| Oratore |
Trascrizione |
| Jason Wiggins, JMP |
Ciao Madison. |
| Madisun Hembree |
Scusate, ero nel panico. |
| |
Pensavo fosse colpa mia, ho pensato oh no. |
| Jason Wiggins, JMP |
No, è così divertente che per fare queste cose, per impostarle, c'è una lista di non so, forse 20 cose diverse che devi fare bene. |
| Madisun Hembree |
Affinché tutto ciò che noi... |
| Jason Wiggins, JMP |
E come sai, più passaggi hai un assistente, più opzioni, ci sono per fare confusione. |
| Madisun Hembree |
Sì. |
| Jason Wiggins, JMP |
sì, quindi comunque, penso che stiamo bene, ti vedo. |
| Madisun Hembree |
perfetto. |
| Jason Wiggins, JMP |
Sì, non sembra che ci siano strani artefatti della fotocamera. |
| |
Direi che se ci fosse un modo per attenuare la luce sullo sfondo potrebbe essere utile, ma... |
| |
Esattamente. |
| |
Questo ha fatto Oh, so cosa sta succedendo. |
| Madisun Hembree |
È troppo buio, quindi? |
| Jason Wiggins, JMP |
No, penso che vada benissimo così. |
| Madisun Hembree |
Va bene. |
| Jason Wiggins, JMP |
così va meglio, sì, così va meglio. |
| Madisun Hembree |
Quindi, insomma, ho la luce del sole e ho semplicemente spento la luce superiore. |
| Jason Wiggins, JMP |
Stai effettuando l'accesso dal tuo ufficio? |
| Madisun Hembree |
Sì, li ho firmati dal mio ufficio, ho provato a farlo, ma ci sono troppe persone che lavorano da casa. |
| |
Io lo sono, ed ero, come se tutti avessero una riunione alla stessa ora, ho pensato che avrei preso una sala conferenze in cui ci troviamo proprio. |
| Jason Wiggins, JMP |
Perfetto, d'accordo, prima di iniziare, uno dei miei compiti è ricordarvi che questa registrazione verrà pubblicata online nella pagina di scoperta della community e vi va bene? |
| Madisun Hembree |
Sì, ho ottenuto l'approvazione di tutto il materiale dal mio team legale, quindi è tutto perfetto. |
| Jason Wiggins, JMP |
Ottimo, ho appena notato che stiamo effettivamente registrando, ma la nostra conversazione verrà tagliata in fase di montaggio. |
| |
Va bene, e sei pronto a partire quando vuoi. |
| Madisun Hembree |
Va bene, allora lo apro e vediamo. |
| |
Quello si apre. |
| Madisun Hembree |
modalità. |
| |
Lee OK. |
| Jason Wiggins, JMP |
OK, vedo che il tuo schermo è acceso. |
| Madisun Hembree |
Per esagerare, lo vedi, o i volti sono il mio volto, una specie di sfocatura, una scatola grigia fuori dalla presentazione. |
| Jason Wiggins, JMP |
A me non sembra di sì. |
| |
E sono abbastanza sicuro che questo è ciò che vedranno le persone che guardano il video, quindi se. |
| |
sei incinta e io vedo il. |
| |
Il tuo poster. |
| Madisun Hembree |
Va bene. |
| |
Permettetemi di procedere passo dopo passo. |
| |
Quindi lo farò e basta. |
| |
averlo. |
| |
Bene, allora farò una breve presentazione e poi inizierò con la presentazione vera e propria. |
| |
Penso che sarà una buona cosa. |
| |
Va bene. |
| |
Va bene. |
| Madisun Hembree |
Ciao a tutti, mi chiamo Madisun Hembree e sono un'ingegnere di sviluppo prodotto presso Thermo Fisher Scientific, dove lavoro nella divisione di genetica. |
| |
E oggi parlerò di come utilizzo il profiler di previsione JMP per valutare la discriminazione allelica ottimale del test SNP nei campioni di mais. Quindi, per iniziare con una breve introduzione, |
| |
Quando valuto le prestazioni del mio test, o, a pensarci bene, le prestazioni di qualsiasi sistema, ci sono due tipi di variabili che devono essere definite. |
| |
Innanzitutto, individuate le variabili chiave. Si tratta delle variabili che modificherete e di cui testerete le diverse condizioni. |
| |
Nel mio caso, testerò diversi tipi di test SNP che individuano geni differenti e li applicherò a diverse tipologie di chicchi di mais. |
| |
Il secondo tipo di variabili sono le variabili di output. Queste saranno le variabili che userai per misurare quale combinazione delle tue variabili di fattore chiave |
| |
sono ottimali in base alle tue esigenze definite dall'utente. Quindi nel mio caso misurerò il tasso di chiamata, la dispersione del cluster e la distanza cluster-NTC dei miei dati, che |
| |
Parlerò un po' più nel dettaglio del significato di queste metriche nella prossima sezione. Questo poster analizzerà quindi i miei esperimenti di benchmark che utilizzo per stabilire una base di riferimento. |
| |
le prestazioni del test dei miei materiali di partenza. E poiché ho alcuni tipi diversi di variabili di output che saranno ponderate in modo leggermente diverso, è difficile farlo manualmente. Quindi utilizzando JMP prediction profiler è possibile impostare |
| |
Una funzione di desiderabilità che terrà conto delle esigenze definite dall'utente e vi aiuterà a creare matematicamente una classifica di desiderabilità basata sui vostri materiali. Il software JMP ci sarà di grande aiuto in questo. |
| |
Ora passiamo a spiegare brevemente cos'è un test SNP. |
| |
Abbiamo il DNA; esso contiene tutte le nostre informazioni genetiche. |
| |
E la forma più comune di variazione genetica è in un SNP. Un SNP è un polimorfismo a singolo nucleotide, in cui un singolo blocco di DNA, che è un nucleotide, |
| |
viene sostituito. E quando eseguiamo test SNP, cerchiamo di genotipizzare |
| |
i nostri campioni. E quando si osservano questi dati, si osserva un grafico simile a quello che vediamo a destra, ovvero un grafico di discriminazione allelica. Quindi la nostra capacità di genotipizzare questi campioni in diverse categorie |
| |
è pertinente per poter ottenere le informazioni di cui abbiamo bisogno da quel campione. E quindi, nel mio esperimento, voglio essere in grado di determinare che le diverse combinazioni delle mie variabili chiave dei fattori mi stanno dando |
| |
un grafico di discriminazione ottimale. E per farlo, userò tre metriche chiave. La prima è il tasso di chiamata. |
| |
Il tasso di chiamata rappresenta quindi la percentuale di chiamate di genotipo riuscite per ogni SNP che supera il test. |
| |
Per questo voglio che quella percentuale sia davvero alta, quindi voglio massimizzarla, e voglio che sia tra l'80 e il 100% di noi che abbiamo genotipizzato con successo il nostro set di campioni. |
| |
In secondo luogo, andrò ad analizzare la distribuzione a cluster, che vediamo qui nella categoria rossa. |
| |
qui. E questa è la deviazione standard della distanza tra ciascun punto dati e il centro del suo cluster. Vogliamo quel numero |
| |
da ridurre al minimo. Vogliamo che quel numero sia davvero piccolo in modo da poter distinguere tra i diversi gruppi che vedete in rosso, verde e blu. |
| |
Più è piccolo, meglio è per noi riuscire a distinguere tra di essi e a genotipizzare con successo i nostri campioni. |
| |
Infine, c'è la distanza del cluster dall'NTC. Questa è la distanza media di tutti i punti dati del cluster dall'NTC, che è il nostro controllo senza modello. |
| |
Quindi vogliamo assicurarci che il nostro cluster di genotipi sia lontano dal controllo che non ha campione ma fino a un certo punto, più lontano è quel cluster è |
| |
non aggiunge molti benefici, quindi la desiderabilità di quella distanza non è una relazione lineare. E quindi qualcosa che JMP sarà in grado di fare è |
| |
Valutiamo l'importanza di ciascuna di queste variabili. Vogliamo che il tasso di chiamata e la dispersione del cluster siano considerati più importanti, nel decidere quanto la distanza tra il cluster e l'NTC, quando valutiamo la desiderabilità delle nostre combinazioni. È comunque importante, ma non quanto le altre due variabili. |
| |
Quindi, tornando indietro, ho eseguito i miei esperimenti. Ho usato i miei test SNP su tutti i miei diversi chicchi di mais. Li ho eseguiti |
| |
su una PCR. Sono riuscito a estrarre quei dati e da quei dati ho calcolato manualmente il tasso di chiamata, la dispersione del cluster e la distanza del cluster dall'NTC. |
| |
Tra tutte le diverse combinazioni della mia variabile fattore chiave, vi mostrerò... l'ho inserita in una tabella JMP e vi farò una piccola dimostrazione su come utilizzo il profiler di previsione per generare una funzione di desiderabilità. |
| |
Come potete vedere, ho entrambe le mie variabili chiave, così come tutte le mie variabili di output. Quello che farò ora è andare su "Analizza" e cliccare su "Adatta modello". |
| |
Da lì posso prendere tutte le mie variabili di output e inserirle nella categoria Y, e poi prendere tutte le mie variabili dei fattori chiave e aggiungerle agli effetti del mio modello. E dato che sono interessato solo al profiler di previsione, imposterò la visualizzazione minima dei report, in modo da non visualizzare troppi grafici. |
| |
Quando eseguo questo programma, apro il profiler di previsione, vado sotto l'adattamento ai minimi quadrati e clicco sul profiler per popolarlo in basso. |
| |
Questo grafico rappresenta tutti i nostri risultati. Sull'asse Y sono riportate tutte le variabili di output, mentre sull'asse Y sono rappresentate tutte le variabili dei fattori chiave. Il passo successivo consiste nell'impostare la funzione di desiderabilità. |
| |
Per fare ciò, dobbiamo andare su ottimizzazione e desiderabilità e vedrai che JMP popola automaticamente queste curve di desiderabilità sulla destra. Quindi JMP le imposterà automaticamente tutte per massimizzare e vedrai questa desiderabilità |
| |
Una sorta di mappatura qui sotto. Quindi quello che vogliamo fare è poter impostare questi parametri, in base alle nostre esigenze definite. Quindi, per prima cosa abbiamo parlato della tariffa delle chiamate. |
| |
Come ho detto prima, voglio massimizzare questo valore. Vorrei davvero che mostrasse un indice di desiderabilità più elevato, tra l'80 e il 100%. |
| |
Vedrai che imposterò il mio livello massimo di desiderabilità. La desiderabilità è compresa tra zero e uno, quindi voglio che il 100% sia il valore più desiderabile. |
| |
E imposterò il valore centrale all'80% e voglio lasciarlo così, in modo che, quando scende sotto l'80%, sia |
| |
molto più indesiderabile. Quella curva di desiderabilità non sarà una relazione lineare. Vogliamo che rimanga tra 80 e |
| |
100%. Lascerò quell'importanza a 1 e vedremo un po' più tardi come farlo. |
| |
Quindi il prossimo passo è la diffusione del nostro cluster. E di questo abbiamo parlato, vogliamo davvero minimizzarlo, e in questo momento cosa |
| |
quei numeri sono a sinistra perché i valori saranno solo gli intervalli di quelli che ho nei miei dati sperimentali. Quindi ho intenzione di |
| |
Normalizziamoli un po', rendiamoli un po' più gradevoli da zero a due. E questo, dato che voglio solo minimizzarlo, manterrò una relazione abbastanza lineare in quella curva di desiderabilità. |
| |
Quindi imposterò il valore più desiderabile possibile, il più vicino possibile allo zero, il più piccolo possibile, e un po' meno intenso. Gli darò la stessa importanza del tasso di chiamata. |
| |
E l'ultimo in assoluto, questa è la distanza cluster-NTC di cui abbiamo parlato. Questa sarà quella che |
| |
Vogliamo massimizzare. Abbiamo il nostro intervallo da zero a 12 della nostra distanza da ciò che abbiamo nei nostri dati, e poi voglio entrare e imposterò alcuni |
| |
desiderabilità e dire che voglio che sia, sai, desiderabile essere verso 12. Quando arrivi a sei, è un po' meno desiderabile, ma non di molto. |
| |
E mentre scendiamo più in basso, diminuiamolo un po', ma la cosa più importante è che prenderò questo importante e lo diminuirò. |
| |
Quindi lo cambierò a 0,5, e questo cambierà il modo in cui viene calcolato il numero di desiderabilità, quanto peso gli attribuisce. Quindi come |
| |
Come potete vedere qui, è rappresentata la curva di desiderabilità e si può notare che alcuni valori hanno una relazione lineare, mentre altri sono curvilinei. |
| |
Quello che vogliamo fare è assicurarci di raggiungere la massima desiderabilità, perché quando lo facciamo, vedrai qui sotto per ognuno di essi, apparirà un numero di desiderabilità. E in questo momento mostra che il mio chicco di mais tre, |
| |
con il mio test SNP del mais 11 otterrò le impostazioni più desiderabili. Quindi qualcosa che puoi fare è salvare quella formula, così possiamo dare un'occhiata |
| |
quella formula per vedere come viene calcolata, così posso prenderla e quando la ordino, dovrà comparire una nuova tabella dati. Ti basterà cliccare su continua per far comparire quella tabella dati. |
| |
E una volta che appare, quello che vedrai è di nuovo un elenco, e quando ci passo sopra con il mouse, vedrai i numeri di desiderabilità |
| |
e come li classificano dal più alto al più basso. E una cosa che potremo vedere è come viene calcolato quel numero. Puoi consultare la formula. |
| |
E la cosa più importante è quando stabiliamo la nostra importanza, |
| |
Qui sotto "tasso di chiamata", "spread del cluster" e "cluster to NTC" puoi vedere che il numero che emerge nell'indice di desiderabilità è la somma di tutti questi fattori. E puoi notare che ognuno di essi è moltiplicato per un moltiplicatore scalare. |
| |
E il cluster rispetto a NTC, la cosa che noterete, è stato moltiplicato per 0,2, mentre gli altri due sono moltiplicati per 0,4. |
| |
Ciò significa che quando ottengo questo numero di desiderabilità per ciascuna delle mie combinazioni di tipo di chicco di mais e tipo di test SNP, esso tiene conto del tasso di chiamata e della dispersione del cluster. |
| |
più alto e in un certo senso mostra più importanza rispetto alla distanza del cluster da NTC. |
| |
Quindi, quando questi vengono compilati, questa è la chiave per capire quale variabile si vuole privilegiare nel calcolo di questo indice di desiderabilità. E quindi ho questa lista classificata, ho questi indici di desiderabilità. |
| |
Ma, sai, perché sono utili? Quindi questo è stato un esperimento di base per me per capire le prestazioni del mio test. Quando vado avanti a fare qualsiasi ottimizzazione, diciamo per le mie miscele di reazione, magari voglio cambiare la sequenza nel mio test SNP, voglio provare a |
| |
Potrei ottimizzare il mio master mix multiplex. |
| |
Per fare ciò, devo capire quali materiali voglio utilizzare, perché non sapevo quali geni sarebbero stati presenti in quei chicchi di mais. |
| |
Ora ho questa lista e posso scorrere fino in fondo per trovare quelle che sono davvero indesiderabili. Potrebbe essercene qualcuna che però non possiede affatto quel gene. Ora posso rimuoverle in base a quella classifica di desiderabilità. |
| |
Potrebbero essercene alcuni con una minore desiderabilità, per i quali penso di poter ottimizzare il mio test. |
| |
per migliorare la situazione. Quindi ora posso scegliere da quell'elenco quali materiali voglio utilizzare in futuro. Ma farlo a mano sarebbe stato, |
| |
Per me, è praticamente impossibile. Non saprei proprio come farlo matematicamente e come mantenere gli elementi a un livello superiore l'uno rispetto all'altro con la mia variabile di output. |
| |
Quindi JMP è stato in grado di fornirmi molto rapidamente quell'elenco da cui partire quando ho iniziato il mio processo di ottimizzazione in qualsiasi categoria di cui avessi bisogno. |
| |
Questa era la mia presentazione del poster. Vorrei ringraziare i miei mentori, Joyce Wile e Ferrier Le, per avermi fornito il materiale e per il loro continuo supporto. Spero che la presentazione vi sia piaciuta. Grazie. |
