Hola, todos.
Hoy Enfermo ser presentación acerca de el solicitud de JMP
a analizar gene expresión soltero- celúla ARN datos en melanoma células.
Mi nombre es Catalina Zhou,
y Soy a alto escuela alumno en Lynbrook Alto Escuela.
Como introducción,
melanoma se desarrolla en el células o melanocitos eso producir melanina
y es el mayoría agresivo tipo de piel cáncer,
representando 65% de todo fallecidos de piel cáncer.
T células son a tipo de blanco sangre células eso desarrollar de provenir células
en el hueso médula y maduro en el timo,
dónde ellos multiplicar y diferenciar en ayudante, regulador, o citotóxico T células
o convertirse memoria T células.
Citotóxico T células, cual son activado por varios citocinas,
unir a y matar infectado células y cáncer células.
En melanoma Pacientes, T células montar un inmune respuesta contra el tumor,
pero en alguno punto, el Responder T células convertirse ineficaz
pendiente a a local inmunosupresor proceso ocurriendo en el tumor sitios.
Casarse como a identificar el causas detrás T celúla disfunción.
Alternativa empalme es a regulador proceso
básico a generar transcriptoma diversidad.
Desregulación Contribuye a enfermedad y cáncer.
Eucariota genes son compuesto de entero rónico y exónico secuencias,
como tú poder ver en este diagrama.
En el alternativa empalme proceso,
sin codificación intrones de a gene son selectivamente remoto
y el incluido exones son conjunto en el final mensajero ARN,
y traducción de estos diferente isoformas, dónde diferente combinaciones
resultado en diferente Proteínas y diferente celular funciones.
Próximo, tradicional a granel secuenciación examina el genoma de a celúla población
semejante como el celúla cultura o tejido,
y es producción es el promedio gene expresión de el celúla población.
En el otro mano, soltero celúla secuenciación
medidas el genomas de individual células de el población.
Célula única ARN secuenciación, o secuencia de ARN sc
medidas el transcriptomas de cada celúla en el muestra,
cual revela el heterogeneidad de miles de células
y proporciona conocimiento en celular diferencias en alto resolución.
En este estudiar, Enfermo ser Analizando alternativa empalme en datos de scRNA-seq,
cual tiene casi nunca estado estudió pendiente a varios asuntos.
secuencia de scRNA resultados en a muy grande número de células y escaso datos.
Sin embargo, con el adecuado estadístico herramientas como JMP y R,
nosotros poder llevar pasos a resolviendo estos asuntos.
En este presentación,
Enfermo ser yendo encima mi método a encontrar el mayoría significativo alternativa condimentar
o COMO eventos diferenciando canceroso T células de saludable linfa nodo Células T.
Enfermo explicar mi datos tratamiento tubería, y entonces Enfermo ir encima cómo a usar JMP Pro
para profético modelado, agrupamiento, y visualización.
Y entonces Enfermo ir encima el resultados de el análisis de secuencia de ARN sc conjunto de datos
de Células T en murino melanoma.
Este es a diagrama de el presentación.
Primero, Identificación como a explicar mi conjunto de datos preparación y tratamiento proceso.
Primero, I preparado y procesado el conjunto de datos.
I tomó el secuencia de ARN sc conjunto de datos de células en ganglios linfáticos con melanoma en ratones
de este papel encima aquí,
y entonces realizado leer alineación de el F ASQ archivos con ESTRELLA,
y detectado COMO eventos con el tubería derivado de Esteras rMAT,
cual usos a generalizado lineal mezclado modelo.
En cambio de usando el por pares comparación,
I corrió él en a soltero muestra con cada individual celúla,
eficazmente cuantificando COMO en cada celúla.
Entonces I usado R a cuantificar exón salto a la comba eventos con CIJ
cual se encuentra para Inclusión Unión Contar,
y C.S.J., cual se encuentra para Salto a la comba Unión Contar.
Como tú poder ver abajo en este diagrama, un inclusión unión es detectado
cuando el leer incluye ambos el flanqueando secuencia,
cual es este negro secuencia encima aquí,
y el exón secuencia, cual es este E secuencia encima aquí,
mientras a salto a la comba unión contar es detectado
cuando el leer solo incluye el dos flanqueando secuencias
y justo enteramente salta el exón.
Entonces I crear a matriz de este datos.
Próximo, I subconjunto el T células
usando celúla etiquetas previamente definido por el autores de el conjunto de datos.
A filtrar COMO eventos, I aplicado el siguiente normas,
y I hizo este en A.
Allá debe ser en el menos diez lee por unión.
El evento tiene a ser detectado en más que diez células,
y el evento no puedo tener No variabilidad al otro lado de el células.
Este emocionado alrededor 75% de el exones.
Este muestra eso filtración es importante porque él remoto exones
con bajo cobertura y eran básicamente sin importancia.
Este reducido el característica tamaño, cual voluntad mejorar el actuación
de profético modelado y análisis más en el futuro.
Entonces I calcular el PSI o por ciento empalmado en valor
con este ecuación: CIJ encima CIJ más C.S.J.
Antes I ir en el próximo paso de profético modelado,
I buscado a explicar el Razones I decidido a aplicar profético modelado en JMP
para este específico problema.
Allá tener estado varios estudios eso exitosamente usado máquina aprendiendo modelos
para Analizando Secuenciación de ARN datos, cual logrado alto exactitud.
I hipotetizado eso él quería también ser preciso para secuencia de ARN sc datos.
Allá son muchos ventajas de usando profético modelado como Bueno.
Él poder extracto significativo características de enorme conjuntos de datos,
clasificar datos y predecir resultados con supervisado aprendiendo,
y reconocer subyacente relaciones de datos, como en neural redes.
JMPPro también proporciona a excelente interfaz para explorador estos diferente modelos,
Permitiendo tú a fácilmente aplicar sofisticado algoritmos
a grande conjuntos de datos rápidamente y exactamente.
Él también permite para modelo comparación y cribado.
Finalmente, él genera alguno visual y interactivo informes
eso reducir el negro caja efecto de máquina aprendiendo modelos,
cual medio eso tú no en realidad saber qué sucede en el modelo,
tú justo saber el producción, cual es no muy útil.
Nuestro conjunto de datos tenía 8.044 variables o exones, y 1.014 filas o células.
Él era difícil a correr análisis con semejante a grande número de columnas,
entonces I usado a oreja bosque para variable selección.
A oreja bosque es muy computacionalmente eficiente
y él poder funcionar rápidamente encima ancho conjuntos de datos,
y él usos aleatorio muestreo con reemplazo,
causando él a ser muy robusto y preciso.
I podría tener también usado vaticinador cribado,
cual es otro función en JMP,
pero I encontró eso a mano correr él usando a sintonización diseño mesa
era más computacionalmente eficiente
y permitido a mí a melodía el número de árboles como Bueno.
Pero I encontró eso el número de árboles no hacer a enorme diferencia.
En general, el más árboles tú usar dirige a mejor resultados,
pero su mejora disminuye como el número de árboles aumenta.
En a cierto punto, el beneficio en predicción actuación
de aprendiendo más árboles voluntad ser más bajo que el costo en cálculo tiempo.
Para el 8.044 exones, I Sintonizó el número de árboles,
y I encontró eso alrededor 50 árboles resultó en el más alto exactitud.
Y entonces I tomó el arriba 100 exones de el columna contribuciones,
y entonces I corrió él de nuevo con el arriba 50 exones,
y entonces de nuevo con el 50 exones, comparando el exactitud como tú ir.
Este muestra el JMP informes para sintonización árboles y variable selección.
Como tú poder ver, I usar el sintonización diseño mesa y cambiar el número de árboles.
I miró en el entropía R cuadrado y estos diferente métrica.
I creer 50 árboles era el mejor resultado.
I tomó el arriba 100 exones y entonces I corrió el oreja bosque con 30 árboles
porque I hizo otro sintonización diseño mesa.
Para cada iteración,
I hizo a separado sintonización diseño mesa a encontrar el mejor número de árboles.
Como tú poder ver, el entropía R cuadrado aumenta
como el número de exones era disminuido.
Como I seleccionado el arriba tres diferente exones,
él muestra eso él no en realidad asunto si es el arriba 10 o arriba 50 o arriba 100,
él voluntad aún resultado en a alto exactitud.
El clasificación errónea tasa variado.
El RMS error también disminuido,
y el promedio absoluto error también disminuido.
Con estos métrica,
I decidido a usar el arriba 10 exones a correr el próximo pasos de mi análisis.
I usado el Modelo Cribado función en JMP Pro
a correr el arriba 10 exones en todo el diferente modelos eso eran posible.
Él resultó en a alto exactitud al otro lado de el junta.
I miró en el predicción perfilador a determinar cómo el exones
causado tumor o canceroso células a ser diferente.
Ahora, lo haré. ser amaestrado a manifestación de este proceso.
Dejar a mí abierto el arriba 10 exones.
En JMP Pro, tú poder ir a Analizar, Profético Modelado,
y entonces Modelo Cribado.
Solo voy a golpear Recordar porque I usado este antes
y él automáticamente actualizaciones con su anterior ajustes.
Y entonces También lo es hizo pliegue en K cruz v alidación.
Este proceso es muy rápido, él solo acepta alrededor 20 artículos de segunda clase o 10 artículos de segunda clase.
Todo bien.
Como tú poder ver, el neural Impulsado tenía el más alto exactitud.
Próximo era generalizado lazo de regresión.
Él dividir el conjunto de datos en capacitación y validación.
Tú poder ver eso Impulsado árbol tenía el más alto exactitud para capacitación,
cual marcas sentido porque él básicamente encaja el datos en realidad Bueno
cuando tú usar a árbol.
Pero para validación, Vamos ver, el mayoría preciso era en neural Impulsado.
Con este información,
I decidido a usar a neural Impulsado a hacer el final clasificación de células
para tumor células o normal células,
porque él quería resultado en el más alto exactitud.
I hecho clic Correr Seleccionado,
y entonces I usado el validación columna eso I previamente creado
con el Hacer V alidación función en el Profético Modelado pestaña.
Aquí son el resultados de el neural red.
Él era muy rápido, de nuevo.
Tú poder ver eso allá son el República de China gráficos.
Él básicamente tiene a muy alto Autopista del Pacífico.
Si tú llevar a mirar en el predicción perfilador, el perfilador,
este muestra el diferente maneras...
Dejar a mí explicar este mejor.
Como tú mover su cursor a lo largo de, si tú mirar en A DESCARGAR, este gene,
cuando el inclusión de este exón aumenta,
entonces Hay a más alto probabilidad eso el celúla voluntad ser a tumor celúla.
Encima aquí, para este, esto es también el mismo tendencia.
Para este uno, este es el inverso tendencia.
Para PCDH9, como el inclusión de este exón aumenta,
el probabilidad eso él voluntad resultado en a tumor celúla disminuye.
Lo siento.
Este permite tú a mirar en el role de estos exones
en causando el función de tumor y normal células a ser diferente.
Este es a muy poderoso visualizador,
y él poder espectáculo el diferente relaciones entre estos células.
Tú poder también justo ahorrar el fórmulas a el...
Lo siento, uno segundo.
Tú hacer Publicar Predicción Fórmula, y eso ahorra él en el fórmula depósito.
Bueno.
Próximo, Identificación como a mirar en el diferencia en expresión
como él va de 5 días a 8 días a 11 días.
Este conjunto de datos también proporcionó el células en diferente tiempo agujas.
Si tú mirar en aquí,
este columna muestra eso el diferente veces son disponible para a nosotros a analizar.
I subconjunto el tumor células.
Dejar a mí encontrar eso encima aquí.
Tumor solo.
I comparado el distribución de el diferente exones.
Dejar a mí espectáculo tú el gráfico.
Como tú poder ver,
allá son varios exones eso aumentar en expresión encima tiempo.
Encima aquí , SLAMF9 o T OMM20 aumenta dramáticamente,
y estos también aumentar.
Allá son también exones eso aumentar y entonces disminuir,
cual espectáculo eso ellos tener un optimo período de tiempo
eso ellos son el mayoría activo.
Enfermo ser yendo encima estos específico genes y funciones más tarde en mi presentación.
Dejar a mí ir atrás a mi presentación.
Todo bien.
Aquí, I también corrió agrupamiento en el arriba 10 exones conjunto de datos.
I hizo K- medio agrupamiento,
y este más exactamente clasificado el tumor versus normal células.
Como tú poder ver aquí,
el azul es normal celúla y entonces el rojo es el tumor celúla.
Este muestra eso allá son probablemente diferente subconjuntos de tumor células
eso tener diferente funciones.
I también corrió UMAP en todo el células.
UMAP es otro dimensional reducción fórmula.
Este era corrió con a JMP agregar- en eso era creado por este autor.
I voluntad enlace él en mi presentación en el comunidad.
Aquí es el gene enriquecimiento análisis eso I realizado.
Como tú poder ver, el arriba función de todo de estos genes
era ARN importar a el mitocondria.
El segundo mayoría importante uno era regulación de leucocito desgranulación.
Células T son a tipo de leucocito.
Él poder espectáculo eso probablemente estos leucocitos o T células son desgranulado,
y eso causas el células a convertirse Tumores.
También, maligno Tumores selectivamente retener mitocondrial genoma y ETC función.
Eso poder también explicar por qué ARN importar a el mitocondria
es un importante función.
Este es otro gráfico de el arriba IR biológico procesos.
Encima aquí, el arriba uno es celular proceso.
Allá son también biológico adhesión, regulación, y inmune sistema procesos
eso poder ser más Explorado.
Identificación como a explicar el mayoría notable genes.
Estos genes son básicamente el arriba genes eso eran en el columna Contribuciones.
S TPBX2 es involucrado en intracelular tráfico,
control de TRAMPA complejo asamblea,
y el liberar de citotóxico gránulos por natural asesino células.
Este poder espectáculo eso el T células son involucrado en alguno clasificar de trata de personas.
O el citotóxico T células poder usar este exón
a regular el tumor versus normal funciones.
SLAMF9 nueve codifica a miembro
de el señalización linfocítico activación molécula familia y es transmembrana.
WARS es a triptofanil- ARNt sintetasa
eso cataliza el aminoacilación de ARNt con triptófano
y es inducido por interferones.
Todo de estos genes tener a role en el inmune sistema y T celúla función.
Nosotros poder estudiar estos más
y determinar si ellos de hecho tener a importante función con in vitro pruebas.
Próximo, I explicado este más temprano,
pero I analizado el tumor gene expresión encima tiempo
y T OMM20, cual era el uno eso tenía el mayoría dramático inclusión,
es de hecho implicado en el translocasa de exterior mitocondrial membrana complejo
eso facilita cáncer agresividad y terapéutico resistencia
en condrosarcoma, cual es a tipo de cáncer.
Tú poder ver eso VACÍO 20 causas cánceres a ser más agresivo.
Es en realidad interesante cómo nuestro básico análisis con JMPPro
resultó en este exón ser el mayoría importante.
Este muestra el eficacia de JMP en estos tipos de estudios.
En conclusión, el exploración de este conjunto de datos facilitado por JMP
demuestra el role de genes y exones en T células en melanoma.
A bien cosa es eso el código poder ser replicado en Pitón.
JMP permite eso para más robusto o detallado análisis.
Estos potencial genes como VACÍO 20 o STPX9
poder ayuda en El descubrimiento de novedoso y personalizado aproches
a cáncer tratamiento.
Y entonces nosotros poder llevar a cabo en vitro pruebas en el arriba genes.
Agradecer tú para escuchando a mi presentación.
I voluntad proporcionar todo el código y R guiones en mi presentación enlace.
