398681_zh-TW

liliconcom

使用 JMP 預測刻畫器評估玉米樣品中的最佳 SNP 分析等位基因鑑別 (2021-US-EPO-843)

級別：中級

 

Madisun Hembree，工程師 II，產品開發，賽默飛世爾科技

 

由於體外診斷 (IVD) 領域不斷發展，該領域的新技術需要一個過程來衡量其益處。 優化需要定義輸出變量並測試其假設的關鍵因素變量。 可以在定義的因子變量導致輸出變量的最理想條件的條件下運行實驗。 單核苷酸多態性 (SNP) 基因分型分析是 IVD 的一個例子，可檢測和區分樣品中的 SNP 變異。 這些檢測的優化需要最大限度地區分等位基因類型。 在新配方或工藝變更之前，重要的是要建立所有對照材料的基線等位基因區分模式。

我們可以使用 JMP 的擬合模型、預測刻畫器和模擬器來創建工具集，以量化多個關鍵因素變量的不同條件的合意性。 本研究旨在創建一個工具集，該工具集考慮了玉米粒類型和 SNP 分析類型的關鍵因素變量，以表徵對三個輸出變量的影響：調用率、簇擴展和簇到 NTC 的距離。 然後可以添加此工具集以驗證未來的新配方或流程更改。

 

 

自動生成的成績單...

 

揚聲器	成績單
傑森威金斯，JMP	嘿麥迪遜。
麥迪遜恆布里	對不起，我很恐慌。
	我以為是我的錯，我就像哦不。
傑森威金斯，JMP	不，這太有趣了，喜歡做這些來設置這些有一個我不知道的清單，也許你必須做對 20 件不同的事情。
麥迪遜恆布里	為了我們的一切。
傑森威金斯，JMP	就像你知道的那樣，你有一個助手的步驟越多，選擇就越多，事情就會一團糟。
麥迪遜恆布里	是的。
傑森威金斯，JMP	是的，無論如何，我想我覺得我們很好，我看到你了。
麥迪遜恆布里	完美的。
傑森威金斯，JMP	是的，看起來沒有任何奇怪的相機偽像。
	我會說，如果有一種方法可以使背景中的光線變暗可能會有所幫助，但是。
	正是為了。
	哦，我知道這是怎麼回事。
麥迪遜恆布里	是不是太黑了。
傑森威金斯，JMP	不，我覺得這樣就好了。
麥迪遜恆布里	好的。
傑森威金斯，JMP	那更好，那更好。
麥迪遜恆布里	所以，就像，我有陽光，我剛剛關掉了上面的燈。
傑森威金斯，JMP	您是從辦公室登錄的嗎？
麥迪遜恆布里	是的，我在辦公室簽了他們，我試著讓太多人在家工作。
	我是，我是，就像每個人都在同一時間開會一樣，我想我會抓住我們在正確的會議室。
傑森威金斯，JMP	現在完美了，在我們開始之前，我的任務之一是提醒您，此錄音將在線發佈在社區發現頁面中，與您同在。
麥迪遜恆布里	是的，我的法律團隊批准的所有材料都非常完美。
傑森威金斯，JMP	太好了，我剛剛注意到我們實際上正在錄音，但我們的對話將被刪除。
	好的，您隨時可以出發。
麥迪遜恆布里	好的，那我就把它拉上我的，讓我們看看。
	那打開。
麥迪遜恆布里	模式。
	李好。
傑森威金斯，JMP	好的，我看到你的屏幕了。
麥迪遜恆布里	你看到了嗎，或者面孔是我的臉，是否模糊了演示文稿中的任何灰色框。
傑森威金斯，JMP	它看起來不像我最後沒有。
	我很確定這就是觀看視頻的人會看到的。
	你懷孕了，我看到了。
	你的海報。
麥迪遜恆布里	好的。
	讓我一步一步來。
	所以我只會。
	有它。
	好的，那麼我將自己做一個簡短的介紹，然後從演示開始。
	我認為那會很好。
	好的。
	好的。
麥迪遜恆布里	大家好，我叫 Madisun Hembree，我是 Thermo Fisher Scientific 的產品開發工程師，在他們的遺傳科學部門工作。
	今天我將討論我如何使用 JMP 預測分析器來評估玉米樣品中的最佳 SNP 檢測等位基因區分。 先給大家簡單介紹一下，
	當我確定我的測定性能時，或者您考慮一下，實際上是任何系統的任何性能，都需要定義兩種類型的變量。
	首先是您的關鍵因素變量。 這些將是你要改變的變量，你要測試不同的條件。
	就我而言，我將測試不同的 SNP 檢測類型，這些檢測類型正在尋找不同的基因並在多種不同的玉米粒類型中運行它們。
	第二種類型的變量是您的輸出變量。 這些將是您將用來衡量關鍵因素變量組合的變量
	是基於您用戶定義的需求的最佳選擇。 所以在我的例子中，我將測量我的數據的呼叫率、集群傳播和集群到 NTC 的距離，這
	我將在下一節中更多地討論這些指標的含義。 所以這張海報將著眼於我用來真正基線的基準實驗
	我的起始材料的測定性能。 而且由於我有幾種不同類型的輸出變量，它們的權重略有不同，因此很難手動完成。 因此，您可以使用 JMP 預測分析器設置
	一個考慮用戶定義需求的合意性函數，它將幫助您從數學上創建基於您的材料的合意性排名。 軟件 JMP 將能夠在這方面為我們提供很多幫助。
	那麼接下來，談談什麼是 SNP 檢測。
	我們有 DNA；它保存了我們所有的遺傳信息。
	最常見的遺傳變異形式是 SNP。 SNP 是單核苷酸多態性，其中單個 DNA 塊，即一個核苷酸，
	被換出。 當我們運行 SNP 檢測時，我們希望進行基因分型
	我們的樣品。 當您查看該數據時，您會看到類似於我們在右側看到的圖表，即等位基因區分圖。 所以我們能夠將這些基因分型到不同的類別
	與我們能夠從該樣本中獲取所需信息有關。 所以，在我的實驗中，我希望能夠確定我的關鍵因素變量的不同組合給我
	最優判別圖。 為此，我將使用三個關鍵指標。 首先是通話率。
	所以調用率是每個通過 SNP 的成功基因型調用的百分比。
	為此，我希望該百分比非常高，因此我希望將其最大化，並且我希望我們中的大約 80% 到 100% 成功地對我們的樣本集進行了基因分型。
	其次，我要討論的是集群分佈，所以我們在紅色類別中看到了
	這邊。 這就是每個數據點到其集群中心的距離的標準差。 我們想要那個號碼
	被最小化。 我們希望這個數字非常小，以便我們能夠區分您看到的紅色綠色和藍色的不同組。
	它越小，我們就越能區分這些之間的差異並成功地對我們的樣本進行基因分型。
	最後，是集群到 NTC 的距離。 這是集群中所有數據點到 NTC 的平均距離，這是我們的無模板控件。
	所以我們要確保我們的基因型簇遠離沒有樣本但達到某個點的對照，該簇離得越遠
	沒有增加太多好處，因此該距離的可取性並不是真正的線性關係。 所以 JMP 能夠做的就是
	權衡每個變量的重要性。 當我們決定我們的組合比集群到 NTC 的距離有多可取時，我們希望呼叫率和集群傳播更重要。 它仍然很重要，但不如其他兩個變量重要。
	所以回去，我進行了我的實驗。 我在所有不同的玉米粒上都使用了 SNP 分析。 我跑了他們
	在 PCR 上。 我能夠提取該數據，並根據該數據手動計算呼叫率、集群傳播以及集群到 NTC 的距離。
	在我的關鍵因素變量的所有不同組合中，我將向你們展示......我將其輸入到 JMP 表中，我將向你們展示我如何使用預測分析器生成一個合意函數。
	所以，正如你在這裡看到的，我有我的兩個關鍵因素變量，以及我所有的輸出變量。 我要做的是進行分析，然後單擊擬合模型。
	從那裡我可以把我所有的輸出變量放在 Y 類別中，然後把我所有的關鍵因素變量添加到我的模型效果中。 因為我真的只對預測分析器感興趣，所以我將達到最少的報告，這樣我就不會看到那麼多的圖表。
	當我運行它時，調出預測分析器，進入最小二乘擬合，然後單擊分析器將其填充到底部。
	所以這只是繪製我們所有結果的圖表。 您將在 Y 軸上看到我們所有的輸出變量，並在下方看到我們所有的關鍵因素變量。 所以下一步是，我們要設置我們的意願函數。
	為此，我們進行了優化和需求性分析，您會在右側看到 JMP 自動填充這些需求性曲線。 因此 JMP 會自動將所有這些設置為最大化，您會看到這種可取性
	下面的一種映射。 所以你想要做的是能夠根據我們定義的需求來設置這些。 所以首先我們談到了通話率。
	就像我之前說的，我想最大化它。 我真的希望它在 80% 到 100% 之間表現出更高的吸引力。
	你會發現我會設置非常理想的高設置。 可取性介於 0 和 1 之間，所以我希望 100% 是最可取的。
	我將中間設置為 80% 我想離開它，當它低於 80% 時，它是
	更不受歡迎。 該合意性曲線不會是線性關係。 我們希望它保持在 80 到
	100%。 我將把這個重要性保留為 1，稍後我們將看到如何做到這一點。
	所以接下來是我們的集群傳播。 我們談到了這個，我們真的想最小化這個，現在什麼
	這些數字在左邊，因為這些值將是我在實驗數據中所擁有的範圍。 所以我只是要去
	將它們標準化一點，使它們從零到二更好一點。 而這個，因為我只想最小化它，我將在該意願曲線中保持一個相當線性的關係。
	因此，我將非常理想地將其設置為盡可能小且更接近零，並且減少一點。 我將保持它與通話率一樣的重要性。
	最後一個，這是我們談到的集群到 NTC 的距離。 這將是一個
	我們想要最大化。 我們與數據中的距離的範圍是 0 到 12，然後我想進去，我要設置一些
	渴望並說我希望它成為，你知道的，向著 12 邁進。 當你達到六個時，它有點不太可取，但不是很多。
	當我們下降到下面時，將其減少一點，但最重要的是我將把它視為重要的並且我將減少它。
	所以我要把它改成 0.5，這將改變合意性數字的計算方式，以及它的權重。 這樣
	你可以在這裡看到，它填充了意願曲線，你可以看到其中一些具有線性關係，其中一些是彎曲的。
	我們想要做的是確保我們達到最大的合意性，因為當我們這樣做時，你會在下面看到每個人，一個合意性數字會彈出。 現在它顯示我的玉米粒三，
	用我的玉米 11 SNP 檢測將給我最理想的設置。 所以你可以做的就是保存那個公式，所以我們可以看看
	那個公式來看看它是如何計算的，所以我可以接受它，當我對它進行排序時，它需要彈出一個新的數據表。 您只需單擊“繼續”即可彈出該數據表。
	一旦彈出，你會再次看到一個列表，一旦我滾動，你會看到合意性數字
	以及他們如何從最高到最低排名。 我們將能夠看到的是該數字是如何計算的。 你可以進入公式。
	最重要的是當我們設定我們的重要性時，
	您可以在此處在呼叫率、集群擴展和集群到 NTC 下看到，在合意性中出現的數字是所有這些因素加在一起的結果。 你可以看到，每一個都乘以一個定標器乘數。
	您會注意到，NTC 的集群乘以 0.2，而其他兩個乘以 0.4。
	這意味著當我為我的玉米粒類型和 SNP 分析類型的每個組合得出這個合意性數字時，它會考慮調用率和集群擴展
	更高，比集群到 NTC 的距離更重要。
	因此，當這些被填充時，這是一種關鍵，並且能夠確定在計算此合意性數字時要保持更高的變量。 所以我有這個排名列表，我有這些合意性數字。
	但是，你知道，為什麼這些有用？ 所以這是我了解我的檢測性能的基線實驗。 當我繼續進行任何優化時，例如對於我的反應混合物，我可能想更改 SNP 分析中的序列，我想嘗試
	優化我的多重主混音。
	這樣做時，我需要了解我想使用什麼材料，因為我不知道那些玉米粒中會有什麼基因。
	所以我現在有了這個列表，我可以滾動到底部並找到那些真的不受歡迎的。 可能有一個，但根本沒有那個基因。 我現在可以根據該期望排名刪除那些。
	可能有些人的可取性較低，我就像你知道的那樣，我想我可以優化我的檢測
	使這更好。 所以現在我可以從該列表中選擇我想要使用的材料。 但是手工做的話，
	對我來說，幾乎不可能。 我真的不知道如何在數學上做到這一點，以及如何用我的輸出變量將事物保持在比彼此更高的位置。
	因此，JMP 很快就能夠為我提供該列表，從我開始以我需要的任何類別進行優化過程開始。
	這就是我的海報展示。 我要感謝我的導師 Joyce Wile 和 Ferrier Le，他們為我提供了材料，並提供了持續的支持。 我希望你們喜歡這個演講。 謝謝你。

數據探索電子海報統計和建模