205410_fr-FR

liliconcom

Association génétique avec JMP Genomics, partie 1 : importation et nettoyage des données

Dans la série Genetic Association with JMP Genomics, nous découvrons de nombreuses méthodes pour associer des marqueurs génétiques à des traits d'intérêt. Avant de commencer toute analyse, nous devons importer et nettoyer nos données. Dans ce guide, nous téléchargeons un ensemble de données à partir de GEO, le mettons en Génomique JMP , et le transformer en une forme idéale pour l'analyse. Dans cet exemple, nous explorons environ 22 000 marqueurs génétiques dans un échantillon de 474 bouviers bernois qui sont soit affectés soit non affectés par les sarcomes histiocytaires (tumeurs).

Importation d'un fichier de conception expérimentale

1. Pour commencer, suivez le lien ci-dessous pour télécharger le xml.tgz Les données. ftp://ftp.ncbi.nlm.nih.gov/geo/series/GSE38nnn/GSE38011/miniml/
2. Une fois les fichiers enregistrés sur votre ordinateur, depuis le Initiation à la génomique sélectionner Importer > Fichier de conception expérimentale > Créer un fichier de conception à partir de MINiML .
   • La première étape de l'importation des données consiste à créer un Fichier de conception expérimentale (EDF) à partir du fichier xml qui faisait partie du téléchargement. Ce fichier contiendra les données phénotypiques ainsi que les noms de fichiers nécessaires à l'importation des données de marqueurs de chacun.
   • REMARQUE : L'EDF peut être créé à partir de données dans n'importe quel format en les important dans JMP. Cela inclut les fichiers Excel et les fichiers texte délimités accessibles via le Fichier > Ouvrir commande à partir de n'importe quelle fenêtre JMP Genomics.
3. Sur le Général onglet, sélectionnez le fichier XML comme le Fichier au format MINIML .
4. Taper chien_bernois_EDF comme le Nom du fichier de sortie et désigner un Dossier de sortie , puis clique Courir .
5. La sortie est un EDF contenant les informations nécessaires pour importer les données du marqueur. Chaque ligne de l'EDF correspond à un fichier .txt contenant les données de marqueur de chaque chien individuel. Les colonnes suivantes sont obligatoires dans un EDF :

• Array : numéro unique pour chaque échantillon/individu
• Fichier : le nom du fichier à partir duquel importer les données d'échantillon
• ColumnName : identifiant unique de chaque ligne. Ici, chaque entrée ColumnName est l'ID de référence pour un seul chien.

Importation de données de marqueur

6. Pour importer les données du marqueur, retournez à la Initiation à la génomique et sélectionnez Importer > Texte > Importer une expérience conçue à partir de fichiers texte, CSV ou Excel .
7. Sur le Général onglet, trouver l'EDF sas7bdat et sélectionnez-le comme Fichier de conception expérimentale .
8. Une fois le FED désigné, cliquez sur Ouvert à côté du fichier pour faire apparaître la table EDF.
9. En haut du tableau, sélectionnez Cols > Nouvelles colonnes.. et créer une nouvelle colonne avec le Nom de colonne Intensité . Met le Type de données à Personnage .
10. Dans la première rangée du nouveau Intensité colonne, double-cliquez et entrez VAR2 .
    • Cela spécifie la deuxième colonne de chaque fichier de données comme données génotypiques.
    • Le titre de la colonne est désigné « Intensité » car un EDF est généralement créé pour les données d'expression.
11. Cliquez avec le bouton droit sur la nouvelle lecture de cellule VAR2 et sélectionnez Remplir > Remplir jusqu'à la fin du tableau . Une fois la nouvelle colonne créée, enregistrez l'EDF.
12. Revenant à la Général , accédez au dossier dans lequel les 476 fichiers téléchargés à partir de GEO sont stockés et désignez ce dossier comme Dossier de fichiers bruts .
13. Sélectionner Onglet délimité comme le Type de fichier de données .
14. Met le Nombre de lignes de noms de variables à 0 et le Ligne de début de données à 1 .
15. Sélectionner Utiliser la variable d'identification comme le variable clé pour fusionner des fichiers et tapez VAR1 comme le Variable d'identification .
    • Cela désignera la première colonne de chaque fichier comme variable d'identification, quel que soit son nom.
16. Désignez un Dossier de sortie .
17. Sur le Choix onglet, décochez l'option Effectuer la transformation log2 . Cette option est à nouveau utilisée pour transformer les données d'expression et n'entre pas en jeu ici.
18. Cliquez sur Courir pour commencer le processus.
19. La fenêtre des résultats contiendra une copie de l'EDF et un nouvel ensemble de données appelé sas7bdat . Ouvrez et inspectez les données. Notez qu'il comporte 475 colonnes correspondant à des chiens individuels et que les marqueurs sont organisés en lignes (format grand).

Transposition de haut en large et combinaison d'ensembles de données

20. L'étape suivante consiste à combiner l'EDF et les données du marqueur en un seul ensemble de données. Retour à la Initiation à la génomique et sélectionnez SAS Data Set Utilities > Tables > Transpose Tall to Wide .
    • Un large ensemble de données est nécessaire pour effectuer la plupart des procédures de modélisation génétique et prédictive.
21. Sur le Général onglet, choisissez sas7bdat comme le Ensemble de données de hauteur d'entrée .
22. Sélectionner VAR1 comme le Variables définissant des noms de colonnes larges , et tapez SNP_ dans la boîte étiquetée Préfixe pour les noms de colonnes larges .
    • Cela désignera les noms de variables SNP (noms de colonne) comme SNP_1, SNP_2, SNP_3 etc. dans l'ensemble de données de sortie.
23. Désigner le FED sas7bdat comme le Ensemble de données SAS de conception expérimentale .
24. Nomme le Sortie d'un ensemble de données étendu bernese_geno_wide .
25. Désignez un Dossier de sortie et cliquez Courir pour commencer l'analyse.
26. Ouvrez les données de sortie et inspectez-les. Le résultat est un large ensemble de données contenant à la fois les données phénotypiques et génotypiques. Notez que chaque génotype est composé de deux lettres non délimitées.

Recoder les génotypes manquants

27. Les données génotypiques de cet ensemble de données sont codées au format allèle (AA, AB, BB) avec les données manquantes codées NC. Pour recoder ces génotypes manquants, retournez à la Initiation à la génomique et sélectionnez Génétique > Utilitaires génétiques > Recoder les génotypes manquants .                       
28. Dans le Général onglet, choisissez l'ensemble de données étendu sas7bdat comme le Jeu de données SAS d'entrée .
29. Taper SNP_ : dans le Spécification de style liste des variables de marqueur pour spécifier chaque colonne commençant par cette chaîne de caractères en tant que variable de marqueur.
30. Dans le Valeur actuelle indiquant les génotypes manquants boîte, type NC .
31. Sélectionnez un Dossier de sortie et nommer le Ensemble de données de sortie bernese_geno_wide_miss .
32. Cliquez sur Courir pour commencer le recodage. L'ensemble de données résultant aura le NC génotypes remplacés par une cellule vide.

Importation du fichier d'annotation (facultatif)

33. Le jeu de données d'annotation correspondant à ces marqueurs est contenu dans le fichier GPL15578-tbl-1.txt et en avant-première sur le site GEO : ( https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15578 )
34. Un aperçu rapide du fichier avec une visionneuse de texte montrera que le fichier associé au téléchargement GEO ne contient pas les noms de colonne pour ces données. Pour résoudre ce problème, il faudra les saisir manuellement. Du Initiation à la génomique , sélectionner Fichier > Ouvrir et localisez le fichier GPL15578-tbl-1.txt . Avant d'ouvrir, sélectionnez le Ouvrir comme: option Données avec aperçu . Cela ouvrira une boîte de dialogue facilitant l'importation.
35. Sélectionner Prochain pour afficher un aperçu de l'importation. À partir de cette fenêtre, les noms de colonne peuvent être modifiés pour correspondre aux noms de colonne ci-dessus en cliquant simplement sur l'en-tête de colonne et en saisissant le nom souhaité.
36. Une fois les noms de colonnes entrés, cliquez sur Importer pour importer les données.
37. La première étape consiste à cliquer avec le bouton droit sur Nom colonne et sélectionnez Supprimer les colonnes .
    • Cette colonne est un doublon de la SPOT_ID colonne et peut causer des problèmes sur toute la ligne en raison du nom de la colonne Nom .
38. Ensuite, faites un clic droit sur le Chr colonne et sélectionnez Informations sur la colonne… Changer la Type de données possibilité de Numérique .
    • Cela entrera en jeu plus tard car les résultats de certaines analyses sont classés par chromosome.
39. Faites un clic droit sur le REF_ID colonne et choisissez Trier > Croissant. Une fois les colonnes triées par REF_ID , cliquez avec le bouton droit sur SNP_ID colonne et choisissez Formule .
40. Dans le Formule fenêtre, type "SNP_" (y compris les citations) dans la boîte. Ensuite, dans le menu à l'extrême gauche, sélectionnez Personnage> Concat qui ajoutera une double barre (||) à la formule. Ensuite, en revenant au menu à l'extrême gauche, sélectionnez Caractère > Caractère et ajouter la colonne REF_ID aux parenthèses. La formule complétée devrait ressembler à celle ci-dessous.
    • Cela prendra les entrées de chaque ligne dans le REF_ID colonne et ajoutez un préfixe " SNP_ ”. Cette colonne servira de colonne clé ou de référence pour l'ensemble de données génotypiques.
41. Sélectionner D'ACCORD pour appliquer la formule et revenir au jeu de données d'annotation. La SNP_ID colonne sera désormais remplie. Maintenant, supprimez la formule en cliquant avec le bouton droit sur SNP_ID colonne et sélection Informations sur la colonne…
42. Lorsque la fenêtre ci-dessous apparaît, mettez en surbrillance Formule et sélectionnez Retirer . Puis clique D'ACCORD . Remarque : Cela ne devrait pas avoir d'effet visible sur la table d'annotations.
    • La suppression de la formule permet de déverrouiller la colonne tout en conservant les informations créées par la formule.
43. Enregistrez le jeu de données d'annotation terminé au format .sas7bdat. Nommez le fichier sas7bdat .

Recoder en génotypes numériques

44. La prochaine étape consistera à recoder les génotypes au format numérique. Du Initiation à la génomique , sélectionner Génétique > Utilitaires génétiques > Recoder les génotypes .
45. Sur le Général onglet, choisissez l'onglet sas7bdat données comme le Jeu de données SAS d'entrée .
46. Taper SNP : dans le Spécification de style liste des variables de marqueur
    • Cela désigne toutes les colonnes commençant par les lettres « SNP » comme variables de marqueur.
47. Désignez un Dossier de sortie .
48. Sur le Recoder onglet, sélectionnez Génotypes non délimités comme le Format des variables de marqueur .
49. Laissez les options par défaut de Additif numérique pour Recodage du génotype et Recodage de variantes rares .
    • Le codage additif numérique est le suivant : 0 = homozygote pour l'allèle majeur, 1 = hétérozygote, 2 = hétérozygote pour l'allèle mineur.
50. Nomme le Ensemble de données de génotype de sortie bernese_wide_numeric .
51. Du Annotation onglet, sélectionnez le fichier ci-dessus, sas7bdat comme le Annotation Données SAS Régler.
52. Entrer SNP_ID comme le Variable d'étiquette d'annotation et cliquez Courir pour commencer le recodage.
53. Inspectez le Données de génotype recodées , nommé bernese_wide_numeric_sas7bdat , à partir de la fenêtre de sortie et notez les génotypes nouvellement recodés.

Dans la série Genetic Association with JMP Genomics, nous découvrirons de nombreuses méthodes pour associer des marqueurs génétiques à des traits d'intérêt. Avant de commencer toute analyse, nous devons importer et nettoyer nos données. Dans ce guide, nous téléchargeons un ensemble de données à partir de GEO, le transférons dans JMP et le transformons en une forme idéale pour l'analyse. Dans cet exemple, nous explorons environ 22 000 marqueurs génétiques dans un échantillon de 474 bouviers bernois qui sont soit affectés soit non affectés par les sarcomes histiocytaires (tumeurs).