In questa serie di blog, ho introdotto un flusso di lavoro per confrontare i gruppi per l'espressione differenziata dei geni in JMP Pro 17. Continua a leggere per vedere come applicare questo passaggio.
Confronta i gruppi
L'obiettivo di qualsiasi esperimento di espressione genica è trovare biomarcatori, ovvero marcatori o geni espressi in modo differenziato in diversi tratti/trattamenti. JMP Pro 17 offre diverse piattaforme per risolvere questo problema, una delle quali è Screening della risposta
IL Screening della risposta La piattaforma automatizza il processo di conduzione dei test su un gran numero di risposte, rendendolo uno scenario perfetto per i dati genomici. Poiché i dati contengono circa 19.000 variabili, risultando in un numero enorme di risposte, è impossibile trattare le risposte come un confronto a singola variabile. È una caratteristica potente per identificare biomarcatori influenti quando la loro espressione differisce in modo significativo all'interno di una particolare variabile di raggruppamento, nel nostro caso Tipo di tessuto e Stadio del tessuto.
Un modo per rappresentare questo output è un grafico del vulcano, come mostrato di seguito. È la rappresentazione grafica più comunemente utilizzata per visualizzare biomarcatori significativamente differenziati tra coppie di trattamenti (il trattamento in questo caso è Tissue Stage e il controllo è impostato su "selected"). Ogni punto è un gene.
L'asse X rappresenta la differenza nelle medie di espressione dei biomarcatori; l'asse Y rappresenta la significatività della differenza di medie in termini di logworth (-log10 pvalue). Il blu significa espresso negativamente o represso e il rosso significa espresso positivamente o sovraespresso. Esistono molti biomarcatori significativi, quindi ho filtrato i valori p del logworth FDR maggiori di 15, risultando nei sei elementi selezionati.
Un drill-down degli elementi selezionati nel file Adatta Y per X rivela il livello di espressione nei diversi sottogruppi di Tissue Stage.
Successivamente, ho raggruppato tutte le differenze in una tabella di dati, utilizzando Graph Builder per mostrare i risultati finali. Una significativa differenza di espressione è rappresentata in tutti e sei i geni allo stadio del tessuto luteinizzato, il che non è stata una sorpresa considerando i precedenti risultati ottenuti nella piattaforma Fit Y by X e in Multivariate Embedding.
Nel prossimo blog parlerò di come modellare i dati di espressione genica utilizzando diversi strumenti analitici.
