| 扬声器 |
文字稿 |
| Jason Wiggins，JMP |
嘿，麦迪逊。 |
| 麦迪逊·亨布里 |
对不起，我当时太慌张了。 |
| |
我当时以为是我的错，心想：糟了。 |
| Jason Wiggins，JMP |
不，这太搞笑了，要设置这些东西，需要准备大约 20 件不同的事情，而且必须全部做对。 |
| 麦迪逊·亨布里 |
为了我们所做的一切。 |
| Jason Wiggins，JMP |
你知道，步骤越多，助手越多，选择就越多，但也越容易搞砸。 |
| 麦迪逊·亨布里 |
是的。 |
| Jason Wiggins，JMP |
嗯，总之，我觉得我们应该没事了，我明白了。 |
| 麦迪逊·亨布里 |
完美的。 |
| Jason Wiggins，JMP |
是的，看起来没有任何奇怪的相机瑕疵。 |
| |
我想说，如果能调暗背景灯光就好了，但是…… |
| |
正是如此。 |
| |
哦，我知道是怎么回事了。 |
| 麦迪逊·亨布里 |
是不是太暗了？ |
| Jason Wiggins，JMP |
不，我觉得这样挺好的。 |
| 麦迪逊·亨布里 |
好的。 |
| Jason Wiggins，JMP |
这样好多了，这样好多了。 |
| 麦迪逊·亨布里 |
所以，现在阳光明媚，我把上面的灯关掉了。 |
| Jason Wiggins，JMP |
您是从办公室登录的吗？ |
| 麦迪逊·亨布里 |
是的，我在办公室签的字，我尽量这么做了，但是现在在家办公的人太多了。 |
| |
是的，当时，就像每个人都在同一时间开会一样，我就想，那我就用我们现在所在的这个会议室吧。 |
| Jason Wiggins，JMP |
好了，一切就绪。在我们开始之前，我的任务之一是提醒大家，这段录音将会发布在社区发现页面上，你们同意吗？ |
| 麦迪逊·亨布里 |
是的，我的所有材料都已获得法务团队的批准，非常完美。 |
| Jason Wiggins，JMP |
太好了，我刚刚注意到我们其实正在录音，但我们的对话会被剪掉。 |
| |
好了，你随时都可以出发。 |
| 麦迪逊·亨布里 |
好的，那我打开看看。 |
| |
打开了。 |
| 麦迪逊·亨布里 |
模式。 |
| |
李OK。 |
| Jason Wiggins，JMP |
好的，我看到你的屏幕了，你已经起床了。 |
| 麦迪逊·亨布里 |
做得过火了，你看到了吗？或者说，那些面孔是不是模糊了我的脸，导致演示文稿中出现灰色方框？ |
| Jason Wiggins，JMP |
我这边看起来好像不是这样。 |
| |
而且我很确定，如果人们观看视频的话，他们就会看到这些内容。 |
| |
你怀孕了，我看到了。 |
| |
你的海报。 |
| 麦迪逊·亨布里 |
好的。 |
| |
让我一步一步来。 |
| |
所以我就…… |
| |
有了。 |
| |
好的，那我先做个简单的自我介绍，然后开始我的演讲。 |
| |
我觉得那样挺好。 |
| |
好的。 |
| |
好的。 |
| 麦迪逊·亨布里 |
大家好，我叫Madisun Hembree，是赛默飞世尔科技公司的产品开发工程师，在遗传科学部门工作。 |
| |
今天我将讲解如何使用 JMP 预测分析器来评估玉米样本中 SNP 检测等位基因区分的最佳方法。首先，我先简单介绍一下， |
| |
当我确定我的检测性能时，或者你想想，实际上任何系统的任何性能，都需要定义两种类型的变量。 |
| |
首先是你的关键因素变量。这些是你要改变的变量，你要测试不同的条件。 |
| |
就我而言，我将测试不同的 SNP 检测类型，这些类型寻找不同的基因，并在多种不同的玉米籽粒类型上运行它们。 |
| |
第二类变量是输出变量。这些变量将用于衡量关键因素变量的哪些组合。 |
| |
这些优化措施是根据您用户定义的需求而制定的。就我而言，我将测量数据的呼叫率、簇扩展度和簇到 NTC 的距离，这些指标是…… |
| |
下一节我会更详细地解释这些指标的含义。所以，这张海报将展示我用来建立基准的基准实验。 |
| |
该检测方法对我的起始原料的性能影响很大。由于我有几种不同类型的输出变量，它们的权重略有不同，因此很难手动完成。所以，使用 JMP 预测分析器，您可以进行设置。 |
| |
一个能够考虑用户自定义需求的吸引力函数，将帮助您根据材料，通过数学方法创建吸引力排名。JMP 软件在这方面将对我们大有帮助。 |
| |
接下来，我们来简单谈谈什么是SNP检测。 |
| |
我们体内有DNA；它包含了我们所有的遗传信息。 |
| |
最常见的遗传变异形式是单核苷酸多态性（SNP）。SNP 指的是单个核苷酸片段（即 DNA 中的一个核苷酸）的变异。 |
| |
被替换掉了。当我们进行SNP检测时，我们是为了进行基因分型。 |
| |
我们的样本。当你查看这些数据时，你会看到类似于右侧所示的图表，即等位基因鉴别图。因此，我们能够将这些样本进行基因分型，划分成不同的类别。 |
| |
这对于我们能否从样本中获取所需信息至关重要。因此，在我的实验中，我希望能够确定关键因素变量的不同组合会给我带来什么。 |
| |
绘制最佳判别图。为此，我将使用三个关键指标。第一个是呼叫率。 |
| |
因此，基因型检出率是指每个通过的 SNP 中成功检出基因型的百分比。 |
| |
为此，我希望这个百分比非常高，所以我希望最大化这个百分比，我希望我们当中大约 80% 到 100% 的人能够成功地对我们的样本进行基因分型。 |
| |
其次，我要讲解的是聚集性疫情的扩散，也就是我们在这里看到的红色区域。 |
| |
这里。这是每个数据点到其所在簇中心距离的标准差。我们需要这个数值。 |
| |
尽量减少。我们希望这个数字非常小，这样我们才能区分出你在红色、绿色和蓝色中看到的不同组。 |
| |
越小，我们就越容易区分它们，并成功地对我们的样本进行基因分型。 |
| |
最后，是聚类到 NTC 的距离。这是聚类中所有数据点到 NTC（即我们的无模板对照）的平均距离。 |
| |
所以我们希望确保我们的基因型簇与没有样本的对照组保持一定距离，但在一定范围内，该簇与对照组的距离越远， |
| |
增加的益处并不多，因此这种距离的吸引力并非线性关系。而JMP能够做到的是…… |
| |
权衡每个变量的重要性。在决定组合方案的优劣时，我们希望呼叫率和簇间距比簇到 NTC 的距离更重要。簇到 NTC 的距离仍然重要，但不如其他两个变量重要。 |
| |
所以，回到正题，我做了实验。我用SNP检测方法检测了所有不同的玉米粒。我运行了这些检测。 |
| |
在PCR反应中，我提取了相关数据，并根据这些数据手动计算了检出率、簇扩散率和簇到NTC的距离。 |
| |
在我的关键因素变量的所有不同组合中，我将向大家展示……我将其输入到 JMP 表格中，并将向大家演示如何使用预测分析器生成期望函数。 |
| |
所以，正如你在这里看到的，我这里有两个关键因素变量，以及所有的输出变量。接下来，我要做的就是点击“分析”，然后点击“拟合模型”。 |
| |
接下来，我可以把所有输出变量放到 Y 类中，然后把所有关键因素变量添加到模型效应中。因为我只对预测分析器感兴趣，所以我会尽量减少报告数量，这样就不会看到太多图表了。 |
| |
运行此程序时，打开预测分析器，进入最小二乘拟合，然后点击分析器以填充底部的内容。 |
| |
所以，这里只是把我们所有的结果绘制成图表。您会在 Y 轴上看到所有输出变量，在下方看到所有关键因素变量。下一步，我们要设定期望函数。 |
| |
为此，我们需要进入“优化”和“期望值”选项，您会看到 JMP 会自动在右侧填充这些期望值曲线。因此，JMP 会自动将这些值全部设置为最大化，您会看到这样的期望值。 |
| |
下面有点像映射关系。所以，你需要做的就是根据我们定义的需求来设置这些参数。首先我们讨论了通话费率。 |
| |
就像我之前说的，我想尽可能提高这个指标。我真的希望它的受欢迎程度能达到80%到100%。 |
| |
你会看到我把最高设置调得非常吸引人。吸引力介于0到1之间，所以我希望100%是最吸引人的。 |
| |
我将中间值设为 80%，并且我希望保持这个值不变，这样当它低于 80% 时，它就…… |
| |
更不受欢迎。这种受欢迎程度曲线不会是线性关系。我们希望它保持在 80 到 100% 之间。 |
| |
100%。我先把这个重要性设为 1，稍后我们再看看具体该怎么做。 |
| |
接下来是我们的聚集性传播。我们之前讨论过，我们真的想尽可能减少这种传播，而现在的情况是…… |
| |
左边的数字代表的是我实验数据中的数值范围。所以我接下来要…… |
| |
稍微调整一下，让它们从零到二更合理一些。而且，因为我只想尽量减少这种影响，所以我会保持这条期望曲线相当线性的关系。 |
| |
所以我打算把它设置得非常理想，尽可能接近于零，数值越小越好，而且优先级要低一些。我会让它保持与呼叫率相同的优先级。 |
| |
最后一个，就是我们之前讨论过的星系团到NTC的距离。这将是…… |
| |
我们想要最大化。我们设定的距离范围是 0 到 12，这是根据我们数据得出的，然后我想进去设置一些参数。 |
| |
期望值，比如说我希望它在接近 12 的时候是理想的。当它接近 6 的时候，它的吸引力会稍微降低一些，但也不会降低太多。 |
| |
当我们向下移动时，稍微减少一些，但最重要的是，我要重视这一点，我要减少它。 |
| |
所以我打算把它改成0.5，这将改变期望值计算的方式，以及它所占的权重。 |
| |
您可以看到，这里已经绘制了期望值曲线，您可以看到其中一些是线性关系，一些是曲线关系。 |
| |
我们想要确保达到最高的吸引力，因为当我们做到这一点时，你会看到下面每个玉米粒都会显示一个吸引力数值。现在它显示的是我的玉米粒3， |
| |
我的玉米11 SNP检测能提供最理想的设置。所以你可以保存这个公式，这样我们就可以查看一下。 |
| |
我需要查看这个公式，了解它的计算方式，这样我就可以用它来排序。排序时，需要弹出一个新的数据表。点击“继续”按钮即可弹出该数据表。 |
| |
一旦弹出该窗口，你会看到一个列表，当我滚动鼠标移到列表上时，你就会看到“受欢迎程度”数字。 |
| |
以及他们如何从最高到最低进行排名。我们还能看到这个数字是如何计算出来的。你可以查看公式。 |
| |
而最重要的是，当我们设定自身的重要性时， |
| |
您可以看到，在“呼叫费率”、“集群价差”和“集群到NTC”这几个因素下，最突出的那个数值是所有这些因素加起来的结果。而且您可以看到，每个因素都乘以了一个缩放系数。 |
| |
你会注意到，到 NTC 的集群乘以了 0.2，而其他两个集群乘以了 0.4。 |
| |
这意味着，当我计算每种玉米粒类型和SNP检测类型组合的期望值时，它考虑了基因检出率和簇分布情况。 |
| |
更高，并且似乎比聚类到 NTC 距离更重要。 |
| |
所以，当这些数据被填充后，关键就在于能够确定在计算这个期望值时，哪个变量的权重更高。因此，我得到了这个排名列表和这些期望值。 |
| |
但是，你知道，这些有什么用呢？所以，这对我来说是一个基线实验，用来了解我的检测性能。当我进行任何优化时，比如优化我的反应混合物，或者我想改变SNP检测中的顺序，我想尝试…… |
| |
或许可以优化一下我的多路复用母带混音。 |
| |
这样做的时候，我需要了解我想使用哪些材料，因为我不知道那些玉米粒里会含有哪些基因。 |
| |
我现在有了这份清单，可以滚动到最底部，找到那些真正不理想的选项。可能有些人携带某种基因，但实际上他们根本不携带。现在我可以根据这个理想度排名把他们排除掉。 |
| |
可能有些检测方法的必要性较低，但我觉得我可以优化我的检测方法。 |
| |
为了改进这一点。现在我可以从列表中选择我以后要使用的材料。但如果手动操作的话，就会很麻烦。 |
| |
对我来说，这几乎不可能。我不太清楚如何用数学方法实现，也不知道如何用我的输出变量来区分高低不同的值。 |
| |
因此，JMP 很快就给了我一份列表，这样我就可以开始进行我需要的任何类别的优化过程。 |
| |
我的海报展示就到这里。我要感谢我的导师Joyce Wile和Ferrier Le，感谢她们提供材料并给予我持续的支持。希望大家喜欢我的展示。谢谢！ |
