In dieser Blogreihe habe ich einen Workflow zum Vergleichen von Gruppen für die differenzierte Expression von Genen in JMP Pro 17 vorgestellt. Lesen Sie weiter, um zu erfahren, wie Sie diesen Schritt anwenden.
Vergleichen Sie Gruppen
Das Ziel jedes Genexpressionsexperiments besteht darin, Biomarker zu finden – Marker oder Gene, die in verschiedenen Merkmalen/Behandlungen unterschiedlich exprimiert werden. JMP Pro 17 bietet mehrere Plattformen zur Lösung dieses Problems, darunter Response Screening
Der Antwort-Screening Die Plattform automatisiert den Prozess der Durchführung von Tests für eine große Anzahl von Antworten und ist somit ein perfektes Szenario für Genomdaten. Da die Daten etwa 19.000 Variablen enthalten, was zu einer großen Anzahl von Antworten führt, ist es unmöglich, die Antworten als einen einzelnen Variablenvergleich zu behandeln. Es ist eine leistungsstarke Funktion zur Identifizierung einflussreicher Biomarker, wenn sich ihre Expression innerhalb einer bestimmten Gruppierungsvariablen, in unserem Fall Gewebetyp und Gewebestadium, erheblich unterscheidet.
Eine Möglichkeit, diese Ausgabe darzustellen, ist ein Vulkandiagramm, wie unten gezeigt. Dies ist die am häufigsten verwendete grafische Darstellung zur Visualisierung deutlich differenzierter Biomarker zwischen Behandlungspaaren (die Behandlung ist in diesem Fall das Gewebestadium und die Kontrolle ist auf „ausgewählt“ eingestellt). Jeder Punkt ist ein Gen.
Die X-Achse stellt den Unterschied in den Expressionsmitteln der Biomarker dar; Die Y-Achse stellt die Signifikanz der Differenz der Mittelwerte in Bezug auf den Logwert (-log10 p-Wert) dar. Blau bedeutet negativ ausgedrückt oder unterdrückt, und Rot bedeutet positiv ausgedrückt oder übertrieben. Es gibt viele signifikante Biomarker, daher habe ich FDR-Logworth-p-Werte größer als 15 gefiltert, was zu den sechs ausgewählten Elementen führte.
Ein Drilldown der ausgewählten Elemente im Passen Sie Y an X an zeigt den Grad der Expression in den verschiedenen Untergruppen des Gewebestadiums.
Als Nächstes habe ich alle Unterschiede in einer Datentabelle zusammengefasst und mithilfe von Graph Builder die Endergebnisse angezeigt. Bei allen sechs Genen ist im Stadium des luteinisierten Gewebes ein signifikanter Unterschied in der Expression zu erkennen, was angesichts der früheren Ergebnisse der Fit Y by X-Plattform und der Multivariate Embedding keine Überraschung war.
Im nächsten Blog werde ich darüber sprechen, wie man Genexpressionsdaten mithilfe verschiedener Analysetools modelliert.
