205410_es-ES

liliconcom

Asociación genética con JMP Genomics, Parte 1: Importación y limpieza de datos

En la serie Asociación genética con JMP Genomics, descubrimos numerosos métodos para asociar marcadores genéticos con rasgos de interés. Antes de comenzar cualquier análisis, debemos importar y limpiar nuestros datos. En esta guía, descargamos un conjunto de datos de GEO, lo incorporamos Genómica JMP y transformarlo en una forma ideal para el análisis. En este ejemplo, exploramos ~22 000 marcadores genéticos en una muestra de 474 perros de montaña de Berna que están afectados o no afectados por sarcomas (tumores) histiocíticos.

Importación de archivo de diseño experimental

1. Para comenzar, siga el siguiente enlace para descargar el xml.tgz datos. ftp://ftp.ncbi.nlm.nih.gov/geo/series/GSE38nnn/GSE38011/miniml/
2. Una vez que los archivos se hayan guardado en su computadora, desde el Iniciador de genómica seleccionar Importar > Archivo de diseño experimental > Crear archivo de diseño desde MINiML .
   • El primer paso para importar los datos es crear un Archivo de diseño experimental (EDF) del archivo xml que formaba parte de la descarga. Este archivo contendrá datos fenotípicos, así como los nombres de archivo necesarios para importar los datos de los marcadores de todos.
   • NOTA: El EDF se puede crear a partir de datos en cualquier formato importándolos a JMP. Esto incluye archivos de Excel y archivos de texto delimitados a los que se puede acceder a través del Archivo > Abrir comando desde cualquier ventana de JMP Genomics.
3. Sobre el General pestaña, seleccione el archivo XML como el Archivo con formato MINIML .
4. Tipo perro_bernés_EDF como el Nombre del archivo de salida y designar un Carpeta de salida , luego haga clic Correr .
5. El resultado es un EDF que contiene la información necesaria para importar los datos del marcador. Cada fila del EDF corresponde a un archivo .txt que contiene los datos del marcador de cada perro individual. Las siguientes columnas son obligatorias en un EDF:

• Matriz: número único para cada muestra/individuo
• Archivo: el nombre del archivo desde el cual importar los datos de muestra.
• NombreDeColumna: Identificador único de cada fila. Aquí, cada entrada de ColumnName es la identificación de referencia de un solo perro.

Importación de datos de marcadores

6. Para importar los datos del marcador, regrese a la Iniciador de genómica y seleccione Importar >Texto > Importar un experimento diseñado desde archivos de texto, CSV o Excel .
7. Sobre el General pestaña, busque el EDF sas7bdat y selecciónelo como Archivo de diseño experimental .
8. Una vez designado el EDF, haga clic en Abierto al lado del archivo para abrir la tabla EDF.
9. En la parte superior de la tabla seleccione Columnas > Nuevas columnas.. y crear una nueva columna con el Nombre de columna Intensidad . Selecciona el Tipo de datos a Personaje .
10. En la primera fila del recién creado. Intensidad columna, haga doble clic e introduzca VAR2 .
    • Esto especifica la segunda columna de cada archivo de datos como datos genotípicos.
    • El título de la columna se denomina "Intensidad" porque normalmente se crea un EDF para datos de expresión.
11. Haga clic derecho en la nueva lectura de celda VAR2 y seleccione Llenar > Llenar hasta el final de la tabla . Una vez creada la nueva columna, guarde el EDF.
12. Volviendo a la General pestaña, navegue hasta la carpeta donde se almacenan los 476 archivos descargados de GEO y designe esa carpeta como Carpeta de archivos sin formato .
13. Seleccionar Delimitado por tabulaciones como el Tipo de archivo de datos .
14. Selecciona el Número de fila de nombres de variables a 0 y el Fila de inicio de datos a 1 .
15. Seleccionar Usar variable de identificación como el variable clave para fusionar archivos y escribe VAR1 como el variable de identificación .
    • Esto designará la primera columna de cada archivo como variable de ID independientemente de su nombre.
16. Designar un Carpeta de salida .
17. Sobre el Opciones pestaña, deseleccione la opción Realizar transformación log2 . Esta opción se utiliza nuevamente para transformar datos de expresiones y no entra en juego aquí.
18. Hacer clic Correr para comenzar el proceso.
19. La ventana de resultados contendrá una copia del EDF y un nuevo conjunto de datos llamado sas7bdat . Abra e inspeccione los datos. Observe que tiene 475 columnas correspondientes a perros individuales y los marcadores están organizados en filas (formato alto).

Transposición de alto a ancho y combinación de conjuntos de datos

20. El siguiente paso es combinar el EDF y los datos del marcador en un conjunto de datos amplio. Volver a la Iniciador de genómica y seleccione SAS Data Set Utilities > Tablas > Transponer de alto a ancho .
    • Es necesario un amplio conjunto de datos para realizar la mayoría de los procedimientos de modelado genético y predictivo.
21. Sobre el General pestaña, elija sas7bdat como el Ingrese el conjunto de datos altos .
22. Seleccionar VAR1 como el Variables que definen nombres de columnas anchas y escriba SNP_ en la caja etiquetada Prefijo para nombres de columnas anchas .
    • Esto designará nombres de variables SNP (nombres de columnas) como SNP_1, SNP_2, SNP_3, etc. en el conjunto de datos de salida.
23. Designar el FED sas7bdat como el Conjunto de datos SAS de diseño experimental .
24. Nombra el Conjunto de datos amplio de salida bernese_geno_wide .
25. Designar un Carpeta de salida y haga clic Correr para comenzar el análisis.
26. Abra los datos de salida e inspecciónelos. El resultado es un amplio conjunto de datos que contiene datos fenotípicos y genotípicos. Observe que cada genotipo se compone de dos letras no delimitadas.

Recodificar genotipos faltantes

27. Los datos genotípicos en este conjunto de datos están codificados en formato de alelo (AA, AB, BB) y los datos faltantes se codifican como NC. Para recodificar estos genotipos faltantes, regrese a la Iniciador de genómica y seleccione Genética > Utilidades genéticas > Recodificar genotipos faltantes .                       
28. En el General pestaña, elija el conjunto de datos amplio sas7bdat como el Conjunto de datos SAS de entrada .
29. Tipo SNP_: en el Especificación de estilo de lista de variables de marcador para especificar cada columna que comience con esa cadena de caracteres como variable de marcador.
30. En el Valor actual que indica genotipos faltantes caja, tipo CAROLINA DEL NORTE .
31. Seleccione un Carpeta de salida y nombrar el Conjunto de datos de salida bernese_geno_wide_miss .
32. Hacer clic Correr para comenzar la recodificación. El conjunto de datos resultante tendrá la CAROLINA DEL NORTE genotipos reemplazados con una celda en blanco.

Importación de archivo de anotaciones (opcional)

33. El conjunto de datos de anotación correspondiente a estos marcadores está contenido en el archivo GPL15578-tbl-1.txt y se puede obtener una vista previa en el sitio web de GEO: ( https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15578 )
34. Una vista previa rápida del archivo con un visor de texto mostrará que el archivo asociado con la descarga de GEO no contiene los nombres de las columnas para estos datos. Para solucionar este problema, habrá que introducirlos manualmente. Desde el Iniciador de genómica , seleccionar Archivo > Abrir y localiza el archivo GPL15578-tbl-1.txt . Antes de abrir, seleccione el Abierto como: opción Datos con vista previa . Esto abrirá un cuadro de diálogo que ayudará con la importación.
35. Seleccionar Próximo para ver una vista previa de la importación. Desde esta ventana, los nombres de las columnas se pueden cambiar para que coincidan con los nombres de las columnas anteriores simplemente haciendo clic en el encabezado de la columna y escribiendo el nombre deseado.
36. Una vez ingresados los nombres de las columnas, haga clic en Importar para importar los datos.
37. El primer paso es hacer clic derecho en el Nombre columna y seleccione Eliminar columnas .
    • Esta columna es un duplicado de la SPOT_ID columna y puede causar problemas en el futuro debido al nombre de la columna Nombre .
38. A continuación, haga clic derecho en Chr columna y seleccione Información de la columna... Cambiar el Tipo de datos opción de Numérico .
    • Esto entrará en juego más adelante, ya que los resultados de algunos análisis están ordenados por cromosoma.
39. Haga clic derecho en el REF_ID columna y elija Ordenar > Ascendente. Una vez que las columnas están ordenadas por REF_ID , haga clic derecho en SNP_ID columna y elija Fórmula .
40. En el Fórmula ventana, tipo “SNP_” (incluidas las citas) en el cuadro. Luego, en el menú del extremo izquierdo, seleccione Personaje > Concat lo que agregará una doble barra (||) a la fórmula. Luego, volviendo al menú del extremo izquierdo, seleccione Personaje > Carácter y agrega la columna REF_ID a los paréntesis. La fórmula completa debería verse como la siguiente.
    • Esto tomará las entradas de cada fila en el REF_ID columna y agregue un prefijo “ SNP_ ”. Esta columna actuará como columna clave o de referencia para el conjunto de datos genotípicos.
41. Seleccionar DE ACUERDO para aplicar la fórmula y volver al conjunto de datos de anotación. El SNP_ID La columna ahora estará completa. Ahora, elimine la fórmula haciendo clic derecho en el SNP_ID columna y seleccionando Información de la columna...
42. Cuando aparezca la siguiente ventana, resalte Fórmula y seleccione Eliminar . Luego haga clic DE ACUERDO . Nota: Esto no debería tener ningún efecto visible en la tabla de anotaciones.
    • Eliminar la fórmula permite desbloquear la columna manteniendo la información creada por la fórmula.
43. Guarde el conjunto de datos de anotación completo en formato .sas7bdat. Nombra el archivo sas7bdat .

Recodificar a genotipos numéricos

44. El siguiente paso será recodificar los genotipos en formato numérico. Desde el Iniciador de genómica , seleccionar Genética > Utilidades de Genética > Recodificar Genotipos .
45. Sobre el General pestaña, elija la sas7bdat datos como el Conjunto de datos SAS de entrada .
46. Tipo SNP: en el Especificación de estilo de lista de variables de marcador
    • Esto designa todas las columnas que comienzan con las letras "SNP" como variables marcadoras.
47. Designar un Carpeta de salida .
48. Sobre el Recodificar pestaña, seleccione Genotipos no delimitados como el Formato de variables de marcador .
49. Deje las opciones predeterminadas de Aditivo numérico para Recodificación del genotipo y Recodificación de variantes raras .
    • La codificación aditiva numérica es la siguiente: 0 = homocigoto para el alelo mayor, 1 = heterocigoto, 2 = heterocigoto para el alelo menor.
50. Nombra el Conjunto de datos de genotipo de salida bernese_wide_numeric .
51. Desde el Anotación pestaña, seleccione el archivo de arriba, sas7bdat como el Anotación de datos SAS Colocar.
52. Ingresar SNP_ID como el Variable de etiqueta de anotación y haga clic Correr para comenzar la recodificación.
53. inspeccionar el Datos de genotipo recodificados. , llamado bernese_wide_numeric_sas7bdat , desde la ventana de resultados y observe los genotipos recién recodificados.

En la serie Asociación genética con JMP Genomics, descubriremos numerosos métodos para asociar marcadores genéticos con rasgos de interés. Antes de comenzar cualquier análisis, debemos importar y limpiar nuestros datos. En esta guía, descargamos un conjunto de datos de GEO, lo incorporamos a JMP y lo transformamos en una forma ideal para el análisis. En este ejemplo, exploramos ~22 000 marcadores genéticos en una muestra de 474 perros de montaña de Berna que están afectados o no afectados por sarcomas (tumores) histiocíticos.

Re: Asociación genética con JMP Genomics, Parte 1: Importación y limpieza de datos

¿Se puede realizar este tipo de análisis con JMP Pro 17? Tengo un mapa de ligamiento completo, pero no me importa crear otro con JMP. Me interesa usar JMP para estudios de QTL. Si se requiere JMP Genomics, ¿podría contactarme con alguien que me indique los precios?

Gracias

S. J. Schneider

Re: Asociación genética con JMP Genomics, Parte 1: Importación y limpieza de datos

Hola @AlphaSchneider ,

Lamentablemente, JMP Genomics se discontinuó como producto hace unos años.

Los pasos anteriores se pueden realizar en JMP Pro 17. Para ello, utilice el menú Tablas y la plataforma de Estadísticas de Marcadores, en Genética, dentro del menú Análisis. Esto se ha mejorado en JMP Pro 18 y 19 (que se lanzarán en otoño, en septiembre/octubre) y contará con mejoras como los métodos de imputación y un registro mejorado.

Se pueden realizar estudios de asociación (SNP-Rasgo) mediante Cribado de Respuestas en Analizar > Cribado o Analizar > Ajustar Modelo. Aquí hay un enlace que describe cómo realizar algunas de estas acciones en JMP Pro 18 ( Análisis Genómico con JMP Pro ).

Siempre puedes contactar al soporte también ( soporte@jmp.com ).

Mejor,