JMPグラフビルダーは、品質管理上の問題を動的かつ効率的に特定するための優れたインターフェースを提供します。齧歯類におけるノルエピネフリンシグナル伝達が恐怖行動にどのように伴うかを解明するためにファイバー測光法を用いたプロジェクトでは、JMPを用いてEthovision XTで追跡した行動データとファイバー測光法データ間の不整合を検出し、行動追跡の中断を容易に特定し、期待されるパターンが存在することを確認しました。これらの品質管理チェックにより、データセットのタイムリーな理解、介入、修正が可能になり、研究の完全性が向上しました。さらに、品質管理プロットは、科学者に実験を理解するための斬新で洞察に満ちた方法を提供しました。
グラフビルダーは、JMPのモデリングプラットフォームを介して、健全な分析のためのデータ品質チェックを提供しました。研究者たちはJMPのスクリプトも使用することができ、このプロセスを通してJMPの使い方を自ら学ぶ意欲が高まりました。本講演では、ファイバー測光法を例に、大規模で複雑なデータセットの品質管理の課題と、JMPのグラフ作成機能によって質の高いデータと再現性の高い研究をどのように確保できたかを紹介します。
皆さん、こんにちは。ケイト・コンラッドです。今日は、JMPグラフビルダーを用いた縦断的ファイバー測光データセットのデータ品質向上プロジェクトについてお話します。私はDLHの統計コンサルタントで、このプロジェクトでは国立衛生研究所の科学者たちと協力しています。共同研究者たちはファイバー測光法に取り組んでいました。これは、神経の活動が観察できる非常に興味深い手法です。
科学者たちは、これらの動物の脳に蛍光染料を注入することに成功しました。脳が活動し、様々な神経伝達物質の信号が放出されると、カメラで蛍光を発する様子を観察できます。これは非常に新しい技術で、非常に興味深いものです。神経行動学研究の最先端であり、脳をこれまでとは異なる新たな視点で理解することを可能にします。しかし、これらのデータセットは、いくつかの異なる段階で処理されます。
マウスの脳にカメラを取り付けてから、それを分析するまでの間に、いくつかの異なるソフトウェアが使われます。これは悪いことではありませんが、カメラとデータセットの間で行われる様々なアルゴリズムや分類器において、エラーが発生する可能性が高くなることを意味します。私たちは、そのプロセスにおけるすべてが期待通りに行われていることを確認するために、品質管理（QC）を行いたいと考えています。
これらのデータセットは規模が大きいため、エラーがあった場合の検出が困難です。この実験では、EthoVision XTソフトウェアを用いて41匹のマウスを対象に実施し、0.04秒ごとに10分間の記録を取得しました。また、これらのマウスは3回に分けて記録するため、各マウスには3つの異なる10分間のセグメントが存在します。
行動の指標を記録する際には、動物が空間内を動き回っているか、体を伸ばしているかどうか、縮こまっているかどうか、動いていないかどうか、非常に速く動いているかどうかといった情報も含まれます。これらを記録すると同時に、神経伝達物質の指標も記録します。これは神経線維測光法と呼ばれるもので、動物が動いているときの脳内のノルアドレナリンとドーパミンの信号を観察します。つまり、それらの発火を観察しているのです。
それが私たちが確実にしたいことの一つです。被験者の動きと神経伝達物質の信号が一致していることを確認し、脳が活動している間の身体の動きを把握したいのです。このプロジェクトの目標は、このデータに不一致がないか確認することでした。私たちが期待していたパターンが実際に存在することを確認し、それを通じて研究の誠実性を高めたいと考えました。
3つの異なるQCの例をご紹介します。この繊維測光データセットをJMPグラフビルダーで取得し、信頼性の高い研究のための高品質なデータセットをどのように作成したかをご紹介します。まずは最初のQCから始めましょう。JMPグラフビルダーを使用します。このデータセットについて少しご紹介します。動物ごとに異なるIDが付けられています。それぞれの動物の脳信号、この場合はドーパミン信号の2つの異なる測定値があります。
ここにはX軸とY軸があります。これは空間における位置です。伸長度、つまり縮れているか伸びているかは、活動度を表す2つの指標、つまり活動が活発か全く動かないかを表します。そして、3つの異なる露出日、つまり3つの異なる時点を表します。
グラフビルダーに切り替えて、これをここに引き出します。グラフビルダーですね。X座標とY座標を取得し、ポイントを使って、動物たちが移動している空間内のどこにいるのかを確認します。動物ごとに異なる色で表示して、移動している動物たちが空間内のどこにいるのかを確認できるようにしたいと思います。
これをカラーブロックに移動し、3つの異なる露出時間で分離します。最初のブロックを見てみましょう。ここに様々な動物がいて、XY空間を占めています。空間を埋め尽くしています。それぞれの動物をクリックすると、異なる色で空間を埋め尽くしているのがわかります。少し見づらい動物もいますが、他の動物は概ねこの空間を占めているのがわかります。この動物を除いて、X軸とY軸をかなり広範囲に動いています。
この動物、動物番号N091は、画面の右上隅にずっと留まっていました。それほどスペースを取っているわけではなく、まさにそこにいたのです。見た目が違っています。このマウスの見た目がおかしいのは、他の指標にも影響している可能性があるのでしょうか？そこで次のグラフに移ります。再びグラフビルダーを開きます。今回は、伸長の指標を見てみましょう。それぞれの動物ごとに異なる箱ひげ図を作成します。
もう一度、動物IDを色にドラッグします。さらに、X軸までドラッグして、それぞれの動物ごとに異なる箱ひげ図を作成します。ハイライト表示されているN091という動物は、他のマウスに比べて伸びが低いことがわかります。伸びの指標が低いため、他のマウスに比べて縮んだ状態が続いています。
外れ値はあまり気にしないので、削除します。メインデータを見てみましょう。スタイルを少し変えてみますが、他の動物と比べて、この動物は少し変わっていることがわかります。
こちらは以前作成した2つのグラフで、この動物が動かずに過ごした時間の割合を3分の1で表しています。かなり動かずにいることがわかります。この3つのグラフから、この動物の追跡にずれがあることがわかりました。ビデオに何か問題がありましたが、共同作業者と共有したところ、修正できました。Graph Builderを使用して、この大規模なデータセットからこの問題を特定し、修正しました。
さて、次の例はもう少し控えめです。これは、私たちが期待していたパターンがそこに存在することを確認するだけです。ドーパミン信号は、脳内の神経伝達物質です。この信号が点滅するのを見ると、時間の経過とともに減少することが知られています。このグラフでは、X軸に時間、Y軸に信号が示されています。お分かりですか？ドーパミン信号は、私たちが期待した通り、時間の経過とともに減少しています。
このドーパミン信号が収集された後、経時的な減少を補正するための補正アルゴリズムが適用されます。このアルゴリズムも機能していることを確認したかったのです。動物ごとに色分けされた、簡単なグラフが表示されています。良さそうです。この簡単なチェックで、この分類器と信号が想定通りに収集され、機能していることを確認できました。品質管理にも研究にも役立ちます。
最後に、動作の分類子を確認しました。動作は非活動的か非常に活動的のいずれかですが、両方ではないはずです。これらの動物は、同時に全力疾走と静止状態にあるべきではありません。グラフビルダーに戻って、非常に活動的と非活動的の両方に分類されるデータがないことを確認しましょう。
この2つの列をグラフにドラッグし、再びポイントに切り替えます。動物IDに合わせてポイントに変更した方が好みだからです。右上隅に大きな空白部分があるのがわかります。分類器が誤って、何かが非常に活発であると同時に活動していないと判定した場合、この部分がその部分に表示されます。確かに、空白になっています。よさそうです。これは、分類器が適切に機能し、この間違いを犯していないことの証拠でもあります。
目標は達成されました。経時的に収集された複雑な繊維測光データセットを調べ、その縦断的データを取得しました。JMPグラフビルダーを使用して、このデータセットの品質管理を迅速かつ容易に行い、高品質で信頼性の高い研究を確実に実施しました。脳内のドーパミンとノルエピネフリン、そしてこれらのマウスにおけるその作用について詳しく知りたい方は、QRコードをスキャンしてください。論文にアクセスできます。何かお役に立てれば幸いです。ありがとうございました。
