In questo blog, ho introdotto un flusso di lavoro per la modellazione dei dati di espressione genica in JMP Pro 17. Continua a leggere per vedere come applicare questi passaggi.
Modellazione
La piattaforma Predictor Screening è utile per analizzare set di dati di grandi dimensioni, in cui vengono effettuate centinaia o migliaia di misurazioni su un campione e richiedono approcci innovativi. Ad esempio, può essere utilizzato per aiutare a identificare biomarcatori da migliaia testati in campioni di pazienti con e senza una condizione per predire la condizione. Può anche essere utilizzato per vagliare rapidamente i biomarcatori importanti prima di eseguire qualsiasi tipo di ulteriore analisi, come la modellazione per ridurre la complessità del modello e migliorare l'accuratezza dei modelli predittivi.
Poiché la piattaforma Predictor Screening utilizza una metodologia diversa da Response Screening, trova le variabili che guidano grandi cambiamenti nei dati utilizzando un modello di foresta bootstrap per individuare potenziali predittori della tua risposta.
Qui possiamo vedere il risultato dei contributi del predittore classificato (biomarcatore):
Spesso, i profili di espressione genica mostrano somiglianze, il che suggerisce una certa co-regolazione; spesso è utile per ridurre il numero di candidati altamente correlati. IL Variabili di cluster piattaforma esegue la riduzione delle dimensioni sul numero di variabili di input da utilizzare in un modello predittivo. Riduce gli input trovando gruppi di variabili simili in modo che una singola variabile possa rappresentare ogni gruppo.
Incorpora l'analisi dei componenti principali (PCA) nel raggruppamento dei campioni Dettagli statistici per la piattaforma Cluster Variables . PCA è uno strumento per comprendere sia la relazione tra molte variabili sia alcuni degli effetti sottostanti rivelando quali variabili si comportano in modo simile. Rivela anche quali variabili sono uniche tra le variabili importanti.
Di seguito, ho selezionato le 50 variabili più importanti da Predictor Screening e le ho utilizzate nelle variabili cluster.
Nel riepilogo del cluster, vediamo solo 10 gruppi univoci di variabili con la variabile più rappresentativa. Si noti che il numero di cluster può variare da un'analisi all'altra, poiché le variabili selezionate da Predictor Screening possono variare da un'analisi all'altra.
In questo esempio, nel Cluster 1, possiamo mettere insieme 23 variabili perché hanno prestazioni simili. Da questo gruppo, dobbiamo solo guardare la variabile -15645. Questa singola variabile spiega l'81,3% della variazione della prima componente principale che si verifica tra quelle 23 variabili. Questa singola variabile spiega anche il 37,4% di tutta la variabilità tra le 50 variabili. La variabile -15645 ha la correlazione più alta con le variabili nel suo cluster. In sintesi, Cluster Variables consente un'analisi molto rapida dell'unicità per consentirci di identificare ulteriormente le variabili importanti che devono essere analizzate in modo più dettagliato.
Il passo successivo è modellare i nostri geni per vedere come il livello della loro espressione influenza la risposta (Tissue Stage). Il Model Screening ci permette di trovare automaticamente il modello che meglio si adatta ai dati. Dall'elenco dei modelli suggeriti, possiamo scegliere quelli che vogliamo applicare. Nel nostro caso, l'XGBoost si è comportato al meglio con un RSquare del 97%.
Dal modello XG Boost, il Prediction Profiler ci consente di rilevare in che modo il livello di espressione genica influenzerà il valore previsto della risposta. Qui possiamo vedere che il livello di espressione di cinque geni ha un impatto sullo stadio di differenziazione del tessuto.
E proprio così, JMP Pro 17 ha identificato con successo una manciata di biomarcatori che differiscono nell'espressione per diversi tipi di tessuto e stadi tissutali dello sviluppo del follicolo preovulatorio.
