En esta serie de blogs, presenté un flujo de trabajo para comparar grupos para la expresión diferenciada de genes en JMP Pro 17. Sigue leyendo para ver cómo aplicar este paso.
Comparar grupos
El objetivo de cualquier experimento de expresión génica es encontrar biomarcadores: marcadores o genes que se expresen diferencialmente en diferentes rasgos/tratamientos. JMP Pro 17 ofrece varias plataformas para abordar este problema, una de las cuales es la detección de respuesta
El Evaluación de respuesta La plataforma automatiza el proceso de realizar pruebas en una gran cantidad de respuestas, lo que la convierte en un escenario perfecto para los datos genómicos. Dado que los datos contienen aproximadamente 19 000 variables, lo que da como resultado una gran cantidad de respuestas, es imposible tratar las respuestas como una comparación de una sola variable. Es una característica poderosa para identificar biomarcadores influyentes cuando su expresión difiere significativamente dentro de una variable de agrupación particular, en nuestro caso Tipo de tejido y Estadio del tejido.
Una forma de representar este resultado es un diagrama de volcán, como se muestra a continuación. Es la representación gráfica más utilizada para visualizar biomarcadores significativamente diferenciados entre pares de tratamientos (el tratamiento en este caso es Tissue Stage, y el control está configurado como "seleccionado"). Cada punto es un gen.
El eje X representa la diferencia en las medias de expresión de los biomarcadores; el eje Y representa la importancia de la diferencia de medias en términos de logworth (-log10 pvalue). Azul significa expresado negativamente o reprimido, y rojo significa expresado positivamente o sobreexpresado. Hay muchos biomarcadores significativos, por lo que filtré los valores de p logworth de FDR superiores a 15, lo que resultó en los seis elementos seleccionados.
Un desglose de los elementos seleccionados en el Ajustar Y por X revela el nivel de expresión en los diferentes subgrupos de Tissue Stage.
A continuación, reagrupé todas las diferencias en una tabla de datos, usando Graph Builder para mostrar los resultados finales. Se representa una diferencia significativa de expresión en los seis genes en la etapa de tejido luteinizado, lo que no fue una sorpresa considerando los resultados anteriores obtenidos en la plataforma Fit Y by X y en Multivariate Embedding.
IMAGEN - Chris Kirchberg comentó quitar leyenda. ¿Cómo proceder?
En el próximo blog, hablaré sobre cómo modelar datos de expresión génica utilizando diferentes herramientas analíticas.
