JMP Graph Builder는 동적이고 효율적으로 품질 관리 문제를 식별할 수 있는 탁월한 인터페이스를 제공합니다. 설치류에서 노르에피네프린 신호 전달이 공포 행동에 어떻게 동반되는지 이해하기 위해 광섬유 광도계를 사용한 프로젝트에서, 우리는 JMP를 이용하여 Ethovision XT로 추적한 행동 데이터와 광섬유 광도계 데이터 간의 불일치를 감지했습니다. 이를 통해 행동 추적 오류를 쉽게 파악하고 예상되는 패턴이 존재하는지 확인할 수 있었습니다. 이러한 품질 관리 검사를 통해 데이터 세트를 적시에 이해하고, 개입하고, 수정할 수 있었으며, 연구의 진실성을 높일 수 있었습니다. 또한, 품질 관리 그래프는 과학자들에게 실험 결과를 이해하는 새롭고 통찰력 있는 방법을 제공했습니다.
Graph Builder는 JMP의 모델링 플랫폼을 통해 정확한 분석을 위한 데이터 품질 검사를 제공했습니다. 연구원들은 JMP 스크립트를 활용할 수 있었고, 이 과정을 통해 JMP 사용법을 직접 배우고자 하는 동기를 얻었습니다. 본 발표에서는 광섬유 광도 측정 데이터를 예로 들어, 방대하고 복잡한 데이터 세트의 품질 관리 문제를 소개하고, JMP의 그래프 작성 기능을 통해 어떻게 고품질 데이터와 재현 가능한 연구를 보장할 수 있었는지 보여줍니다.
안녕하세요, 여러분. 제 이름은 케이트 콘래드입니다. 오늘은 JMP 그래프 빌더를 활용한 종단 섬유 광도 측정 데이터 세트의 데이터 품질 향상 프로젝트에 대해 이야기하려고 합니다. 저는 DLH의 통계 컨설턴트로, 이 프로젝트에서 미국 국립보건원(NIH)의 과학자들과 협력하고 있습니다. 제 공동 연구자들은 섬유 광도 측정이라는 기술을 연구하고 있었는데, 이 기술을 통해 신경 세포의 활동을 관찰할 수 있습니다.
과학자들은 이 동물들의 뇌에 형광 염료를 첨가할 수 있습니다. 뇌가 활성화되어 다양한 신경전달물질 신호가 방출되면 카메라가 형광을 발하는 모습을 관찰합니다. 이것은 매우 새로운 기술입니다. 정말 멋지죠. 신경행동 연구의 최첨단에 있는 이 기술은 뇌를 새롭고 다른 방식으로 이해할 수 있게 해줍니다. 하지만 이러한 데이터는 몇 가지 다른 단계를 거쳐 처리됩니다.
쥐의 뇌에 있는 카메라에서 데이터를 수집하고 분석하는 과정에서 여러 가지 소프트웨어가 사용됩니다. 이는 나쁜 것은 아니지만, 카메라와 데이터 세트 사이에서 다양한 알고리즘과 분류기가 작동하면서 오류 발생 가능성이 높아진다는 것을 의미합니다. 따라서 모든 과정이 예상대로 진행되었는지 확인하기 위해 품질 관리(QC)가 필요합니다.
이러한 데이터 세트는 규모가 크기 때문에 오류가 있더라도 잡아내기가 더 어렵습니다. 이번 실험에서는 EthoVision XT 소프트웨어를 사용하여 41마리의 쥐를 대상으로 10분 동안 0.04초 간격으로 데이터를 기록했습니다. 또한 각 쥐를 세 번에 걸쳐 기록했기 때문에 10분 분량의 데이터가 세 개씩 있습니다.
우리는 동물의 행동을 기록하는데, 여기에는 동물이 공간을 이동하는 모습, 몸을 쭉 뻗고 있는지 웅크리고 있는지, 가만히 있는지 아니면 아주 빠르게 움직이는지 등이 포함됩니다. 이러한 행동들을 기록하는 동시에 신경전달물질도 측정하는데, 이것이 바로 광섬유 광도 측정법입니다. 동물이 움직일 때 뇌에서 노르에피네프린과 도파민 신호가 어떻게 변하는지, 즉 신경세포들이 어떻게 활성화되는지를 관찰하는 것입니다.
우리가 가장 중요하게 확인해야 할 점은 바로 이것입니다. 피험자의 움직임과 신경전달물질 신호가 일치하도록 하여 뇌 활동 중에 신체가 어떻게 움직이는지 파악하는 것이 중요합니다. 이 프로젝트의 목표는 이러한 데이터의 불일치를 찾아내는 것이었습니다. 우리가 예상했던 패턴이 실제로 나타나는지 확인하고, 이를 통해 연구의 진실성을 확보하고자 했습니다.
이 광섬유 광도 측정 데이터 세트를 JMP Graph Builder를 사용하여 고품질의 연구용 데이터 세트로 만드는 세 가지 QC 사례를 보여드리겠습니다. 첫 번째 QC부터 시작하겠습니다. JMP Graph Builder를 실행하고 이 데이터 세트를 간단히 소개하겠습니다. 보시다시피 각 동물마다 고유한 동물 ID가 있습니다. 또한, 각 동물의 뇌 신호, 특히 도파민 신호에 대한 두 가지 측정값이 있습니다.
여기에는 그들의 X 중심과 Y 중심이 있습니다. 즉, 공간에서의 위치를 나타냅니다. 신장률은 그들이 웅크리고 있는지 아니면 펴져 있는지를 보여주고, 활동성은 매우 활동적인지 아니면 전혀 움직이지 않는지를 나타내는 두 가지 지표입니다. 그리고 세 가지 다른 노출 날짜, 즉 세 가지 다른 시점이 있습니다.
이제 그래프 빌더로 이동하겠습니다. 여기를 꺼내 보겠습니다. 그래프 빌더에 들어왔네요. X축 위치와 Y축 위치를 입력하고, 점을 이용해 동물들이 이동하는 동안 공간상에서 어디에 있는지 살펴보겠습니다. 각 동물마다 다른 색으로 표시해서, 동물들이 이동하는 동안 공간상에서 어디에 있는지 쉽게 확인할 수 있도록 하고 싶습니다.
이제 이 이미지를 컬러 블록으로 옮긴 다음, 세 가지 다른 노출 시간으로 나누어 살펴보겠습니다. 첫 번째 결과만 보면, 다양한 동물들이 XY 공간을 채우고 있는 것을 볼 수 있습니다. 각 동물을 클릭하면 해당 동물들이 다양한 색으로 공간을 채우는 것을 확인할 수 있습니다. 어떤 동물들은 잘 보이지 않지만, 다른 동물들은 대체로 이 공간을 채우고 있는 것을 볼 수 있습니다. 이 동물 하나를 제외하고는 모든 동물들이 X축과 Y축을 골고루 채우고 있습니다.
이 동물, N091은 오른쪽 상단 모서리에 딱 붙어 있었죠. 공간을 많이 차지하지도 않았고요. 그냥 거기에 있었어요. 뭔가 특이해 보이죠? 우리는 이 쥐에게서 특이하게 보이는 다른 측정값이 있는지 알고 싶었습니다. 그래서 다음 그래프로 넘어가 보겠습니다. 다시 그래프 빌더를 사용해서 이번에는 신장률 측정값을 살펴볼 거예요. 각 동물마다 다른 상자 그림을 그려볼 겁니다.
다시 한번, 동물 ID를 색상으로 표시해 보겠습니다. 또한 X축에도 표시하여 각 동물별로 다른 상자 그림을 얻을 수 있습니다. 지금 강조 표시된 동물 N091은 길이가 더 짧다는 것을 알 수 있습니다. 즉, 다른 쥐들에 비해 몸이 더 쭈글쭈글한 상태를 유지하고 있다는 뜻입니다.
저는 그 이상치들을 제거할 거예요. 크게 걱정할 필요는 없으니까요. 이제 주요 데이터를 살펴볼 차례입니다. 스타일을 조금 바꿔보겠지만, 다른 동물들과 비교해 보면 이 동물은 좀 특이하죠.
여기, 이전에 보여드렸던 두 개의 그래프와, 이 동물이 움직이지 않고 보낸 시간의 비율을 살펴본 그래프가 있습니다. 보시다시피 이 동물은 상당히 오랫동안 가만히 앉아 있습니다. 이 세 개의 그래프를 통해 이 동물의 추적 데이터가 잘못 정렬되었음을 알 수 있었습니다. 영상에 문제가 있었는데, 공동 연구원들과 공유하니 문제를 해결할 수 있었습니다. 저희는 Graph Builder를 사용하여 이 대규모 데이터 세트에서 문제를 식별하고 수정했습니다.
다음 예시는 조금 덜 화려하지만, 우리가 예상했던 패턴이 실제로 나타나는지 확인시켜 줍니다. 도파민 신호는 뇌의 신경전달물질입니다. 그래프에서 도파민 신호는 시간이 지남에 따라 감소하는 것으로 알려져 있습니다. 이 그래프에서 X축은 시간, Y축은 도파민 신호를 나타냅니다. 보시다시피, 도파민 신호는 예상대로 시간이 지남에 따라 감소하고 있습니다.
도파민 신호가 수집된 후, 시간 경과에 따른 감소를 보정하기 위해 보정 알고리즘이 적용됩니다. 우리는 이 과정 또한 제대로 작동하는지 확인하고 싶었습니다. 각 동물별로 색깔이 표시된 간단한 그래프를 빠르게 확인할 수 있었습니다. 결과는 양호해 보였습니다. 이 간단한 확인을 통해 분류기와 신호 수집이 예상대로 진행되고 있음을 확인할 수 있었습니다. 품질 관리 측면에서도, 연구에도 좋은 결과였습니다.
자, 마지막으로 동작 분류기를 확인해야 했습니다. 동작은 비활동적이거나 매우 활동적일 수 있지만, 둘 다일 수는 없습니다. 즉, 동물들이 동시에 전력 질주하면서 가만히 앉아 있을 수는 없다는 뜻입니다. 그래프 빌더로 돌아가서 어떤 데이터도 매우 활동적인 것과 비활동적인 것으로 동시에 분류되지 않았는지 다시 한번 확인해 보겠습니다.
이제 저 두 열을 그래프로 끌어다 놓고, 동물 ID를 변경한 후에는 다시 포인트 형식으로 바꿔 보겠습니다. 저는 포인트 형식이 더 좋거든요. 오른쪽 위 모서리에 큰 빈 공간이 보이시죠? 분류기가 오류를 범해서 어떤 동물이 매우 활동적이라고 하면서 동시에 활동적이지 않다고 판단했을 때, 그 빈 공간이 제대로 표시되는 겁니다. 보시다시피 비어있네요. 좋습니다. 이로써 분류기가 제대로 작동하고 있고, 이러한 오류를 범하지 않았다는 것을 확인할 수 있습니다.
우리의 목표는 달성되었습니다. 시간에 걸쳐 수집된 복잡한 광섬유 광도 측정 데이터 세트를 분석하여 종단 데이터를 확보했고, JMP Graph Builder를 사용하여 이 데이터 세트의 품질을 신속하고 간편하게 검증하고 신뢰할 수 있는 연구 결과를 얻었습니다. 뇌 속 도파민과 노르에피네프린, 그리고 이 특정 쥐에서 이들이 어떻게 작용하는지에 대해 더 자세히 알고 싶으시면 QR 코드를 스캔해 주세요. 논문으로 연결됩니다. 유익한 정보가 되셨기를 바랍니다. 감사합니다.
