Les cartes de microplaques sont un outil standard en laboratoire, permettant aux scientifiques d'étudier les réactions physiques, chimiques et/ou biologiques de substances testées dans divers essais. Les méthodes traditionnelles de visualisation des données de microplaques sont souvent inefficaces pour représenter les relations spécifiques à ces données, notamment la prise en compte des sources de variabilité spatiale et temporelle.
Pour résoudre ce problème, nous avons créé un tableau de bord JMP permettant de visualiser les cartes de plaques et d'offrir aux utilisateurs une vision unique de la distribution spatiale et des éléments de leurs données. Ce tableau de bord facilite la visualisation et l'analyse exploratoire des données grâce à de multiples vues interactives de cartes thermiques, de nuages de points et de courbes dose-réponse sur des données simulées afin de mettre en évidence les problèmes typiques rencontrés lors d'expériences sur plaques. Les utilisateurs peuvent basculer dynamiquement entre les vues, personnaliser les visualisations et interagir avec des points de données individuels ou par groupes qui nécessitent une analyse plus approfondie.
De plus, le tableau de bord permet le filtrage et l'annotation des données par l'étiquetage des lignes, améliorant ainsi l'interprétabilité et l'utilité des visualisations cartographiques des plaques. Il constitue également un outil efficace pour communiquer la qualité des données et les problèmes potentiels, tels que la variabilité des plaques et/ou du laboratoire, ou d'autres erreurs de traitement pouvant affecter les données. En facilitant l'exploration et l'analyse flexibles d'ensembles de données complexes, le tableau de bord permet aux utilisateurs d'approfondir leurs connaissances issues de leurs expériences sur plaques, accélérant ainsi la découverte et l'acquisition de connaissances scientifiques.
Bonjour à tous. Je m'appelle Carol Coe et je suis statisticienne chez DLH. Chez DLH, nous réalisons des analyses statistiques d'études toxicologiques menées par nos clients. Aujourd'hui, je voulais vous présenter un tableau de bord que nous avons conçu pour analyser les données de plaques de microtitration. Ce travail a été réalisé en collaboration avec mes collègues statisticiens de DLH, Catherine Allen Moyer, Sean Harris et Juan Hwasier, ainsi qu'avec nos collaborateurs du NHS, Helen Coney et Keith Shockley.
Avant de vous présenter le tableau de bord, je voulais vous donner un bref aperçu de ce qu'est une plaque de microtitration. Les plaques de microtitration sont un outil standard en laboratoire. Ce sont des plaques quadrillées, dont chaque paroi peut contenir de petits volumes de liquide. Les scientifiques les utilisent fréquemment car elles permettent de réaliser plusieurs expériences simultanément.
L'idée est de considérer chaque paroi comme une unité expérimentale. On peut y placer différents réactifs et différentes concentrations. Ces plaques existent en différentes tailles. Voici l'image d'une plaque de petite taille. Dans cet exemple, j'utiliserai une plaque à 384 parois (16 rangées et 24 colonnes). Une fois toutes les parois remplies, les plaques sont placées dans un lecteur de plaques qui mesure la réponse de chaque paroi.
D'après mon expérience de collaboration avec les scientifiques, ils réalisent généralement ces expériences sur plusieurs plaques afin de prendre en compte les différents facteurs qui les intéressent. Ces facteurs peuvent inclure le type de test, la culture cellulaire ou le nombre d'échantillons testés. En général, je reçois toutes les données de ces expériences simultanément. Typiquement, je traite plusieurs milliers de lignes provenant de dizaines de plaques. Idéalement, je préfère visualiser chaque plaque et vérifier d'éventuels problèmes de données avant d'effectuer toute modélisation statistique.
Il peut être très difficile de visualiser et de comprendre ce qui se passe lorsqu'on a trop de données. Mon équipe et moi avons réfléchi à la manière de simplifier ce processus de visualisation, et nous avons trouvé une solution, heureusement facile à implémenter dans JMP. Il s'agit d'un tableau de bord composé d'un dossier de données local et de trois panneaux de création de graphiques, permettant d'observer différentes vues du même jeu de données sous différents angles. Dans cette présentation, je ne vais pas vous montrer comment créer un tableau de bord.
Je vais plutôt vous renvoyer vers un lien, un tutoriel qui se trouve ici. Et voilà. Maintenant, je vais passer à JMP pour que nous puissions examiner ce tableau de bord plus en détail. Au passage, je tiens à préciser que toutes les données utilisées ici sont simulées. Tous les noms de produits chimiques ou initiales que vous voyez sont fictifs et servent uniquement aux besoins de cette présentation.
L'élément essentiel à prendre en compte lors de l'analyse de données de plaques est la compréhension de leur conception. En effet, ce type d'expériences est sujet aux effets de bord ou de position. Comprendre l'emplacement précis de chaque substance chimique sur chaque paroi permet d'interpréter vos données de manière beaucoup plus pertinente. C'est pourquoi j'ai ajouté un onglet de création de graphiques.
Le schéma de la plaque d'immatriculation est discrètement intégré ici. Je vais l'agrandir pour que nous puissions l'observer plus en détail. Voilà. Voici un exemple de schéma de plaque. Il est important de noter le type et le nombre de panneaux de signalisation. Dans cet exemple précis, j'ai des panneaux de signalisation pour véhicules, ici appelés « média ». Ils se trouvent dans les deux premières et les deux dernières colonnes de la plaque. J'ai également un panneau de signalisation négatif sur la première ligne, puis deux types différents de panneaux de signalisation positifs dans les lignes L et M.
Les couleurs correspondent aux différentes concentrations. On passe du vert foncé au vert clair, ce qui indique une diminution de la concentration. Chaque initiale représente un produit chimique ou un échantillon spécifique. Chaque rangée semble correspondre à un échantillon particulier. Dans cet exemple, on remarque également la présence de parois identiques, ce qui suggère un appariement : pour chaque paire de parois, la même concentration et le même échantillon ont été utilisés.
Pour revenir au tableau de bord, cliquez simplement sur ce bouton de restauration. Lorsque je reçois un lot de données et que je ne les comprends pas encore bien, j'aime bien comparer les résultats entre les deux analyses. Supposons qu'il s'agisse du même dosage et de deux plaques différentes. Je compare ainsi les résultats pour vérifier si les plaques utilisées sont identiques. Logiquement, oui, mais on ne sait jamais. Cela me confirme que la conception des plaques est la même, mais que les données diffèrent car les analyses ont été effectuées à des moments différents.
Ensuite, vous pouvez passer d'un test à l'autre. Ici, je vois K, la disposition ; il y a une certaine similarité quant à l'emplacement des témoins (les colonnes jaunes). Mais il semble que dans cet autre test, il y ait un témoin négatif (ici, la ligne b), et aucun témoin positif. De plus, ils utilisent un ensemble de produits chimiques complètement différent.
Je vais passer à cet autre onglet où j'ai une autre carte thermique. Cette fois-ci, les couleurs correspondent aux valeurs de mes réponses. La disposition est similaire à celle d'un test si on regarde la plaque. Cela peut s'avérer très utile à cause des effets de bord qui se produisent souvent dans ce type d'expériences. Ce qu'ils apprécient particulièrement dans le tableau de bord, c'est la facilité avec laquelle on peut isoler les observations problématiques en les visualisant sous différents angles.
Par exemple, en regardant cette carte thermique, la première chose qui me frappe, c'est cet effet de stries en colonnes. Vous pouvez sélectionner ces puits. Personnellement, je maintiens la touche Maj enfoncée pendant la sélection. Vous constaterez alors que les autres panneaux se mettent également en surbrillance, du fait de l'interconnexion entre ces différents graphiques.
En réalité, ce sont ces puits plus sombres, les points situés au-dessus, qui présentent un problème. Il semble qu'il y ait eu une anomalie. Je vous conseillerais de recontacter le scientifique ou la personne ayant réalisé l'expérience pour lui demander ce qui s'est passé et comment y remédier. Faut-il exclure ces puits ? Devrions-nous calculer la moyenne de ces deux puits dupliqués pour poursuivre l'analyse ?
Le nuage de points ici à droite illustre la distribution de vos données. Cela peut s'avérer utile en présence de regroupements chimiques naturels dans votre plaque. Dans cet exemple précis, sachant qu'il y avait trois types de témoins différents, il est plus simple et utile d'observer leur distribution en les regroupant par groupes chimiques. Ce qui me frappe dans mes témoins (véhicules), c'est la présence d'un groupe d'observations ici, dont les valeurs semblent inférieures aux autres. En les surlignant, je constate immédiatement qu'il s'agit des observations provenant de la dernière colonne, dans ce coin. Voilà encore un exemple de ce type.
Lorsque vous discutez avec les scientifiques qui ont mené cette expérience, vous pouvez leur demander si un phénomène particulier s'est produit ou s'il est préférable d'exclure certaines observations si elles ne sont qu'un artefact. Outre le fait de montrer à nos clients l'aspect de leurs données, ce tableau de bord leur permet également de signaler les observations qu'ils souhaitent exclure de notre analyse.
Par exemple, ils pourraient examiner les courbes dose-réponse en bas du graphique. Un point de données en particulier semble suspect car il est plus élevé que les autres. Ils l'ont peut-être analysé et ont décidé de l'exclure car il s'est passé quelque chose d'inhabituel, d'anormal, qui ne correspond pas à leurs attentes.
Nous leur demanderions de mettre en évidence cette observation. Ensuite, s'ils cliquent avec le bouton droit sur ce point, vont dans « Lignes » et choisissent « Étiquette de ligne », cela ne semble pas avoir changé grand-chose. Le nom a simplement été ajouté, car il figure déjà comme étiquette dans mon tableau de données. Mais concrètement, si vous retournez dans votre tableau de données, sur la ligne à laquelle nous venons d'ajouter une étiquette, vous verrez qu'elle est maintenant marquée d'un repère jaune.
Imaginez que vous ayez de nombreuses observations que vous étiquettez et qu'à la fin, vous souhaitiez obtenir une liste des observations à consulter plus en détail. Ou peut-être s'agit-il des observations à exclure de l'analyse ultérieure. Vous pouvez créer une colonne à l'aide d'une formule d'état réel. Ces formules sont intégrées. J'ai utilisé la formule « Étiquette de ligne », qui transforme ces étiquettes en un indicateur binaire (0 ou 1). Toute ligne comportant une étiquette aura la valeur 1, sinon 0.
Voici une autre fonctionnalité intéressante que je voulais partager, car elle est assez difficile à trouver, mais depuis que je l'ai découverte, je l'utilise constamment. Elle se trouve dans le panneau de la légende ; vous pouvez la voir sur cette carte thermique. Un clic droit sur la légende, puis « Clé de couleur » et enfin « Dégradé » ouvre un large éventail d'options de personnalisation. Je suis particulièrement content que JMP propose ces options pour le type d'échelle et le type de plage.
Le type d'échelle est linéaire par défaut. Vous pouvez constater que les valeurs de ma légende de couleurs augmentent à intervalles réguliers. Vous pouvez la modifier en utilisant un quantile ou une limite. En fait, si vous définissez cette option, vous obtiendrez une perspective totalement différente de vos données. Je vous invite à bien réfléchir à ce que vous souhaitez afficher, mais c'est une option que vous pouvez utiliser. Dans cette vue, vous pouvez également constater que la dernière ligne semble un peu étrange, car elle est entièrement jaune. Je suis toujours inquiet pour tout ce qui se trouve en bordure d'une plaque. C'est une autre question que vous pouvez poser aux scientifiques. Je vais y revenir.
Tout est configuré pour revenir au mode linéaire, mais il y a en fait beaucoup d'autres options à explorer. J'utilise de préférence le type de plage. L'option par défaut et JMP… Je crois que JMP arrondit les valeurs minimales et maximales pour obtenir des résultats plus esthétiques. Mais si vous souhaitez connaître l'étendue exacte de vos données, vous pouvez facilement modifier ce paramètre. Vous savez maintenant que la valeur maximale est 115 et la valeur minimale est -84. Je vais donc revenir à la valeur par défaut.
Enfin, voici quelques options esthétiques. Elles sont toutes assez simples. J'aime bien utiliser des couleurs distinctes, surtout avec un dégradé continu. Voici ce qui ressemble à un dégradé continu, et je vais revenir aux couleurs distinctes. Pour une raison que j'ignore, mon cerveau lit beaucoup plus facilement ce rendu que lorsqu'il est continu. J'aime aussi beaucoup utiliser ce dernier.
Enfin, je voulais simplement préciser que même si cela peut paraître une idée très simple, il s'agit en fait de simples panneaux de création de graphiques. Cet outil s'est révélé extrêmement efficace et utile pour révéler des informations sur les données que nous aurions manquées autrement. N'hésitez pas à explorer les tableaux de bord. J'espère que ma présentation vous a été utile et je vous remercie de votre attention.
