Oltre a innovazioni davvero innovative e innovative, una ricetta di base per la ricerca scientifica è:
Combina due o più metodi consolidati che si sono evoluti indipendentemente, sfruttando particolari punti di forza di ciascuno.Dare alla nuova combinazione un nome intelligente.Pubblica il diavolo fuori di esso.In questo post del blog, vorrei evidenziare il passaggio 1 per una tecnica che abbiamo utilizzato per alcuni anni, ora denominata Principal Variance Components Analysis (PVCA). PVCA integra due metodi con storie complete: analisi delle componenti principali (PCA) e analisi delle componenti di varianza (VCA). PCA trova combinazioni di dati lineari a bassa dimensionalità con la massima variabilità, mentre gli attributi VCA e la variabilità delle partizioni in fonti note tramite un modello di effetti casuali classici.
La PCA è probabilmente la tecnica più popolare per i dati ad alta dimensione. Ad esempio, si considerino i normali dati di espressione genica di base di Boedigheimer et al. (2008), misurando circa 30.000 geni su 483 campioni di ratti. Se disponiamo i dati in forma alta, con geni come righe e campioni come colonne, allora abbiamo una matrice 30.000 x 483. Un PCA standard viene calcolato centrando prima le colonne al loro valore medio e quindi calcolando i primi pochi autovettori della matrice. In questo modo otteniamo eigenscores sia per le righe che per le colonne, e se ci concentriamo sui primi due gruppi di punteggi per i campioni (aka caricamenti), possiamo tracciarli l'uno contro l'altro per vedere quali campioni mostrano profili di espressione simili nelle direzioni della separazione massima.
Una difficoltà chiave con PCA è allegare un'interpretazione a ciascun componente. L'analisi fattoriale cerca di risolverlo attraverso le rotazioni, ma queste sono alquanto soggettive e possono essere difficili da gestire. Un modo più semplice per interpretare i componenti principali consiste nel colorare e / o contrassegnare un grafico PCA mediante attributi campione noti per verificare se uno di essi si allinea con i punteggi o spiega i cluster. In molti casi questo funziona, ma man mano che i dati concomitanti diventano più abbondanti, il rischio di perdere qualcosa diventa molto più alto. Nell'esempio sopra, sono disponibili 35 diversi attributi del campione (ad esempio, tipo di tessuto, genere, ceppo, dieta). Per rendere le cose più difficili, i dati sono osservazionali (non un esperimento progettato) e molti degli attributi sono significativamente confusi l'uno con l'altro. Con un lavoro scrupoloso e tedioso, è possibile identificare visivamente diversi fattori chiave, ma manca uno schermo quantitativo e completo.
È qui che entra in gioco la forza di VCA. Usando i punteggi dei componenti principali come risposte, possiamo impostare un modello misto con solo un'intercetta come unico effetto fisso e tutte le fonti conosciute di variabilità come effetti casuali. Questo è puramente ai fini della ripartizione della variabilità, e quindi anche gli effetti fissi classici come genere e tessuto sono ancora considerati casuali al fine di mettere tutti gli effetti su un piano di parità. Il modello adattato tramite REML consente agli effetti di competere tra loro per spiegare la variabilità totale dei dati. La ripartizione della variabilità totale in questo modo ha un vantaggio rispetto al partizionamento ANOVA classico di tipo 1 perché è effettivamente indipendente dall'ordinamento degli effetti (tranne nei casi di grave confusione). La tecnica può essere completamente automatizzata e fornisce una buona assegnazione quantitativa a tutte le fonti note di variabilità per ciascun componente principale, e il componente della varianza residua accoglie tutti gli effetti non specificati. Un riepilogo dei risultati di tutte le componenti principali può essere costruito come media ponderata delle singole stime, utilizzando gli autovalori come pesi e visualizzato come barra o grafico a torta.
In un altro esempio, abbiamo utilizzato PVCA per confrontare i dati di microarray di Affymetrix con dati di RNA-Seq di prossima generazione di Illumina in uno studio sulla schizofrenia (Mudge et al. 2008). PVCA fornisce una ripartizione quantitativa di diverse fonti chiave di variabilità e rivela che i dati della prossima generazione svolgono un lavoro migliore per distinguere lo stato schizofrenico (diagnosi nella trama seguente) per questo studio.
In un terzo esempio, Li et al. (2009) applicano PVCA alla correzione di gruppo nei dati di espressione e forniscono una descrizione dettagliata dell'approccio.
Lo stesso PVCA è un chiaro esempio del passaggio 1 nella ricerca di cui sopra. Riguardo al Passo 2, non sono sicuro che "PVCA" sia molto intelligente, ma almeno cattura l'essenza dell'approccio e fa il doppio uso di "componente". (Ricorda anche di evitare l'errore di vecchia data dell'uso del "principio" invece di "principale"!)
Per quanto riguarda il Passaggio 3, beh, questo stesso post sul blog è una genuflessione in quella direzione. PVCA è disponibile in Genomica di JMP sotto il controllo di qualità> Processo di correlazione e componenti principali. Puoi anche farlo a mano JMP eseguendo Prinicipal Components, unendo i carichi di esempio risultanti con gli attributi di esempio noti, quindi eseguendo Fit Model con i loadings come variabili Y e gli attributi di esempio come effetti casuali. Provaci!
Riferimenti
Boedigheimer, MJ, Wolfinger, RD, Basso, MB, Bushel, 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), Fonti di variazione nei livelli di espressione genica basale da animali di controllo dello studio tossicogenomico in diversi laboratori. BMC Genomics, 9: 285.
Li, J., Bushel, P., Chu, T.-M., e Wolfinger, RD (2009) Principal Variance Components Analysis: stima degli effetti batch nei dati di espressione genica dei microarray, effetti batch e rumore in esperimenti di microarray: fonti e soluzioni, ed. A. Scherer, John Wiley & Sons.
Mudge, J., Miller, NA, Khrebtukova, I., Lindquist, IE, maggio, GD, Huntley, JJ, Luo, S., Zhang, L., van Velkinburgh, JC, Coltivatore, AD, Lewis, S., Beavis, WD, Schilkey, FD, Virk, SM, Black, CF, Myers, MK, Madar, LC 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) Analisi della convergenza genomica della schizofrenia: sequenziamento dell'mRNA rivela alterata sinaptica Trasporto vescicolare in post-mortem cerebellum PLos One 2008 PMID: 18985160
