Hallo, alle.
Heute Krank Sei Präsentieren um Die Anwendung von JMP
Zu analysieren Gen Ausdruck einzel- Zelle RNA Daten In Melanom Zellen.
Mein Name Ist Katharina Zhou,
Und Ich bin a hoch Schule Student bei Lynbrook Hoch Schule.
Als Einführung,
Melanom entwickelt im Zellen oder Melanozyten Das produzieren Melanin
Und Ist Die am meisten aggressiv Typ von Haut Krebs,
repräsentieren 65 % von alle Todesfälle aus Haut Krebs.
T Zellen Sind a Typ von Weiß Blut Zellen Das entwickeln aus Stängel Zellen
In Die Knochen Mark Und reifen In Die Thymusdrüse,
Wo Sie multiplizieren Und unterscheiden hinein Helfer, regulatorisch, oder zytotoxisch T Zellen
oder werden Erinnerung T Zellen.
Zytotoxisch T Zellen, welche Sind aktiviert von verschieden Zytokine,
binden Zu Und töten infiziert Zellen Und Krebs Zellen.
In Melanom Patienten, T Zellen montieren ein immun Antwort gegen Die Tumor,
Aber bei manche Punkt, Die Antwortender T Zellen werden unwirksam
fällig Zu a lokal immunsuppressiv Verfahren auftretend bei Die Tumor Standorte.
Heiraten wie Zu identifizieren Die Ursachen hinter T Zelle Funktionsstörung.
Alternative Spleißen Ist a Regulierung Verfahren
essentiell Zu erzeugen Transkriptom Diversität.
Fehlregulierung trägt bei Zu Krankheit Und Krebs.
Eukaryoten Gene Sind zusammengesetzt von int ronisch Und exonisch Sequenzen,
als Du dürfen sehen In Das Diagramm.
In Die Alternative Spleißen Verfahren,
nicht kodierend Intronen von a Gen Sind selektiv ENTFERNT
Und Die Inklusive Exonen Sind kombiniert In Die Finale Bote RNA,
und Übersetzung von diese anders Isoformen, Wo anders Kombinationen
Ergebnis In anders Proteine Und anders Zellular Funktionen.
Nächste, traditionell Schüttgut Sequenzierung untersucht Die Genom von a Zelle Bevölkerung
solch als Die Zelle Kultur oder Gewebe,
Und es ist Ausgabe Ist Die Durchschnitt Gen Ausdruck von Die Zelle Bevölkerung.
An Die andere Hand, einzel Zelle Sequenzierung
Maßnahmen Die Genome von Person Zellen aus Die Bevölkerung.
Einzelzelle RNA Sequenzierung, oder scRNA-Sequenz,
Maßnahmen Die Transkriptome von jede Zelle In Die Probe,
welche enthüllt Die Heterogenität von Tausende von Zellen
Und bietet Einblick hinein Zellular Unterschiede bei hoch Auflösung.
In Das Studie, Krank Sei : Es ist nicht möglich, eine Karte zu erstellen. Alternative Einspleißen scRNA-Seq-Daten,
welche hat selten gewesen studiert fällig Zu mehrere Probleme.
ScRNA-Sequenz Ergebnisse In a sehr groß Nummer von Zellen Und spärlich Daten.
Jedoch, mit Die richtig Statistik Werkzeuge wie JMP Und R,
Wir dürfen nehmen Schritte Zu Lösung diese Probleme.
In Das Präsentation,
Krank Sei gehen über Mein Verfahren Zu finden Die am meisten bedeutsam Alternative Würze
oder ALS Veranstaltungen Differenzierung krebsartig T Zellen aus gesund Lymphe Knoten T-Zellen.
Krank erklären Mein Daten Verarbeitung Pipeline, Und Dann Krank gehen über Wie Zu verwenden JMP Pro
für prädiktiv Modellieren, Clusterbildung, Und Visualisierung.
Und Dann Krank gehen über Die Ergebnisse von Die Analyse von scRNA-Sequenz Datensatz
von T-Zellen bei Mäusen Melanom.
Das Ist a Diagramm von Die Präsentation.
Erste, Ausweis wie Zu erklären Mein Datensatz Vorbereitung Und Verarbeitung Verfahren.
Erste, I vorbereitet Und verarbeitet Die Datensatz.
I nahm Die scRNA-Sequenz Datensatz von Zellen In Lymphknoten mit Melanom In Mäuse
aus Das Papier über Hier,
Und Dann durchgeführt lesen Ausrichtung von Die F ASTQ Dateien mit STERN,
Und erkannt ALS Veranstaltungen mit Die Pipeline abgeleitet aus rMATS,
welche Verwendet a verallgemeinert linear gemischt Modell.
Stattdessen von mit Die paarweise Vergleich,
I lief Es An a einzel Probe mit jede Person Zelle,
effektiv Quantifizierung ALS In jede Zelle.
Dann I gebraucht R Zu quantifizieren Exon Überspringen Veranstaltungen mit IJC
welche steht für Aufnahme Kreuzung Zählen,
Und SJC, welche steht für Überspringen Kreuzung Zählen.
Als Du dürfen sehen unten In Das Diagramm, ein Aufnahme Kreuzung Ist erkannt
Wann Die lesen beinhaltet beide Die flankierend Sequenz,
welche Ist Das Schwarz Sequenz über Hier,
Und Die Exon Sequenz, welche Ist Das E Sequenz über Hier,
während a Überspringen Kreuzung zählen Ist erkannt
Wann Die lesen nur beinhaltet Die zwei flankierend Sequenzen
Und Nur vollständig überspringt Die Exon.
Dann I erstellen a Matrix von Das Daten.
Nächste, I untergeordnet Die T Zellen
mit Zelle Etiketten vorher definiert von Die Autoren von Die Datensatz.
Zu Filter ALS Veranstaltungen, I angewandt Die folgende Regeln,
Und I tat Das In R.
Dort muss Sei bei am wenigsten zehn liest pro Kreuzung.
Der Ereignis hat Zu Sei erkannt In mehr als zehn Zellen,
Und Die Ereignis kann nicht haben NEIN Variabilität über Die Zellen.
Das ist umgezogen um 75 % von Die Exons.
Das zeigt Das Filterung Ist wichtig Weil Es ENTFERNT Exonen
mit niedrig Abdeckung Und war grundsätzlich unwichtig.
Das reduziert Die Besonderheit Größe, welche Wille verbessern Die Leistung
von prädiktiv Modellieren Und Analyse weiter In Die Zukunft.
Dann I berechnen Die PSI oder Prozent gespleißt In Wert
mit Das Gleichung: IJC über IJC Plus SJC.
Vor I gehen hinein Die nächste Schritt von prädiktiv Modellieren,
I gesucht Zu erklären Die Gründe I entschieden Zu anwenden prädiktiv Modellierung in JMP
für Das spezifisch Problem.
Dort haben gewesen mehrere Ansichten Das erfolgreich gebraucht Maschine Lernen Modelle
für : Es ist nicht möglich, eine Karte zu erstellen. RNA-Sequenz Daten, welche erreicht hoch Genauigkeit.
I Hypothese Das Es würde Auch Sei genau für scRNA-Sequenz Daten.
Dort Sind viele Vorteile von mit prädiktiv Modellieren als Also.
Es dürfen Extrakt sinnvoll Merkmale aus riesig Datensätze,
klassifizieren Daten Und vorhersagen Ergebnisse mit betreut Lernen,
Und erkennen zugrundeliegend Beziehungen von Daten, wie In neuronal Netzwerke.
JMP Pro Auch bietet a Großartig Schnittstelle für erkunden diese anders Modelle,
erlaubend Du Zu leicht anwenden anspruchsvoll Algorithmen
Zu groß Datensätze schnell Und genau.
Es Auch erlaubt für Modell Vergleich Und Vorführung.
Endlich, Es erzeugt manche visuell Und interaktiv Berichte
Das reduzieren Die Schwarz Kasten Wirkung von Maschine Lernen Modelle,
welche bedeutet Das Du nicht Wirklich wissen Was passiert In Die Modell,
Du Nur wissen Die Ausgabe, welche Ist nicht sehr nützlich.
Unser Datensatz hatte 8.044 Variablen oder Exons, Und 1.014 Reihen oder Zellen.
Es War schwierig Zu laufen Analyse mit solch a groß Nummer von Säulen,
Also I gebraucht a Bootstrap Wald für Variable Auswahl.
A Bootstrap Wald Ist sehr rechnerisch effizient
Und Es dürfen arbeiten schnell über breit Datensätze,
Und Es Verwendet zufällig Probenahme mit Ersatz,
verursacht Es Zu Sei sehr robust Und genau.
I könnte haben Auch gebraucht Prädiktor Vorführung,
welche Ist ein anderer Funktion In JMP,
Aber I gefunden Das manuell läuft Es mit a Tuning Design Tisch
War mehr rechnerisch effizient
Und erlaubt Mich Zu Melodie Die Nummer von Bäume als Also.
Aber I gefunden Das Die Nummer von Bäume nicht machen a riesig Unterschied.
In allgemein, Die mehr Bäume Du verwenden führt Zu besser Ergebnisse,
Aber ihre Verbesserung nimmt ab als Die Nummer von Bäume erhöht.
Bei a bestimmt Punkt, Die Nutzen In Vorhersage Leistung
aus Lernen mehr Bäume Wille Sei untere als Die kosten In Berechnung Zeit.
Für Die 8.044 Exons, I abgestimmt die Nummer von Bäume,
Und I gefunden Das um 50 Bäume resultierte In Die höchste Genauigkeit.
Und Dann I nahm Die Spitze 100 Exonen aus Die Spalte Beiträge,
Und Dann I lief Es wieder mit Die Spitze 50 Exons,
Und Dann wieder mit Die 50 Exons, Vergleichen Die Genauigkeit als Du gehen.
Das zeigt Die JMP Berichte für Tuning Bäume Und Variable Auswahl.
Als Du dürfen sehen, I verwenden Die Tuning Design Tisch Und ändern Die Nummer von Bäume.
I sah bei Die Entropie R Quadrat Und diese anders Metriken.
I glauben 50 Bäume War Die am besten Ergebnis.
I nahm Die Spitze 100 Exonen Und Dann I lief Die Bootstrap Wald mit 30 Bäume
Weil I tat ein anderer Tuning Design Tisch.
Für jede Iteration,
I tat a separate Tuning Design Tisch Zu finden Die am besten Nummer von Bäume.
Als Du dürfen sehen, Die Entropie R Quadrat erhöht
als Die Nummer von Exonen War verringert.
Als I ausgewählt Die Spitze drei anders Exons,
Es zeigt Das Es nicht Wirklich Gegenstand Wenn es ist Die Spitze 10 oder Spitze 50 oder Spitze 100,
Es Wille Trotzdem Ergebnis In a hoch Genauigkeit.
Der Fehlklassifizierung Rate abwechslungsreich.
Der Effektivwert Fehler Auch verringert,
Und Die Durchschnitt Absolute Fehler Auch verringert.
Mit diese Metriken,
I entschieden Zu verwenden Die Spitze 10 Exonen Zu laufen Die nächste Schritte von Mein Analyse.
I gebraucht Die Modell Vorsorgeuntersuchungen Funktion In JMP Pro
Zu laufen Die Spitze 10 Exonen An alle Die anders Modelle Das war möglich.
Es resultierte In a hoch Genauigkeit über Die Planke.
I sah bei Die Vorhersage Profiler Zu bestimmen Wie Die Exonen
verursacht Tumor oder krebsartig Zellen Zu Sei anders.
Jetzt werde ich Sei Durchführung a Demo von Das Verfahren.
Lassen Mich offen Die Spitze 10 Exons.
In JMP Pro, Du dürfen gehen Zu Analysieren, Prädiktiv Modellieren,
Und Dann Modell Vorführung.
Ich drücke einfach Abrufen Weil I gebraucht Das vor
Und Es automatisch Aktualisierung mit dein vorherige Einstellungen.
Und Dann es auch tat K-fach Kreuz v Alidierung.
Das Verfahren Ist sehr schnell, Es nur dauert um 20 Sekunden oder 10 Sekunden.
Alle Rechts.
Als Du dürfen sehen, Die neuronal verstärkt hatte Die höchste Genauigkeit.
Nächste War verallgemeinert Regressionslasso.
Es Teilt Die Datensatz hinein Ausbildung Und Validierung.
Du dürfen sehen Das verstärkt Baum hatte Die höchste Genauigkeit für Ausbildung,
welche macht Sinn Weil Es grundsätzlich passt Die Daten Wirklich Also
Wann Du verwenden a Baum.
Aber für Validierung, Lasst uns sehen, Die am meisten genau War In neuronal verstärkt.
Mit Das Information,
I entschieden Zu verwenden a neuronal verstärkt Zu Tun Die Finale Einstufung von Zellen
für Tumor Zellen oder Normal Zellen,
Weil Es würde Ergebnis In Die höchste Genauigkeit.
I geklickt Laufen Ausgewählt,
Und Dann I gebraucht Die Validierung Spalte Das I vorher erstellt
mit Die Machen Sie V Alidation Funktion In Die Prädiktiv Modellieren Tab.
Hier Sind Die Ergebnisse von Die neuronal Netzwerk.
Es War sehr schnell, wieder.
Du dürfen sehen Das Dort Sind Die Republik China Diagramme.
Es grundsätzlich hat a sehr hoch AUC.
Wenn Du nehmen a sehen bei Die Vorhersage Profilerstellung, der Profiler,
Das zeigt Die anders Wege...
Lassen Mich erklären Das besser.
Als Du bewegen dein Cursor entlang, Wenn Du sehen bei A HERUNTERLADEN, Das Gen,
Wann Die Aufnahme von Das Exon erhöht sich,
Dann Es gibt a höher Wahrscheinlichkeit Das Die Zelle Wille Sei a Tumor Zelle.
Über Hier, für Das, Das ist Auch Die Dasselbe Trend.
Für Das eins, Das Ist Die Umkehrung Trend.
Für PCDH9, als Die Aufnahme von Das Exon erhöht sich,
Die Wahrscheinlichkeit Das Es Wille Ergebnis In a Tumor Zelle nimmt ab.
Entschuldigung.
Das erlaubt Du Zu sehen bei Die Rolle von diese Exonen
In verursacht Die Funktion von Tumor Und Normal Zellen Zu Sei anders.
Das Ist a sehr leistungsstark Visualisierer,
Und Es dürfen zeigen Die anders Beziehungen zwischen diese Zellen.
Du dürfen Auch Nur speichern Die Formeln Zu Die...
Entschuldigung, eins zweite.
Du Tun Veröffentlichen Vorhersage Formel, Und Das spart Es In Die Formel Depot.
Okay.
Nächste, Ausweis wie Zu sehen bei Die Unterschied In Ausdruck
als Es geht aus 5 Tage Zu 8 Tage Zu 11 Tage.
Das Datensatz Auch bereitgestellt Die Zellen bei anders Zeit Punkte.
Wenn Du sehen bei Hier,
Das Spalte zeigt Das Die anders mal Sind verfügbar für uns Zu analysieren.
I untergeordnet Die Tumor Zellen.
Lassen Mich finden Das über Hier.
Tumor nur.
I verglichen Die Verteilung von Die anders Exons.
Lassen Mich zeigen Du Die Graph.
Als Du dürfen sehen,
Dort Sind mehrere Exonen Das Zunahme In Ausdruck über Zeit.
Über Hier , SLAMF9 oder T OMM20 erhöht dramatisch,
Und diese Auch Zunahme.
Dort Sind Auch Exonen Das Zunahme Und Dann verringern,
welche zeigen Das Sie haben ein optimal Zeitraum von Zeit
Das Sie sind Die am meisten aktiv.
Krank Sei gehen über diese spezifisch Gene Und Funktionen später In Mein Präsentation.
Lassen Mich gehen zurück Zu Mein Präsentation.
Alle Rechts.
Hier, I Auch lief Clusterung An Die Spitze 10 Exonen Datensatz.
I tat K- bedeutet Clusterbildung,
Und Das mehr genau klassifiziert Die Tumor gegen Normal Zellen.
Als Du dürfen sehen Hier,
Die Blau Ist Normal Zelle Und Dann Die Rot Ist Die Tumor Zelle.
Das zeigt Das Dort Sind möglicherweise anders Teilmengen von Tumor Zellen
Das haben anders Funktionen.
I Auch lief UMAP An alle Die Zellen.
UMAP Ist ein anderer dimensional Reduktion Formel.
Das War lief mit a JMP hinzufügen- In Das War erstellt von Das Autor.
I Wille Link Es In Mein Präsentation In Die Gemeinschaft.
Hier Ist Die Gen Anreicherung Analyse Das I durchgeführt.
Als Du dürfen sehen, Die Spitze Funktion von alle von diese Gene
War RNA importieren in Die Mitochondrium.
Der zweite am meisten wichtig eins War Verordnung von Leukozyten Degranulation.
T-Zellen Sind a Typ von Leukozyten.
Es dürfen zeigen Das möglicherweise diese Leukozyten oder T Zellen Sind degranuliert,
Und Das Ursachen Die Zellen Zu werden Tumoren.
Auch, maligne Tumoren selektiv zurückbehalten mitochondrial Genom Und USW Funktion.
Das dürfen Auch erklären Warum RNA importieren in Die Mitochondrium
Ist ein wichtig Funktion.
Das Ist ein anderer Graph von Die Spitze GEHEN biologisch Prozesse.
Über Hier, Die Spitze eins Ist Zellular Verfahren.
Dort Sind Auch biologisch Haftung, Verordnung, Und immun System Prozesse
Das dürfen Sei weiter erforscht.
Ausweis wie Zu erklären Die am meisten bemerkenswert Gene.
Diese Gene Sind grundsätzlich Die Spitze Gene Das war In Die Spalte Beiträge.
S TPBX2 Ist beteiligt In intrazellulär Handel,
Kontrolle von SCHLINGE Komplex Montage,
Und Die freigeben von zytotoxisch Granulat von natürlich Killer Zellen.
Das dürfen zeigen Das Die T Zellen Sind beteiligt In manche Sortieren von Handel.
Oder Die zytotoxisch T Zellen dürfen verwenden Das Exon
Zu regulieren Die Tumor gegen Normal Funktionen.
SLAMF9 neun kodiert a Mitglied
von Die Signalisierung lymphozytär Aktivierung Molekül Familie Und es ist transmembranös.
WARS ist a Tryptophanyl- tRNA Synthetase
Das katalysiert Die Aminoacylierung von tRNA mit Tryptophan
Und Ist induziert von Interferone.
Alle von diese Gene haben a Rolle In Die immun System Und T Zelle Funktion.
Wir dürfen Studie diese weiter
Und bestimmen Wenn Sie Genau genommen haben a wichtig Funktion mit in vitro Tests.
Nächste, I erklärt Das früher,
Aber I analysiert Die Tumor Gen Ausdruck über Zeit
Und T OMM20, welche War Die eins Das hatte Die am meisten dramatisch Aufnahme,
Ist Genau genommen verwickelt In Die Translokase von äußere mitochondrial Membran Komplex
Das erleichtert Krebs Aggressivität Und therapeutisch Widerstand
In Chondrosarkom, welche Ist a Typ von Krebs.
Du dürfen sehen Das LEER 20 Ursachen Krebs Zu Sei mehr aggressiv.
Es ist Wirklich interessant Wie unser Basic Analyse mit JMP Pro
resultierte In Das Exon Sein Die am meisten wichtig.
Das zeigt Die Wirksamkeit von JMP In diese Typen von Studium.
In Abschluss, Die Erforschung von Das Datensatz erleichtert von JMP
demonstriert Die Rolle von Gene Und Exonen In T Zellen In Melanom.
A Gut Ding Ist Das Die Code dürfen Sei repliziert In Python.
JMP erlaubt Das für mehr robust oder ausführlich Analyse.
Diese Potenzial Gene wie LEER 20 oder STPX9
dürfen Hilfe In die Entdeckung von Roman Und personalisiert Ansätze
Zu Krebs Behandlung.
Und Dann Wir dürfen durchführen In in vitro Testen An Die Spitze Gene.
Dank Du für Hören Zu Mein Präsentation.
I Wille bieten alle Die Code Und R Skripte In Mein Präsentation Link.
