율이 정말 높기를 원하므로 이를 최대화하고 싶습니다. 그리고 우리 중 약 80%에서 100% 사이에 샘플 세트의 유전자형이 성공적으로 지정되기를 바랍니다.
	두 번째로 클러스터 확산에 대해 살펴보겠습니다. 여기에서 빨간색 범주에서 볼 수 있습니다.
	여기. 그리고 그것은 클러스터 중심까지의 각 데이터 포인트 사이의 거리의 표준 편차입니다. 우리는 그 숫자를 원한다
	최소화합니다. 빨간색 녹색과 파란색으로 볼 수 있는 다른 그룹을 식별할 수 있도록 이 숫자가 정말 작아야 합니다.
	크기가 작을수록 이들 간의 차이를 구별하고 샘플의 유전자형을 성공적으로 식별할 수 있는 것이 더 좋습니다.
	마지막으로 클러스터에서 NTC까지의 거리입니다. 이것은 클러스터에 있는 모든 데이터 포인트에서 NTC까지의 평균 거리이며, 이는 템플릿이 없는 컨트롤입니다.
	그래서 우리는 유전자형 클러스터가 샘플이 없는 대조군에서 멀리 떨어져 있지만 특정 지점까지는 그 클러스터가 더 멀어지도록 하고 싶습니다.
	많은 이점을 추가하지 않으므로 해당 거리의 바람직함은 실제로 선형 관계가 아닙니다. JMP가 할 수 있는 것은
	이러한 각 변수의 중요성을 저울질하십시오. 우리는 우리의 조합이 클러스터에서 NTC 거리보다 얼마나 바람직한지 결정할 때 호출 속도와 클러스터 스프레드가 더 중요하게 유지되기를 원합니다. 여전히 중요하지만 다른 두 변수만큼 중요하지 않습니다.
	그래서 돌아가서 실험을 했습니다. 나는 모든 다른 옥수수 커널에 SNP 분석을 사용했습니다. 나는 그들을 실행
	PCR에. 그 데이터를 가져올 수 있었고 그 데이터에서 호출 속도, 클러스터 확산 및 클러스터에서 NTC까지의 거리를 수동으로 계산했습니다.
	제 주요 요인 변수의 모든 다양한 조합 중에서... JMP 테이블에 입력하고 예측 프로파일러를 사용하여 생성하는 방법에 대한 약간의 데모를 보여 드리겠습니다. 바람직함 함수.
	따라서 여기에서 볼 수 있는 것처럼 저는 두 가지 주요 요인 변수와 모든 출력 변수를 가지고 있습니다. 내가 할 일은 분석으로 이동하여 모형 적합을 클릭하는 것입니다.
	거기에서 모든 출력 변수를 가져와 Y 범주에 넣은 다음 모든 주요 요인 변수를 가져와서 모델 효과에 추가할 수 있습니다. 그리고 저는 예측 프로파일러에만 관심이 있기 때문에 최소한의 보고만 하려고 합니다. 그래서 많은 그래프가 표시되지 않습니다.
	내가 이것을 실행할 때 예측 프로파일러를 풀고 최소 제곱 맞춤 아래로 이동한 다음 프로파일러를 클릭하여 맨 아래에 채웁니다.
	이것은 우리의 모든 결과를 그래프로 나타낸 것입니다. Y축에는 모든 출력 변수가 표시되고 아래에는 모든 주요 요인 변수가 표시됩니다. 따라서 다음 단계는 바람직함 함수를 설정하는 것입니다.
	이를 위해 최적화 및 선호도에 따라 JMP가 오른쪽에 이러한 선호도 곡선을 자동으로 채우는 것을 볼 수 있습니다. 따라서 JMP는 자동으로 이 모든 항목을 최대화하도록 설정하고 이 바람직함을 볼 수 있습니다.
	아래 매핑의 종류. 따라서 원하는 것은 정의된 요구 사항을 기반으로 설정하는 것입니다. 그래서 먼저 통화율에 대해 이야기했습니다.
	앞서 말했듯이 나는 그것을 극대화하고 싶다. 80~100% 사이에서 더 높은 만족도를 보여주고 싶습니다.
	당신은 내가 내 높은 설정을 정말 바람직하게 설정하는 것을 볼 수 있습니다. 바람직함은 0과 1 사이이므로 100%가 가장 바람직하기를 원합니다.
	중간을 80%로 설정하고 그대로 두어 80% 아래로 내려가면
	훨씬 더 바람직하지 않습니다. 그 바람직함 곡선은 선형 관계가 아닙니다. 우리는 그것이 80에서
	100%. 나는 그 중요도를 1로 남겨두겠습니다. 그리고 우리는 그것을 어떻게 하는지 잠시 후에 보게 될 것입니다.
	다음은 클러스터 확산입니다. 우리가 이야기한 이 문제를 최소화하고 싶습니다. 지금 당장은
	그 숫자는 값이 내 실험 데이터에 있는 범위가 될 것이기 때문에 왼쪽에 있습니다. 그래서 난 그냥 갈거야
	그것들을 약간 정규화하고 0에서 2로 조금 더 멋지게 만드십시오. 그리고 이것은 제가 최소화하고 싶기 때문에 그 바람직함 곡선에서 상당히 선형적인 관계를 유지할 것입니다.
	그래서 저는 그것이 얻을 수 있는 한 작게 0에 가까워지고 조금 덜 가는 것이 매우 바람직하도록 설정할 것입니다. 통화율과 동일한 중요성을 유지하겠습니다.
	그리고 가장 마지막은 클러스터에서 NTC까지의 거리에 대해 이야기한 것입니다. 이것은 하나가 될 것입니다
	극대화하고자 합니다. 우리는 데이터에 있는 것과 거리의 0에서 12까지의 범위를 가지고 있습니다.
	12세를 향해 가는 것이 바람직하다. 6에 도달하면 약간 덜 바람직하지만 많이는 아닙니다.
	그리고 아래로 내려가면서 조금 줄입니다. 하지만 가장 중요한 것은 제가 이것을 중요하게 여기고 줄일 것입니다.
	그래서 0.5로 변경하겠습니다. 그러면 만족도 수치가 계산되는 방식과 그 가중치가 변경됩니다. 그래서
	여기에서 볼 수 있습니다. 만족도 곡선이 채워져 있고 일부는 선형 관계가 있고 일부는 곡선인 것을 볼 수 있습니다.
	우리가 하고자 하는 것은 만족도를 극대화하는 것입니다. 그렇게 하면 여기 아래에서 각 항목에 대해 만족도 숫자가 표시되기 때문입니다. 그리고 바로 지금 제 옥수수 알갱이가 3개라는 것을 보여주고 있습니다.
	내 옥수수 11 SNP 분석으로 가장 바람직한 설정을 제공할 것입니다. 그래서 여러분이 할 수 있는 일은 그 공식을 저장하는 것입니다.
	계산 방법을 보려면 해당 공식을 사용하고 정렬할 때 새 데이터 테이블을 표시해야 합니다. 계속을 클릭하면 해당 데이터 테이블이 팝업됩니다.
	팝업창이 뜨면 다시 목록이 표시됩니다. 스크롤을 내리면 선호도 수치가 표시됩니다.
	그리고 그들이 가장 높은 곳에서 가장 낮은 곳으로 순위를 매기는 방법. 그리고 우리가 볼 수 있는 것은 그 숫자가 어떻게 계산되는지입니다. 공식으로 들어갈 수 있습니다.
	그리고 가장 중요한 것은 우리가 우리의 중요성을 설정할 때,
	여기에서 호출 속도, 클러스터 확산 및 NTC로의 클러스터에서 볼 수 있습니다. 바람직함에서 튀어나온 숫자는 이러한 모든 요소를 더한 것입니다. 그리고 각각에 스케일러 승수가 곱해지는 것을 볼 수 있습니다.
	그리고 NTC로의 클러스터에는 .2가 곱해지고 나머지 두 개에는 .4가 곱해집니다.
	즉, 옥수수 낟알 유형과 SNP 분석 유형의 조합 각각에 대해 이 선호도 수치를 얻을 때 호출률과 클러스터 확산을 고려합니다.
	클러스터에서 NTC까지의 거리보다 더 높고 더 중요함을 보여줍니다.
	따라서 이러한 항목이 채워지면 이것이 핵심이며 이 바람직함 수치를 계산할 때 더 높게 유지하려는 변수를 결정할 수 있습니다. 그래서 저는 이 순위 목록을 가지고 있습니다. 저는 이러한 선호도 수치를 가지고 있습니다.
	하지만 왜 유용한가요? 그래서 이것은 제 분석 성능을 이해하기 위한 기준 실험이었습니다. 반응 혼합물에 대해 최적화를 계속할 때 SNP 분석에서 시퀀스를 변경하고 싶을 수 있습니다.
	내 멀티플렉스 마스터 믹스를 최적화할 수 있습니다.
	이 작업을 수행할 때 어떤 유전자가 옥수수 낟알에 들어 있을지 몰랐기 때문에 어떤 재료를 사용하고 싶은지 이해해야 합니다.
	이제 이 목록이 있고 맨 아래로 스크롤하여 정말 바람직하지 않은 목록을 찾을 수 있습니다. 하나는 있지만 그 유전자가 전혀 없을 수 있습니다. 이제 해당 선호도 순위를 기반으로 해당 항목을 제거할 수 있습니다.
	내가 내 분석을 최적화할 수 있다고 생각하는 것과 같은 곳에서 바람직하지 않은 항목이 있을 수 있습니다.
	이를 개선하기 위해. 이제 그 목록에서 앞으로 사용할 재료를 선택할 수 있습니다. 하지만 손으로 했다면,
	나에게는 거의 불가능합니다. 나는 그것을 수학적으로 어떻게 하고 어떻게 내 출력 변수를 가지고 다른 것보다 더 높게 유지하는 방법을 알지 못할 것입니다.
	그래서 JMP는 내가 필요로 하는 종류에 상관없이 최적화 프로세스를 시작할 때부터 사용할 수 있는 목록을 정말 빨리 제공할 수 있었습니다.
	그것이 나의 포스터 발표였습니다. 제 멘토인 Joyce Wile과 Ferrier Le에게 자료를 제공하고 지속적인 지원을 제공해주셔서 감사합니다. 그리고 여러분이 프레젠테이션을 즐겼기를 바랍니다. 감사합니다.

데이터 탐색전자 포스터통계 및 모델링