205410_de-DE

liliconcom

Genetische Assoziation mit JMP Genomics, Teil 1: Importieren und Bereinigen von Daten

In der Reihe „Genetic Association with JMP Genomics“ entdecken wir zahlreiche Methoden zur Zuordnung genetischer Marker zu interessierenden Merkmalen. Bevor wir mit Analysen beginnen, müssen wir unsere Daten importieren und bereinigen. In diesem Leitfaden laden wir einen Datensatz von GEO herunter und bringen ihn in JMP Genomik , und wandeln sie in eine ideale Form für die Analyse um. In diesem Beispiel untersuchen wir ~22.000 genetische Marker in einer Stichprobe von 474 Berner Sennenhunden, die entweder von histiozytären Sarkomen (Tumoren) betroffen oder nicht betroffen sind.

Importieren der experimentellen Designdatei

1. Folgen Sie zunächst dem Link unten, um die herunterzuladen xml.tgz Daten. ftp://ftp.ncbi.nlm.nih.gov/geo/series/GSE38nnn/GSE38011/miniml/
2. Sobald die Dateien auf Ihrem Computer gespeichert wurden, von der Genomik-Starter auswählen Importieren > Datei für experimentelles Design > Designdatei aus MINIML erstellen .
   • Der erste Schritt beim Importieren der Daten ist das Erstellen einer Datei für experimentelles Design (EDF) aus der XML-Datei, die Teil des Downloads war. Diese Datei enthält phänotypische Daten sowie die Dateinamen, die zum Importieren aller Markerdaten erforderlich sind.
   • HINWEIS: Das EDF kann aus Daten in jedem beliebigen Format erstellt werden, indem es in JMP importiert wird. Dazu gehören Excel-Dateien und durch Trennzeichen getrennte Textdateien, auf die über die zugegriffen werden kann Datei > Öffnen Befehl von jedem JMP Genomics-Fenster aus.
3. Auf der Allgemein Registerkarte, wählen Sie die Datei aus xml als die MINIML-formatierte Datei .
4. Typ berner_hund_EDF als die Name der Ausgabedatei und bezeichne ein Ausgabeordner , dann klick Laufen .
5. Die Ausgabe ist ein EDF, das die notwendigen Informationen zum Importieren der Markierungsdaten enthält. Jede Zeile im EDF entspricht einer .txt-Datei, die die Markierungsdaten jedes einzelnen Hundes enthält. Die folgenden Spalten werden in einem EDF benötigt:

• Array: Eindeutige Nummer für jede Probe/Individuum
• Datei: Der Name der Datei, aus der die Beispieldaten importiert werden sollen
• ColumnName: Eindeutiger Bezeichner jeder Zeile. Hier ist jeder ColumnName-Eintrag die Referenz-ID für einen einzelnen Hund.

Markerdaten importieren

6. Um die Markerdaten zu importieren, kehren Sie zu zurück Genomik-Starter und auswählen Importieren > Text > Importieren Sie ein entworfenes Experiment aus Text-, CSV- oder Excel-Dateien .
7. Auf der Allgemein Registerkarte finden Sie die EDF sas7bdat und wählen Sie es als aus Datei für experimentelles Design .
8. Sobald die EDF bestimmt wurde, klicken Sie auf Offen neben der Datei, um die EDF-Tabelle aufzurufen.
9. Wählen Sie oben in der Tabelle aus Spalten > Neue Spalten.. und erstellen Sie eine neue Spalte mit der Spaltenname Intensität . Stellen Sie die ein Datentyp zu Charakter .
10. In der ersten Reihe der neu erstellten Intensität Spalte, doppelklicken und eingeben VAR2 .
    • Dies spezifiziert die zweite Spalte jeder Datendatei als die genotypischen Daten.
    • Der Spaltentitel wird als „Intensität“ bezeichnet, da ein EDF typischerweise für Expressionsdaten erstellt wird.
11. Klicken Sie mit der rechten Maustaste auf den neuen Zellenwert VAR2 und auswählen Ausfüllen > Bis zum Ende der Tabelle ausfüllen . Nachdem die neue Spalte erstellt wurde, speichern Sie die EDF.
12. Zurück zu den Allgemein Navigieren Sie auf der Registerkarte zu dem Ordner, in dem die 476 heruntergeladenen Dateien von GEO gespeichert sind, und bezeichnen Sie diesen Ordner als die Ordner mit Raw-Dateien .
13. Auswählen Tabulatorgetrennt als die Datendateityp .
14. Stellen Sie die ein Zeilennummer der Variablennamen zu 0 und die Datenstartzeile zu 1 .
15. Auswählen ID-Variable verwenden als die Schlüsselvariable zum Zusammenführen von Dateien und Typ VAR1 als die ID-Variable .
    • Dadurch wird die erste Spalte in jeder Datei unabhängig von ihrem Namen als ID-Variable festgelegt.
16. Benennen Sie ein Ausgabeordner .
17. Auf der Optionen Deaktivieren Sie die Option Log2-Transformation durchführen . Diese Option wird wiederum zum Transformieren von Ausdrucksdaten verwendet und kommt hier nicht ins Spiel.
18. Klicken Laufen um den Prozess zu beginnen.
19. Das Ergebnisfenster enthält eine Kopie des EDF und einen neuen Datensatz mit dem Namen sas7bdat . Öffnen und überprüfen Sie die Daten. Beachten Sie, dass es 475 Spalten hat, die einzelnen Hunden entsprechen, und Markierungen sind in Reihen organisiert (Hochformat).

Transponieren von hoch nach breit und Kombinieren von Datensätzen

20. Der nächste Schritt besteht darin, die EDF- und die Markerdaten zu einem großen Datensatz zu kombinieren. Gehe zurück zum Genomik-Starter und auswählen SAS Data Set Utilities > Tables > Transpose Tall to Wide .
    • Zur Durchführung der meisten Genetik- und Vorhersagemodellierungsverfahren ist ein umfangreicher Datensatz erforderlich.
21. Auf der Allgemein Registerkarte, wählen Sie sas7bdat als die Geben Sie den großen Datensatz ein .
22. Auswählen VAR1 als die Variablen, die breite Spaltennamen definieren , und geben Sie ein SNP_ in das beschriftete Feld Präfix für breite Spaltennamen .
    • Dadurch werden SNP-Variablennamen (Spaltennamen) im Ausgabedatensatz als SNP_1, SNP_2, SNP_3 usw. bezeichnet.
23. Benennen Sie die EDF sas7bdat als die SAS-Datensatz für experimentelles Design .
24. Nenne die Breiten Datensatz ausgeben bernese_geno_wide .
25. Benennen Sie ein Ausgabeordner und klicken Laufen um mit der Analyse zu beginnen.
26. Öffnen Sie die Ausgabedaten und überprüfen Sie sie. Das Ergebnis ist ein umfangreicher Datensatz, der sowohl die phänotypischen als auch die genotypischen Daten enthält. Beachten Sie, dass jeder Genotyp aus zwei nicht getrennten Buchstaben besteht.

Rekodieren Sie fehlende Genotypen

27. Die genotypischen Daten in diesem Datensatz sind im Allelformat (AA, AB, BB) codiert, wobei fehlende Daten als NC codiert sind. Um diese fehlenden Genotypen neu zu codieren, kehren Sie zu zurück Genomik-Starter und auswählen Genetik > Genetik-Dienstprogramme > Fehlende Genotypen rekodieren .                       
28. In dem Allgemein Wählen Sie auf der Registerkarte den breiten Datensatz aus sas7bdat als die SAS-Datensatz eingeben .
29. Typ SNP_: in die Listenartige Spezifikation von Markierungsvariablen , um jede Spalte, die mit dieser Zeichenfolge beginnt, als Markierungsvariable anzugeben.
30. In dem Aktueller Wert für fehlende Genotypen Feld, Typ NC .
31. Wählen Sie ein Ausgabeordner und nenne die Ausgangsdatensatz bernese_geno_wide_miss .
32. Klicken Laufen um mit der Umcodierung zu beginnen. Der resultierende Datensatz hat die NC Genotypen durch eine leere Zelle ersetzt.

Anmerkungsdatei importieren (optional)

33. Der diesen Markierungen entsprechende Annotationsdatensatz ist in der Datei enthalten GPL15578-tbl-1.txt und kann auf der GEO-Website angesehen werden: ( https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15578 )
34. Eine schnelle Vorschau der Datei mit einem Textbetrachter zeigt, dass die mit dem GEO-Download verknüpfte Datei die Spaltennamen für diese Daten nicht enthält. Um dieses Problem zu lösen, müssen sie manuell eingegeben werden. Von dem Genomik-Starter , auswählen Datei > Öffnen und suchen Sie die Datei GPL15578-tbl-1.txt . Wählen Sie vor dem Öffnen die aus Öffnen als: Möglichkeit Daten mit Vorschau . Dadurch wird ein Dialogfeld geöffnet, das den Import unterstützt.
35. Auswählen Nächste um eine Vorschau des Imports anzuzeigen. In diesem Fenster können die Spaltennamen so geändert werden, dass sie mit den obigen Spaltennamen übereinstimmen, indem Sie einfach auf die Spaltenüberschrift klicken und den gewünschten Namen eingeben.
36. Klicken Sie nach Eingabe der Spaltennamen auf Importieren um die Daten zu importieren.
37. Der erste Schritt besteht darin, mit der rechten Maustaste auf die Name Spalte und wählen Sie aus Spalten löschen .
    • Diese Spalte ist ein Duplikat der SPOT_ID Spalte und kann später aufgrund des Spaltennamens zu Problemen führen Name .
38. Als nächstes klicken Sie mit der rechten Maustaste auf die Chr Spalte und wählen Sie aus Spalteninfo… Ändere das Datentyp Option zu Numerisch .
    • Dies wird später ins Spiel kommen, da die Ergebnisse einiger Analysen nach Chromosom geordnet sind.
39. Klicken Sie mit der rechten Maustaste auf die REF_ID Spalte und wählen Sie aus Sortieren > Aufsteigend. Sobald die Spalten sortiert sind REF_ID , klicken Sie mit der rechten Maustaste auf die SNP_ID Spalte und wählen Sie aus Formel .
40. In dem Formel Fenster, Typ „SNP_“ (einschließlich der Zitate) in die Box. Wählen Sie dann im Menü ganz links aus Zeichen > Konkat Dadurch wird der Formel ein Doppelstrich (||) hinzugefügt. Kehren Sie dann zum Menü ganz links zurück und wählen Sie aus Zeichen > Zeichen und füge die Spalte hinzu REF_ID zu den Klammern. Die fertige Formel sollte wie unten aussehen.
    • Dies übernimmt die Einträge aus jeder Zeile in der REF_ID Spalte und fügen Sie ein Präfix hinzu „ SNP_ “. Diese Spalte fungiert als Schlüssel- oder Referenzspalte für den genotypischen Datensatz.
41. Auswählen OK , um die Formel anzuwenden und zum Annotationsdatensatz zurückzukehren. Das SNP_ID Spalte wird nun gefüllt. Entfernen Sie nun die Formel, indem Sie mit der rechten Maustaste auf klicken SNP_ID Spalte und Auswahl Spalteninfo…
42. Wenn das folgende Fenster erscheint, markieren Sie Formel und auswählen Entfernen . Dann klick OK . Hinweis: Dies sollte keine sichtbaren Auswirkungen auf die Anmerkungstabelle haben.
    • Durch das Entfernen der Formel kann die Spalte entsperrt werden, während die von der Formel erstellten Informationen beibehalten werden.
43. Speichern Sie den fertigen Anmerkungsdatensatz im .sas7bdat-Format. Benennen Sie die Datei sas7bdat .

In numerische Genotypen umcodieren

44. Der nächste Schritt wird die Umcodierung der Genotypen im numerischen Format sein. Von dem Genomik-Starter , auswählen Genetik > Genetik-Dienstprogramme > Genotypen rekodieren .
45. Auf der Allgemein Registerkarte, wählen Sie die sas7bdat Daten wie die SAS-Datensatz eingeben .
46. Typ SNP: in die Listenartige Spezifikation von Markierungsvariablen
    • Damit werden alle Spalten, die mit den Buchstaben „SNP“ beginnen, als Markierungsvariablen bezeichnet.
47. Benennen Sie ein Ausgabeordner .
48. Auf der Umcodieren Registerkarte, auswählen Unbegrenzte Genotypen als die Format von Marker-Variablen .
49. Belassen Sie die Standardoptionen von Numerisches Additiv zum Genotyp-Rekodierung und Seltene Variantenumcodierung .
    • Die numerische additive Kodierung ist wie folgt: 0 = homozygot für Hauptallel, 1 = heterozygot, 2 = heterozygot für Nebenallel.
50. Nenne die Genotyp-Datensatz ausgeben berner_weit_numerisch .
51. Von dem Anmerkung Registerkarte, wählen Sie die Datei von oben aus, sas7bdat als die Anmerkung SAS-Daten Satz.
52. Eintreten SNP_ID als die Beschriftungsvariable für Anmerkungen und klicken Laufen um mit der Umcodierung zu beginnen.
53. Untersuchen Sie die Umcodierte Genotypdaten , genannt bernese_wide_numeric_sas7bdat , aus dem Ausgabefenster und beachten Sie die neu kodierten Genotypen.

In der Reihe „Genetic Association with JMP Genomics“ werden wir zahlreiche Methoden entdecken, um genetische Marker mit interessierenden Merkmalen zu verknüpfen. Bevor wir mit Analysen beginnen, müssen wir unsere Daten importieren und bereinigen. In diesem Leitfaden laden wir einen Datensatz von GEO herunter, bringen ihn in JMP und wandeln ihn in eine ideale Form für die Analyse um. In diesem Beispiel untersuchen wir ~22.000 genetische Marker in einer Stichprobe von 474 Berner Sennenhunden, die entweder von histiozytären Sarkomen (Tumoren) betroffen oder nicht betroffen sind.