이 블로그의 첫 번째 부분에서는 JMP Pro 17에서 유전자 발현 데이터를 사용하여 제어 및 품질 검사를 위한 워크플로를 소개했습니다. 이 단계를 적용하는 방법을 보려면 계속 읽으십시오.
제어 및 품질
모든 유형의 분석을 수행하기 전에 일관된 결과를 보장하기 위해 샘플의 품질을 확인해야 합니다.
로 시작 계층적 클러스터 서로 다른 출처의 샘플을 함께 클러스터링할 수 있는지 여부를 확인하는 플랫폼입니다. 발현 패턴의 유사성에 따라 샘플 및/또는 유전자를 클러스터로 그룹화하여 이를 수행할 수 있습니다. 샘플을 기원에 따라 함께 클러스터링할 수 있다면 그룹화 변수(조직, 단계 및 동물 유형)를 신뢰할 수 있고 정확하게 표현할 수 있다고 확신할 수 있습니다.
JMP 17의 등장으로 Ward의 방법에 대한 새로운 컴퓨팅 접근 방식인 Hybrid Ward가 구현되었습니다. 클러스터링할 항목이 수만(또는 수십만) 있을 수 있는 omics 데이터에 특히 유용합니다.
각 라인은 하나의 샘플을 나타냅니다. 세포/조직 단계 간의 차이점을 볼 수 있도록 샘플을 색상으로 구분했습니다. 몇 가지(셀/조직 단계 선택 및 분화)를 제외하고 샘플의 균질한 클러스터를 볼 수 있습니다.
그만큼 다변량 임베딩 플랫폼은 계층적 클러스터링에서 사용되는 것과 다른 방법을 사용하여 샘플을 그룹으로 클러스터링합니다. 매우 높은 차원의 데이터 집합을 낮은 차원 공간으로 매핑할 수 있으므로 높은 차원 공간에서 서로 가까이 있는 점이 결과로 나타나는 낮은 차원 공간에서도 서로 가까이 있습니다. 일반적으로 2D 또는 3D 그래프로 표시할 수 있는 2차원 또는 3차원입니다. 데이터 클러스터링 방법을 보여주는 t-SNE 방법을 사용했습니다.
이 그래프에서 각 원(소) 또는 삼각형(암소)은 하나의 샘플을 나타냅니다. 우리는 특히 Granulosa와 Theca 세포 유형(해시된 빨간색 선으로 표시됨) 사이, 그리고 Luteinized 대 Selected/Differentiated Cell/Tissue Stage 사이에서 샘플의 균일한 클러스터를 볼 수 있습니다. 암소와 암소는 따로 군집을 이루지 않습니다. 우리가 보게 될 가능성이 가장 높은 것처럼 암소와 암소 사이의 유전자 발현이나 선택 단계와 분화 단계 사이의 조직 단계에는 큰 차이가 없습니다. 이를 알면 조직 유형 또는 조직 단계 사이에서 유전자의 차등 발현을 비교하는 것이 이치에 맞습니다.
다음 블로그에서는 응답 스크리닝을 사용하여 그룹을 비교하고 Y by X 플랫폼에 맞추는 방법에 대해 이야기하겠습니다.
