Dans ce blog, j'ai présenté un flux de travail pour la modélisation des données d'expression génique dans JMP Pro 17. Continuez à lire pour voir comment appliquer ces étapes.
Modélisation
La plate-forme Predictor Screening est utile pour analyser de grands ensembles de données, dans lesquels des centaines ou des milliers de mesures sur un échantillon sont prises et nécessitent des approches innovantes. Par exemple, il peut être utilisé pour aider à identifier des biomarqueurs parmi des milliers testés dans des échantillons de patients avec et sans condition pour prédire la condition. Il peut également être utilisé pour dépister rapidement les biomarqueurs importants avant d'effectuer tout type d'analyse supplémentaire, telle que la modélisation pour réduire la complexité du modèle et améliorer la précision des modèles prédictifs.
Étant donné que la plate-forme Predictor Screening utilise une méthodologie différente de Response Screening, elle trouve des variables qui entraînent des changements importants dans les données en utilisant un modèle de forêt bootstrap pour filtrer les prédicteurs potentiels de votre réponse.
Ici, nous pouvons voir le résultat des contributions des prédicteurs classés (biomarqueurs) :
Fréquemment, les profils d'expression génique présentent une similitude, ce qui suggère une certaine co-régulation ; il est souvent bénéfique pour réduire le nombre de candidats fortement corrélés. Le Variables de grappe La plate-forme effectue une réduction de dimension sur le nombre de variables d'entrée à utiliser dans un modèle prédictif. Il réduit les entrées en trouvant des groupes de variables similaires afin qu'une seule variable puisse représenter chaque groupe.
Il intègre l'analyse en composantes principales (ACP) dans le regroupement des échantillons Détails statistiques pour la plate-forme de variables de cluster . L'ACP est un outil pour comprendre à la fois la relation entre de nombreuses variables et certains des effets sous-jacents en révélant quelles variables se comportent de la même manière. Il révèle également quelles variables sont uniques parmi les variables importantes.
Ci-dessous, j'ai sélectionné les 50 variables les plus importantes de Predictor Screening et les ai utilisées dans les variables de cluster.
Dans le résumé du cluster, nous ne voyons que 10 groupes uniques de variables avec la variable la plus représentative. Notez que le nombre de clusters peut varier d'une analyse à l'autre, puisque les variables sélectionnées dans Predictor Screening peuvent varier d'une analyse à l'autre.
Dans cet exemple, dans le cluster 1, nous pouvons regrouper 23 variables car elles fonctionnent de manière similaire. De ce groupe, il suffit de regarder la variable -15645. Cette seule variable explique 81,3 % de la variation de la première composante principale qui se produit parmi ces 23 variables. Cette seule variable explique également 37,4 % de toute la variabilité parmi les 50 variables. La variable -15645 a la corrélation la plus élevée avec les variables de son cluster. En résumé, les variables de cluster permettent une analyse très rapide de l'unicité pour nous permettre d'identifier davantage les variables importantes qui doivent être analysées plus en détail.
La prochaine étape consiste à modéliser nos gènes pour voir comment le niveau de leur expression influence la réponse (stade tissulaire). Le Model Screening nous permet de trouver automatiquement le modèle qui correspond le mieux aux données. Dans la liste des modèles proposés, nous pouvons choisir ceux que nous voulons appliquer. Dans notre cas, le XGBoost a obtenu les meilleurs résultats avec un RSquare de 97 %.
À partir du modèle XG Boost, le Prediction Profiler nous permet de détecter comment le niveau d'expression des gènes affectera la valeur prédite de la réponse. Ici, nous pouvons voir que le niveau d'expression de cinq gènes a un impact sur l'étape de différenciation du tissu.
Et juste comme ça, JMP Pro 17 a réussi à identifier une poignée de biomarqueurs dont l'expression diffère selon les types de tissus et les stades tissulaires du développement des follicules préovulatoires.
