Abgesehen von wirklich neuen und innovativen Durchbrüchen ist ein Grundrezept für die wissenschaftliche Forschung:
Kombinieren Sie zwei oder mehr etablierte Methoden, die sich unabhängig voneinander entwickelt haben, und nutzen Sie die jeweiligen Stärken.Geben Sie der neuen Kombination einen klugen Namen.Veröffentlichen Sie den Mist.In diesem Blogbeitrag möchte ich Schritt 1 für eine Technik hervorheben, die wir seit einigen Jahren unter dem Namen "Principal Variance Components Analysis" (PVCA) verwenden. PVCA integriert zwei Methoden mit reichen Historien: Hauptkomponentenanalyse (PCA) und Varianzkomponentenanalyse (VCA). PCA findet niedrigdimensionale Linearkombinationen von Daten mit maximaler Variabilität, wohingegen VCA-Attribute und Partitionsvariabilität in bekannte Quellen über ein klassisches Zufallseffektmodell erfolgen.
PCA ist wohl die beliebteste Technik für hochdimensionale Daten. Betrachten Sie zum Beispiel die normalen Ausgangsdaten zur Genexpression von Boedigheimer et al. (2008), die rund 30.000 Gene an 483 Rattenproben messen. Wenn wir die Daten in hoher Form anordnen, mit Genen als Zeilen und Proben als Spalten, haben wir eine 30.000 x 483-Matrix. Eine Standard-PCA wird berechnet, indem zuerst die Spalten auf ihren Mittelwert zentriert werden und dann die ersten wenigen Eigenvektoren der Matrix berechnet werden. Wir erhalten also Eigenwerte für die Zeilen und Spalten, und wenn wir uns auf die ersten beiden Sätze von Bewertungen für die Stichproben konzentrieren (aka Ladungen), können wir sie gegeneinander plotten, um zu sehen, welche Proben in den Richtungen der maximalen Trennung ähnliche Expressionsprofile aufweisen.
Eine Hauptschwierigkeit bei PCA besteht darin, jeder Komponente eine Interpretation beizufügen. Die Faktorenanalyse versucht, dies durch Rotationen zu beheben, aber diese sind etwas subjektiv und können schwer zu handhaben sein. Eine einfachere Methode zum Interpretieren von Hauptkomponenten besteht darin, einen PCA-Plot nach bekannten Beispielattributen zu färben und / oder zu markieren, um festzustellen, ob eine von ihnen mit den Bewertungen übereinstimmt oder Cluster erklärt. In vielen Fällen funktioniert dies, aber mit zunehmender Anzahl an Daten steigt das Risiko, etwas zu verpassen. Im obigen Beispiel stehen 35 verschiedene Probenattribute (z. B. Gewebetyp, Geschlecht, Belastung, Diät) zur Verfügung. Um es noch schwieriger zu machen, sind die Daten beobachtend (kein entworfenes Experiment) und viele der Attribute sind erheblich miteinander verwechselt. Mit einiger mühsamer und mühsamer Arbeit können mehrere Schlüsselfaktoren visuell identifiziert werden, aber es fehlt ein umfassendes quantitatives Screening.
Hier kommt die Stärke von VCA ins Spiel. Unter Verwendung der Hauptkomponentenbewertungen als Antworten können wir ein gemischtes Modell mit nur einem Intercept als einzigem fixem Effekt und allen bekannten Quellen von Variabilität als Zufallseffekten einrichten. Dies dient lediglich der Unterteilung der Variabilität. Daher werden selbst klassische fixe Effekte wie Geschlecht und Gewebe immer noch als zufällig betrachtet, um alle Effekte gleich zu setzen. Durch die Modellanpassung über REML können die Effekte miteinander konkurrieren, um die gesamte Variabilität der Daten zu erklären. Die Aufteilung der Gesamtvariabilität auf diese Weise hat gegenüber der klassischen Typ-1-ANOVA-Aufteilung einen Vorteil, da sie effektiv unabhängig von der Reihenfolge der Effekte ist (außer in Fällen schwerer Verwirrung). Die Technik kann vollständig automatisiert werden und bietet eine gute quantitative Zuordnung zu allen bekannten Variabilitätsquellen für jede Hauptkomponente, und die Restvarianzkomponente berücksichtigt alle nicht angegebenen Effekte. Eine Zusammenfassung der Ergebnisse über alle Hauptkomponenten hinweg kann als gewichteter Durchschnitt der einzelnen Schätzungen unter Verwendung von Eigenwerten als Gewichtungen erstellt und als Balken- oder Kreisdiagramm angezeigt werden.
In einem anderen Beispiel haben wir PVCA verwendet, um Affymetrix-Microarray-Daten mit Illumina Next-Gen-RNA-Seq-Daten in einer Schizophrenie-Studie zu vergleichen (Mudge et al. 2008). PVCA bietet eine quantitative Aufschlüsselung verschiedener Hauptquellen für Variabilität und zeigt, dass die Daten der nächsten Generation den schizophrenen Status (Diagnose im Diagramm unten) für diese Studie besser unterscheiden.
In einem dritten Beispiel haben Li et al. (2009) wenden PVCA auf die Chargenkorrektur in Ausdrucksdaten an und geben eine detaillierte Beschreibung des Ansatzes.
PVCA selbst ist ein klares Beispiel für Schritt 1 im oben genannten Forschungsrezept. In Bezug auf Schritt 2 bin ich nicht sicher, ob „PVCA“ sehr schlau ist, aber es erfasst zumindest die Essenz des Ansatzes und macht doppelt Gebrauch von „Komponente“. (Denken Sie auch daran, den seit langem bestehenden Fehler der Verwendung von „Prinzip“ zu vermeiden.) statt "Principal"!)
Was Schritt 3 angeht, so ist dieser Blogbeitrag selbst ein Genick in diese Richtung. PVCA ist erhältlich in JMP Genomics unter dem Prozess Qualitätskontrolle> Korrelation und Hauptkomponenten. Sie können es auch per Hand tun JMP indem Sie Prinicipal Components ausführen, die resultierenden Beispielladungen mit bekannten Beispielattributen zusammenführen und anschließend Fit Model mit den Ladungen als Y-Variablen und den Probenattributen als Zufallseffekt ausführen. Versuche es!
Verweise
Boedigheimer, MJ, Wolfinger, RD, Bass, MB, Scheffel, PB, Chou, JW, Cooper, M., Corton, JC, Fostel, J., Hester, S., Lee, JS, Liu, F., Qian, H.-R., Quackenbush, J., Petit, S., Thompson, KL, (2008), Variationsquellen der Ausgangs-Genexpressionsniveaus von Kontrolltieren der toxikogenomischen Studie über mehrere Laboratorien. BMC Genomics, 9: 285.
Li, J., Bushel, P., Chu, T.-M. und Wolfinger, RD (2009) Analyse der Hauptvarianzkomponenten: Abschätzung der Batch-Effekte in Microarray-Genexpressionsdaten, Batch-Effekten und Rauschen in Microarray-Experimenten: Quellen und Lösungen, hrsg. A. Scherer, John Wiley & Sons.
Mudge, J., Miller, NA, Khrebtukova, I., Lindquist, IE, Mai, GD, Huntley, JJ, Luo, S., Zhang, L., von Velkinburgh, JC, Farmer, AD, Lewis, S., Beavis, WD, Schilkey, FD, Virk, SM, Schwarz, CF, Myers, MK, Madar, Langley, RJ, Utsey, JP, Kim, RW, Roberts, RC, Khalsa, SK, Garcia, M., Ambriz- Griffith, V., Harlan, R., Czika, W., Martin, S., Wolfinger, RD, Perrone-Bizzozero, NI, Schroth, GP Kingsmore, SF (2008) Genomische Konvergenzanalyse von Schizophrenie: mRNA-Sequenzierung zeigt veränderte Synaptik Vesikulärer Transport in Post-Mortem Cerebellum PLos One 2008 PMID: 18985160
