205410_it-IT

liliconcom

Associazione genetica con JMP Genomics, parte 1: importazione e pulizia dei dati

Nella serie Genetic Association with JMP Genomics, scopriamo numerosi metodi per associare marcatori genetici con tratti di interesse. Prima di iniziare qualsiasi analisi, dobbiamo importare e pulire i nostri dati. In questa guida scarichiamo un set di dati da GEO, lo portiamo dentro Genomica JMP e trasformarlo in una forma ideale per l'analisi. In questo esempio, esploriamo circa 22.000 marcatori genetici in un campione di 474 bovari del Bernese che sono affetti o non affetti da sarcomi istiocitici (tumori).

Importazione di file di progettazione sperimentale

1. Per iniziare, segui il link sottostante per scaricare il file xml.tgz dati. ftp://ftp.ncbi.nlm.nih.gov/geo/series/GSE38nnn/GSE38011/miniml/
2. Una volta che i file sono stati salvati sul tuo computer, da Iniziatore di genomica Selezionare Importa > File di disegno sperimentale > Crea file di disegno da MINIML .
   • Il primo passaggio nell'importazione dei dati è la creazione di un file File di progettazione sperimentale (EDF) dal file xml che faceva parte del download. Questo file conterrà dati fenotipici nonché i nomi dei file necessari per importare i dati dei marker di tutti.
   • NOTA: L'EDF può essere creato dai dati in qualsiasi formato importandolo in JMP. Ciò include file Excel e file di testo delimitati a cui è possibile accedere tramite il File > Apri comando da qualsiasi finestra di JMP Genomics.
3. Sul Generale scheda, selezionare il file xml come la File in formato MINIML .
4. Tipo cane_bernese_EDF come la Nome file di output e designare un Cartella di output , quindi fare clic Correre .
5. L'output è un EDF contenente le informazioni necessarie per importare i dati del marker. Ogni riga nell'EDF corrisponde a un file .txt contenente i dati del marker di ogni singolo cane. Le seguenti colonne sono obbligatorie in un EDF:

• Array: numero univoco per ogni campione/individuo
• File: il nome del file da cui importare i dati del campione
• ColumnName: identificatore univoco di ogni riga. Qui, ogni voce ColumnName è l'ID di riferimento per un singolo cane.

Importazione dei dati dei marker

6. Per importare i dati del marker, tornare a Iniziatore di genomica e seleziona Importa > Testo > Importa un esperimento progettato da file di testo, CSV o Excel .
7. Sul Generale scheda, trova l'EDF sas7bdat e selezionalo come File di progettazione sperimentale .
8. Una volta che l'EDF è stato designato, fare clic su Aprire accanto al file per visualizzare la tabella EDF.
9. Nella parte superiore della tabella seleziona Cols > Nuove colonne.. e crea una nuova colonna con il Nome colonna Intensità . Impostare il Tipo di dati a Carattere .
10. Nella prima riga del nuovo creato Intensità colonna, fare doppio clic e immettere VAR2 .
    • Questo specifica la seconda colonna di ogni file di dati come dati genotipici.
    • Il titolo della colonna è designato "Intensità" perché un EDF viene in genere creato per i dati dell'espressione.
11. Fare clic con il pulsante destro del mouse sulla nuova lettura della cella VAR2 e seleziona Riempi > Riempi fino alla fine della tabella . Una volta creata la nuova colonna, salvare l'EDF.
12. Tornando al Generale scheda, vai alla cartella in cui sono archiviati i 476 file scaricati da GEO e designa quella cartella come Cartella di file grezzi .
13. Selezionare Delimitato da tabulazioni come la Tipo di file di dati .
14. Impostare il Riga Numero di nomi di variabili a 0 e il Riga di inizio dati a 1 .
15. Selezionare Usa la variabile ID come la variabile chiave per unire i file e digita VAR1 come la ID variabile .
    • Questo designerà la prima colonna in ogni file come la variabile ID indipendentemente dal suo nome.
16. Designare un Cartella di output .
17. Sul Opzioni scheda, deseleziona l'opzione Esegui la trasformazione log2 . Questa opzione viene nuovamente utilizzata per trasformare i dati dell'espressione e non entra in gioco qui.
18. Clic Correre per iniziare il processo.
19. La finestra dei risultati conterrà una copia dell'EDF e un nuovo set di dati chiamato sas7bdat . Apri e controlla i dati. Si noti che ha 475 colonne corrispondenti a singoli cani e gli indicatori sono organizzati in righe (formato alto).

Trasposizione da alti a larghi e combinazione di set di dati

20. Il passaggio successivo consiste nel combinare i dati dell'EDF e dei marker in un unico set di dati ampio. Ritorna al Iniziatore di genomica e seleziona Utilità set di dati SAS > Tabelle > Trasponi da alto a largo .
    • È necessario un ampio set di dati per eseguire la maggior parte delle procedure di modellazione genetica e predittiva.
21. Sul Generale scheda, scegli sas7bdat come la Immettere il set di dati alto .
22. Selezionare VAR1 come la Variabili che definiscono i nomi delle colonne larghe e digita SNP_ nella scatola etichettata Prefisso per nomi di colonne larghe .
    • Questo designerà i nomi delle variabili SNP (nomi di colonna) come SNP_1, SNP_2, SNP_3 ecc. nel set di dati di output.
23. Designare il FES sas7bdat come la Set di dati SAS di progettazione sperimentale .
24. Nomina il Output ampio set di dati bernese_geno_wide .
25. Designare un Cartella di output e fare clic Correre per iniziare l'analisi.
26. Apri i dati di output e controllali. Il risultato è un ampio set di dati contenente sia i dati fenotipici che quelli genotipici. Si noti che ogni genotipo è composto da due lettere non delimitate.

Ricodifica i genotipi mancanti

27. I dati genotipici in questo set di dati sono codificati in formato allelico (AA, AB, BB) con i dati mancanti codificati come NC. Per ricodificare questi genotipi mancanti, tornare a Iniziatore di genomica e seleziona Genetica > Utilità genetica > Ricodifica i genotipi mancanti .                       
28. Nel Generale scheda, scegli l'ampio set di dati sas7bdat come la Immettere il set di dati SAS .
29. Tipo SNP_: dentro Specifica in stile elenco delle variabili marker casella per specificare ogni colonna che inizia con quella stringa di caratteri come variabile indicatore.
30. Nel Valore attuale che indica i genotipi mancanti casella, digitare NC .
31. Seleziona un Cartella di output e nominare il Set di dati di uscita bernese_geno_wide_miss .
32. Clic Correre per iniziare la ricodifica. Il set di dati risultante avrà il NC genotipi sostituiti con una cella vuota.

Importazione del file di annotazione (opzionale)

33. Il set di dati di annotazione corrispondente a questi marcatori è contenuto nel file GPL15578-tbl-1.txt e può essere visualizzato in anteprima sul sito Web GEO: ( https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15578 )
34. Una rapida anteprima del file con un visualizzatore di testo mostrerà che il file associato al download GEO non contiene i nomi delle colonne per questi dati. Per risolvere questo problema, dovranno essere inseriti manualmente. Dal Iniziatore di genomica , Selezionare File > Apri e individuare il file GPL15578-tbl-1.txt . Prima di aprire, selezionare il Aperto come: opzione Dati con Anteprima . Questo aprirà una finestra di dialogo che aiuta con l'importazione.
35. Selezionare Prossimo per visualizzare un'anteprima dell'importazione. Da questa finestra, i nomi delle colonne possono essere modificati in modo che corrispondano ai nomi delle colonne sopra semplicemente facendo clic sull'intestazione della colonna e digitando il nome desiderato.
36. Una volta inseriti i nomi delle colonne, fare clic su Importare per importare i dati.
37. Il primo passo è fare clic con il pulsante destro del mouse su Nome colonna e selezionare Elimina colonne .
    • Questa colonna è un duplicato di SPOT_ID colonna e può causare problemi lungo la riga a causa del nome della colonna Nome .
38. Quindi, fai clic con il pulsante destro del mouse su Cr colonna e selezionare Informazioni sulla colonna... Cambiare il Tipo di dati opzione per Numerico .
    • Questo entrerà in gioco più avanti poiché i risultati di alcune analisi sono ordinati per cromosoma.
39. Fare clic con il pulsante destro del mouse su RIF_ID colonna e scegli Ordina > Crescente. Una volta che le colonne sono ordinate per RIF_ID , fare clic con il pulsante destro del mouse su SNP_ID colonna e scegli Formula .
40. Nel Formula finestra, digitare "SNP_" (comprese le citazioni) nella scatola. Quindi dal menu all'estrema sinistra, seleziona Carattere > Concat che aggiungerà una doppia barra (||) alla formula. Quindi, tornando al menu all'estrema sinistra, seleziona Personaggio > Char e aggiungi la colonna RIF_ID alle parentesi. La formula completata dovrebbe essere simile a quella qui sotto.
    • Questo prenderà le voci da ogni riga in RIF_ID colonna e aggiungi un prefisso " SNP_ ”. Questa colonna fungerà da chiave o colonna di riferimento per il set di dati genotipici.
41. Selezionare OK per applicare la formula e tornare al set di dati di annotazione. Il SNP_ID la colonna verrà ora popolata. Ora rimuovi la formula facendo clic con il pulsante destro del mouse su SNP_ID colonna e selezionando Informazioni sulla colonna...
42. Quando viene visualizzata la finestra sottostante, evidenziare Formula e seleziona Rimuovere . Quindi fare clic OK . Nota: questo non dovrebbe avere alcun effetto visibile sulla tabella delle annotazioni.
    • La rimozione della formula consente di sbloccare la colonna mantenendo le informazioni create dalla formula.
43. Salva il set di dati di annotazione completato nel formato .sas7bdat. Assegna un nome al file sas7bdat .

Ricodifica in genotipi numerici

44. Il prossimo passo sarà ricodificare i genotipi in formato numerico. Dal Iniziatore di genomica , Selezionare Genetica > Utilità genetica > Ricodifica genotipi .
45. Sul Generale scheda, scegli il sas7bdat dati come il Immettere il set di dati SAS .
46. Tipo SNP: dentro Specifica in stile elenco delle variabili marker
    • Questo designa tutte le colonne che iniziano con le lettere "SNP" come variabili marker.
47. Designare un Cartella di output .
48. Sul Ricodifica scheda, seleziona Genotipi non delimitati come la Formato delle variabili Marker .
49. Lascia le opzioni predefinite di Additivo numerico per Ricodifica del genotipo e Ricodifica di varianti rare .
    • La codifica additiva numerica è la seguente: 0 = omozigote per l'allele maggiore, 1 = eterozigote, 2 = eterozigote per l'allele minore.
50. Nomina il Set di dati del genotipo di output bernese_wide_numeric .
51. Dal Annotazione scheda, seleziona il file dall'alto, sas7bdat come la Annotazione dati SAS Impostare.
52. accedere SNP_ID come la Variabile etichetta annotazione e fare clic Correre per iniziare la ricodifica.
53. Ispezionare il Dati genotipici ricodificati , di nome bernese_wide_numeric_sas7bdat , dalla finestra di output e annotare i genotipi appena ricodificati.

Nella serie Genetic Association with JMP Genomics, scopriremo numerosi metodi per associare marcatori genetici con tratti di interesse. Prima di iniziare qualsiasi analisi, dobbiamo importare e pulire i nostri dati. In questa guida scarichiamo un set di dati da GEO, lo portiamo in JMP e lo trasformiamo in un modulo ideale per l'analisi. In questo esempio, esploriamo circa 22.000 marcatori genetici in un campione di 474 bovari del Bernese che sono affetti o non affetti da sarcomi istiocitici (tumori).