בחירת קבוצות משנה מרובים סמן עם הופעות איבחונים יעיל באופן דומה

Summary

קיימים אלגוריתמים לייצר פתרון אחד עבור dataset זיהוי ' סמן '. פרוטוקול זה מדגים את קיום פתרונות מרובים לתוצאה דומה ומציג תוכנה ידידותית למשתמש כדי לסייע לחוקרים ביו לחקור datasets שלהם בשביל האתגר המוצע. מדעני מחשב עשויים גם כן לספק תכונה זו בשלהם סמן זיהוי אלגוריתמים.

Abstract

סמן זיהוי היא אחת מהשאלות ביו יותר חשוב לחוקרים תפוקה גבוהה 'טכנולוגיות"ולהפיק כמעט כל האלגוריתמים זיהוי סמן קיימת תת-קבוצה סמן אחד עם מדידה מיטביים עבור dataset נתון . עם זאת, מחקר שנערך לאחרונה הפגינו את קיום קבוצות משנה מרובים סמן עם הופעות סיווג לתוצאה דומה או אפילו זהה. פרוטוקול זה מציג מתודולוגיה פשוטה לגילוי קבוצות משנה סמן עם הופעות איבחונים, טוב יותר על-ידי המשתמש ניתוק. הפרוטוקול מורכב נתוני הכנה, טעינה, סיכום מידע תוכנית בסיסית, פרמטר הכוונון, סמן ההקרנה, תוצאה ויזואליזציה, פרשנות, סמן גנטי ביאורים, exportation תוצאה והדמיה - איכות הפרסום. סמן המוצע הקרנת אסטרטגיה הוא אינטואיטיבי ומדגים כללי לפיתוח אלגוריתמים גילוי סמן. ממשק משתמש גרפי ידידותי למשתמש (GUI) פותחה באמצעות שפת התיכנות פיתון, ומאפשר ביו לחוקרים יש גישה ישירה אל התוצאות שלהם. ניתן להוריד את קוד המקור ואת המדריך של kSolutionVis http://www.healthinformaticslab.org/supp/resources.php.

Introduction

חקר איבחונים, נפוץ ביותר, כריית בעיות באזור ביו, מאתגר נתונים משמש לבניית מודל סיווג מאומן על שתי קבוצות של דגימות עם המדויקות ביותר אפליה כוח^{1, 2 , 3 , 4 , 5 , 6 , 7}. עם זאת, הנתונים הגדול שנוצר בתחום הביו-רפואי יש את הגלום "גדול p קטנה n" הפרדיגמה, עם מספר תכונות בדרך כלל הרבה יותר גדול מאשר מספר דוגמאות^6,8,9. לכן, חוקרים ביו יש להפחית את הממד תכונה לפני ניצול של אלגוריתמים כדי להימנע overfitting בעיה^8,9. אבחון סמנים ביולוגיים מוגדרים קבוצת משנה של תכונות שזוהו המפריד בין המטופלים של מחלה נתונה מ בקרה בריאים דגימות^10,11. חולים הם בדרך כלל מוגדר כ הדגימות החיוביות, הפקדים בריא מוגדרים דגימות שליליות¹².

מחקרים שנעשו לאחרונה הראו כי קיים פתרון אחד או יותר עם הופעות סיווג זהים או לתוצאה דומה עבור ביו הנתונים (dataset)⁵. כמעט כל תכונה את האלגוריתמים הבחירה הם אלגוריתמים דטרמיניסטי, לייצר פתרון אחד בלבד ערכת הנתונים זהה. אלגוריתמים גנטיים בו-זמנית עשוי ליצור פתרונות מרובים עם הופעות דומות, אבל הם עדיין מנסים לבחור פתרון אחד עם הפונקציה כושר הכי טוב בתור הפלט עבור הנתונים (dataset) נתון^13,14.

התכונה בחירה אלגוריתמים ניתן לקבץ בערך כמו מסננים או עטיפות¹². אלגוריתם הסינון בוחר העליון -k התכונות מדורגת על ידי שיוכם בודדים משמעותית עם תוויות מחלקה בינארי מבוסס על ההנחה כי התכונות אינם תלויים אחד בשני^15,16,17 . אף על פי הנחה זו לא מחזיקה נכון עבור כמעט כל datasets בעולם האמיתי, הכלל מסנן האוריסטי מבצע טוב במקרים רבים, למשל, האלגוריתם (מינימום יתירות והרלוונטיות המרבי) mRMR, Wilcoxon בדיקה בהתאם תכונת הסינון (WRank) אלגוריתם, ואת העלילה ROC (מאפיין ההפעלה מקלט) המבוסס על אלגוריתם הסינון (ROCRank). mRMR, הוא אלגוריתם יעיל מסנן כי זה קרוב הבעיה שערוך קומבינטורית עם סדרה של בעיות הרבה יותר קטן, השוואת מרבי-תלות תכונה בחירת אלגוריתם, שכל אחד מהם כרוך רק שני משתנים, ו לכן משתמש pairwise הסתברויות משותף אשר הם עמידים יותר^18,19. עם זאת, mRMR עשוי לזלזל התועלת של תכונות מסוימות כמו זה לא למדוד את האינטראקציות בין תכונות אשר יכול להגביר את הרלוונטיות, ובכך מחטיא כמה שילובים תכונה חסרי תועלת בנפרד, אבל הם שימושיים רק כאשר משולב. האלגוריתם WRank חישוב ציון פרמטרית של איך שמסווגת תכונה בין שתי מחלקות של דגימות, והוא ידוע בזכות החוסן שלה ליניאריים^20,21. יתר על כן, האלגוריתם ROCRank מעריך כמה משמעותית האזור תחת ROC העקומה (AUC) של תכונה מסוימת היא איבחונים ובדוקים ביצועים^22,23.

מצד שני, עטיפת מוערך של המסווג מוגדרים מראש הביצועים של תת-ערכה תכונה נתונה, iteratively שנוצר על ידי כלל היריסטי, ויוצר את ערכת המשנה של תכונה עם מדידת הביצועים הטובה ביותר²⁴. עטיפת בדרך כלל outperforms מסנן הביצועים סיווג אך פועל לאט יותר²⁵. לדוגמה, האלגוריתם^{27 26,}היער אקראי התפלגות (RRF) משתמש כלל חמדן, המעריכה את התכונות על קבוצת משנה של הנתונים הדרכה בכל צומת יער אקראי, ציונים החשיבות של מי תכונה מוערכים על ידי מדד גיני . הבחירה של תכונה חדשה נענש אם שלה רווח מידע לא לשפר את התכונות שבחרת. בנוסף, הניתוח חיזוי עבור מיקרו-מערכים (פאם)^28,אלגוריתם²⁹ , גם באלגוריתם מעטפת, מחשבת של centroid עבור כל התוויות מחלקה ובוחרת ואז תכונות כדי לכווץ את centroids ג'ין כלפי הכולל הכיתה centroid. . פאם היא חזקה עבור תכונות המרוחקים.

פתרונות מרובים עם ביצועים סיווג העליון עשוי להיות נחוץ עבור כל ערכת נתונים נתונה. ראשית, המטרה אופטימיזציה של אלגוריתם דטרמיניסטי זו מוגדרת על ידי הנוסחה המתמטית, למשל, שיעור שגיאה מינימום³⁰, אשר אינה בהכרח אידיאלי עבור דגימות ביולוגיות. שנית, dataset ייתכן מרובות, פתרונות שונים באופן משמעותי, עם הופעות דומות יעיל או אפילו זהים. כמעט כל תכונה קיימת בחירה אלגוריתמים יבחר אחד הפתרונות האלה באופן אקראי כמו פלט³¹.

מחקר זה תציג פרוטוקול אנליטית אינפורמטיקה ליצירת פתרונות הבחירה תכונה מרובים עם הופעות דומות עבור כל נתון איבחונים הנתונים (dataset). בהתחשב בכך כי החוקרים ביותר ביו אינם מכירים טכניקות informatic או בקידוד ממוחשב, ממשק משתמש גרפי ידידותי למשתמש (GUI) פותחה כדי להקל על הבדיקה המהירה של איבחונים ביו datasets. פרוטוקול אנליטית מורכבת טעינת נתונים המסכם, פרמטר הכוונון, צינור ביצוע ואת התוצאה פרשנויות. בלחיצה פשוטה, החוקר הוא מסוגל לייצר את סמן קבוצות משנה וחלקות ויזואליזציה באיכות פרסום. הפרוטוקול נבדקו באמצעות את transcriptomes של שני איבחונים datasets חריפה לימפוציטית לוקמיה (כל), דהיינו, ALL1 ו- ALL2¹². Datasets ALL1 ו ALL2 היו להוריד רחבה המכון הגנום ניתוח במרכז הנתונים, לרשותכם http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 מכיל דגימות 128 עם תכונות 12,625. הדוגמאות הללו, 95 נמצאים תאי B כל 33 הם T-cell כל. ALL2 כוללת 100 דגימות עם תכונות 12,625 גם כן. הדוגמאות הללו, ישנם חולים 65 שסבלו relapse ומטופלים 35 זה לא. ALL1 היה dataset איבחונים קל, עם דיוק המינימלי ארבעת עטיפות להיות 96.7% ו- 6 של אלגוריתמי הבחירה של תכונה 8 להשגת 100%¹²ומסננים ארבע. בעוד ALL2 היה dataset קשה יותר, עם תכונת 8 לעיל את הבחירה האלגוריתמים להשגת לא יותר 83.7% דיוק¹². למידת הדיוק הזה הושג עם תכונות 56 זוהה על ידי האלגוריתם מעטפת, בחירת תכונה מבוססת קורלציה (CFS).

Protocol

הערה: פרוטוקול הבאים מתאר את פרטי ההליך האנליטי אינפורמטיקה וקודים מדומה של המודולים העיקריים. מערכת ניתוח אוטומטיות פותחה באמצעות פיתון גרסה 3.6.0 ו פנדה מודולים של פייתון, abc, numpy, scipy, sklearn, sys, PyQt5, sys, mRMR, מתמטיקה, matplotlib. החומרים אשר השתמשו במחקר זה מפורטים בטבלה של חומרים.

1. מכינים את מטריצת נתונים ושיעור תוויות

1. להכין קובץ מטריקס הנתונים כקובץ מטריקס או פסיק-טאבים, כמופיע ב איור 1A.
   הערה: כל שורה יש את כל הערכים של תכונה, הפריט הראשון הוא שם התכונה. תכונה הוא מזהה probeset עבור ערכת הנתונים מבוסס-microarray transcriptome או מזהה ערך אחר כמו משקע ציסטאין עם הערך מתילציה שלו ב- methylomic dataset. כל עמודה נותן את ערכי תכונה של מדגם נתון, עם הפריט הראשון הוא השם לדוגמה. שורה מופרדת לעמודות באמצעות טאב (איור 1B) או פסיק (איור 1C). קובץ מופרד באמצעות טאב מטריקס מזוהה על-ידי .tsv סיומת קובץ, קובץ מופרד מטריקס כולל את סיומת. csv. קובץ זה עשוי להיווצר על-ידי שמירת מטריצה כמו גם את תבנית .tsv או ה-. csv של תוכנות כגון Microsoft Excel. המטריקס נתונים עשוי להיווצר גם על-ידי המחשב קידוד.
2. הכנת קובץ תווית ה-class כקובץ או פסיק-טאבים מטריקס (איור 1D), דומה לקובץ הנתונים מטריקס.
   הערה: העמודה הראשונה נותן השמות לדוגמה, התווית מחלקה של כל מדגם ניתנת בעמודה שכותרתו הכיתה. תאימות מירבית נחשב בתהליך כתיבת קוד, כך ניתן להוסיף עמודות נוספות. ניתן לעצב קובץ המחלקה תווית קובץ .tsv או ה-. csv. השמות בעמודה מחלקה עשויים להיות בכל תנאי, אולי יש יותר משני שיעורים של דגימות. המשתמש יכול לבחור שניים המחלקות עבור הניתוח הבא.

2. לטעון את מטריצת נתונים ושיעור תוויות

1. לטעון את מטריצת נתונים ותוויות שיעור לתוך התוכנה. לחץ על לחצן מטריצת נתונים עומס כדי לבחור את הקובץ מטריצת נתונים מוגדרים על-ידי המשתמש. לחץ על לחצן תוויות מחלקה עומס כדי לבחור קובץ תווית המחלקה המתאימה.
   הערה: לאחר שני הקבצים נטענים, kSolutionVis ינהל מסך שגרתית של ההתאמה בין שני הקבצים.
2. מסכמים את כל המאפיינים, דגימות מקובץ הנתונים מטריקס. להעריך את הגודל של קובץ הנתונים מטריקס.
3. מסכמים את דגימות ושיעורי מהקובץ תווית הכיתה. להעריך את הגודל של קובץ תווית המחלקה.
4. בדוק כל דגימה מתוך מטריצת נתונים כולל תווית הכיתה. מסכמים את מספר הדגימות עם תוויות הכיתה.

3. יסכם ויציג את הסטטיסטיקה הבסיסית של הנתונים (dataset)

1. לחץ על לחצן סיכום, ללא כל מילת המפתח שצוינה קלט, התוכנה תציג 20 תכונות אינדקס ושמות התכונות המתאימות.
   הערה: משתמשים עליך לציין את שם התכונה שהם רוצים למצוא לראות שלה-סטטיסטיקה בסיסית והפצה ערך התואם בין כל דוגמאות קלט.
2. מספקים של מילת המפתח, למשל "1000_at", בתיבת הטקסט של תכונה למצוא תכונה מסוימת יש לסכם. לחץ על לחצן סיכום כדי לקבל את הסטטיסטיקה הבסיסית עבור תכונה זו נתונה.
   הערה: מילת המפתח עשויים להופיע בכל מקום שמות התכונות היעד, להקל על תהליך חיפוש עבור המשתמשים.
3. לחץ על לחצן סיכום למצוא תכונה יותר מפעם אחת עם מילת המפתח נתון ולאחר מכן ציין את מזהה ייחודי כדי להמשיך לשלב לעיל של סיכום תכונה מסוימת אחת.

4. לקבוע את התוויות הכיתה ומספר תכונות המדורגים עליונים

1. בחר את השמות של חיובי ("(33) P") ושיעורי שלילי ("(95) N") בתיבות רשימה נפתחת כיתה חיוביות וגם שליליות מחלקה, כפי שמוצג באיור 2 (באמצע).
   הערה: מומלץ לבחור שסיווג בינארי מאוזן dataset, דהיינו, ההפרש בין המספרים של דגימות חיוביות ושליליות היא מזערית. מספר דוגמאות ניתנת גם בתוך סוגריים לאחר השם בכל תווית מחלקה של שתי תיבות רשימה נפתחת.
2. בחרו 10 ככל שמספר תכונות המדורגים עליונים (פרמטר pTopX) בתיבה הנפתחת Top_X (?) עבור מסך מקיף של המשנה-התכונה.
   הערה: התוכנה באופן אוטומטי מדרג את כל התכונות על ידי P-ערך מחושב על ידי מבחן t של כל תכונה משווה את המחלקות חיוביים ושליליים. תכונה עם קטנים P-ערך יש כוח יותר להפלות בין המעמדות שתי דוגמאות. המודול הקרנה מקיפה הוא שהמפתחות אינטנסיבית. הפרמטר pTopX הוא 10 כברירת מחדל. משתמשים יכולים לשנות פרמטר זה בטווח של 10 עד 50, עד שהם מוצאים סיפוק כוללים קבוצות משנה עם הופעות סיווג טוב.

5. לכוון את מערכת פרמטרים עבור הופעות שונות

1. בחר את מדידת ביצועים (pMeasurement) דיוק (Acc) בתיבה הנפתחת Acc/bAcc (?) עבור המסווג הנבחר מכונת למידה קיצונית (אלם). אפשרות נוספת של פרמטר זה היא מדידת דיוק מאוזנת (bAcc).
   הערה: תן TP, FN, TN, ולהיות FP המספרים של אמת תוצאות חיוביות, שליליות כוזבות, התשלילים נכון מוטעות, בהתאמה. המדידה Acc מוגדר (TP+TN)/(TP+FN+TN+FP), אשר פועלת באופן הטוב ביותר ב- dataset מאוזנת⁶. אבל מסווג אופטימיזציה עבור Acc נוטה להקצות כל הדגימות למחלקה שלילי אם מספר דוגמאות שליליות הוא הרבה יותר גדול מזה של אלה חיובית. BAcc מוגדר (Sn + Sp) / 2, איפה Sn = TP/(TP+FN) ו Sp = TN/(TN+FP) התעריפים כראוי החזוי עבור חיובי ושלילי דגימות, בהתאמה. לכן, bAcc מווסת את ההופעות חיזוי על שתי הכיתות, עלול להוביל הופעה חיזוי מאוזנת על פני שתי מחלקות לא מאוזן. Acc הוא הבחירה המהווה ברירת מחדל של pMeasurement. התוכנה משתמשת המסווג אלם כברירת מחדל כדי לחשב ההופעות סיווג. המשתמש לבחור גם מסווג מכונת וקטורים תומכים (מכונת וקטורים תומכים), KNN (k השכן הקרוב), עץ ההחלטות או נאיבית Bayes.
2. בחר את ערך הסף 0.70 (פרמטר pCutoff) עבור המידה ביצועים שצוין בתיבת הקלט pCutoff:.
   הערה: Acc , bAcc בטווח שבין 0 ל-1, והן המשתמש יכול לציין pCutoff ערך של[0, 1] כמו החיתוך כדי להציג את הפתרונות מתאימים. התוכנה מבצעת מקיפה תכונה-משנה ההקרנה, המתאימה pCutoff יגרום 3D להדמיה יותר אינטואיטיבי ומפורש. ערך ברירת המחדל עבור pCutoff הוא 0.70.

6. הפעל את הצינור ולייצר את התוצאות מטמיעים אינטראקטיבי

1. לחץ על לחצן Analyze כדי להפעיל את הצינור ולהפיק החלקות ויזואליזציה, כפי שמוצג באיור 2 (למטה).
   הערה: הטבלה הימנית נותן כל תכונת ערכות המשנה שלהם pMeasurement שמחשבת את אסטרטגיית האימות קרוס 10-fold המסווג אלם, כפי שתואר לעיל⁵. שני מגרשים פיזור 3D וחלקות שתי שורות נוצרות עבור ההליך ההקרנה תכונה-ערכה עם קביעות הפרמטר הנוכחי.
2. בחרו ' 0.70 ערך ברירת המחדל pMeasurement החיתוך (פרמטר piCutoff, קלט בתיבת הערך), ו-10 כברירת המחדל של מספר קבוצות משנה התכונה הטובה ביותר (פרמטר piFSNum).
   הערה: הצינור תבוצע באמצעות פרמטרים pTopX, pMeasurement, pCutoff. התכונה שזוהו קבוצות משנה יכול להיות עוד יותר הוקרן באמצעות חיתוך של piCutoff, עם זאת piCutoff לא יכול להיות קטן יותר pCutoff. לכן, piCutoff מאותחל כמו pCutoff , ניתן לאבחן רק תכונה קבוצות משנה עם ≥ מדידת ביצועים piCutoff . ערך ברירת המחדל של piCutoff הוא pCutoff. לפעמים kSolutionVis יזהה פתרונות רבים, רק את הטוב ביותר piFSNum (ברירת מחדל: 10) ניתן לאבחן את התכונה קבוצות משנה. אם מספר קבוצות משנה תכונה שזיהה את התוכנה הוא קטן יותר piFSNum, ניתן לאבחן כל תכונה קבוצות משנה.
3. לאסוף ולתרגם את התכונות שזוהה על-ידי התוכנה, כפי שמוצג באיור3.
   הערה: הטבלה בתיבה השמאלית מציגה תת-קבוצות תכונה שזוהו ומדידות ביצועים שלהם. השמות של שלוש העמודות הראשונות הם "F1", "F2" ו- "F3". שלוש תכונות בקבוצת משנה כל תכונה ניתנת לפי סדר הדירוג שלהם בשורה אחת (F1 < F2 < F3). העמודה האחרונה נותן את מדידת ביצועים (Acc או bAcc) של כל תכונה משנה, את שם העמודה (Acc או bAcc) הוא הערך של pMeasurement.

7. לפרש את פיזור 3D המגרשים-דמיינו ולפרש תת-קבוצות תכונה עם הופעות איבחונים לתוצאה דומה באמצעות פיזור 3D חלקות

1. לחץ על לחצן נתח ליצירת העלילה פיזור תלת-ממד של תת-קבוצות תכונה העליון 10 עם מופעי סיווג הטוב ביותר (Acc או bAcc) זוהה על ידי התוכנה, כפי שמוצג באיור 3 (תיבת האמצעי). למיין את שלוש תכונות בקבוצת משנה תכונה לפי סדר עולה של שורותיהם ולהשתמש בסולם הדרגות של שלוש תכונות כמו F1/F2/F3 הצירים, קרי, F1 < F2 < F3.
   הערה: הצבע של נקודה מייצגת את ביצועי איבחונים המשנה תכונה המתאימה. Dataset ייתכן קבוצות משנה מרובים תכונה עם מדידות ביצועים יעילים באופן דומה. לכן, עלילה אינטראקטיבית ומפושטת פיזור נחוץ.
2. שנה את הערך ל 0.70 בתיבת הקלט pCutoff: , ולחץ על הלחצן נתח ליצירת העלילה פיזור תלת-ממד של תת-קבוצות תכונה עם הביצועים מדידה ≥ piCutoff, כפי שניתן לראות באיור 3 (תיבת נכון). לחץ על לחצן כוונון תלת-ממד כדי לפתוח חלון חדש לכוון ידנית את זוויות צפייה של העלילה פיזור תלת-ממד.
   הערה: כל תת-קבוצה תכונה מיוצגת על ידי נקודה באותו אופן כמו לעיל. העלילה פיזור תלת-ממד נוצר ב זווית ברירת המחדל. כדי להקל את לוויזואליזציה תלת-ממדית, כוונון, חלון נפרד נפתח על-ידי לחיצה על לחצן 3D כוונון.
3. לחץ על הלחצן הקטן כדי להפחית את היתירות של ערכות המשנה תכונה שזוהו.
   הערה: אם משתמשים רוצים בחר השלישייה תכונה ולצמצם את היתירות של ערכות המשנה תכונה נוספת, התוכנה גם מספקת פונקציה זו באמצעות האלגוריתם הנבחר של תכונה mRMR. לאחר לחיצה על הכפתור הקטן , kSolutionVis להסיר תכונות אלה מיותר בתוך השלישייה תכונה והפק את הטבלה ופיזור שתי החלקות הנ ל. התכונות שהוסר של השלישייה תכונה יוחלפו על-ידי מילת המפתח בטבלה. הערכים ללא ציר F1/F2/F3 מסומן כמו הערך של piFSNum (הטווח של הערך נורמלי של F1/F2/F3 הוא [1, top_x]). לכן, הנקודות הכוללים ערך אף עשויים להופיע מתווה "חריג חשוד טעות" נקודות ב- 3D. החלקות תלת-ממדיים באופן ידני tunable ניתן למצוא ב "כוונון ידני של החלקות נקודה תלת-ממד" בחומר משלים.

8. למצוא גנים ביאורים ואגודות שלהם עם מחלות אנושיות

הערה: השלבים 8-10 ימחיש כיצד להוסיף ביאורים גן מרמת רצף ה-DNA וחלבון. ראשית, סמל הגן של כל מזהה סמן מ שלעיל יאוחזרו ממסד הנתונים של דוד³²ולאחר מכן שני שרתי אינטרנט נציג ישמש כדי לנתח את הסמל הזה ג'ין מן הרמות של ה-DNA וחלבון, בהתאמה. השרת GeneCard מספק לביאור תפקודית מקיפה של סמל הגן נתון, ומספק חוקי התורשה מקוון במסד אדם (OMIM) את curation המקיף ביותר של המחלה-גן עמותות. שרת ה UniProtKB הוא אחד של המאגר המקיף ביותר של חלבון, וחוזה שרת מערכת חיזוי מבוססות קבוצה (GPS) איתות זירחון של רשימה גדולה מאוד של kinases.

1. העתק ו הדבק קישור האינטרנט של מסד הנתונים, דוד דפדפן אינטרנט לפתוח את דף האינטרנט של מסד נתונים זה. לחץ על הקישור ג'ין מזהה ההמרה ראה איור 4A ולהזין את התכונה מזהים 38319_at/38147_at/33238_at של הראשון סמן ערכת המשנה של הנתונים (dataset) ALL1 (איור 4B). לחץ על הקישור לרשימת גנים ' ולחץ על שלח רשימה , כפי שמוצג באיור 4B. אחזר את הביאורים עניין ולחץ על הצג רשימת גנים (איור 4C). לקבל את רשימת סמלים ג'ין (איור 4D).
   הערה: הסמלים ג'ין לאחזר כאן ישמש עבור עוד יותר פונקציונלי ביאורים בשלבים הבאים.
2. העתק ו הדבק קישור האינטרנט של מסד הנתונים, ג'ין כרטיסי דפדפן אינטרנט לפתוח את דף האינטרנט של מסד נתונים זה. חפש את השם של הגן CD3D בתיבת הקלט של שאילתת מסד נתונים ולמצוא את הביאורים של הגן הזה מן הגן כרטיסי^33,34, כפי שמוצג בטבלה 1 ו- 5A איור.
   הערה: כרטיסי ג'ין הוא גנטי מקיף ראשוניים, מתן נומנקלטורה, גנומיקה, פרוטאומיקס, לוקליזציה subcellular, ואת המסלולים המעורבים מודולים פונקציונליים אחרים. הוא גם מספק קישורים חיצוניים למסדי נתונים שונים אחרים ביו כמו PDB/PDB_REDO³⁵, ג'ין Entrez³⁶, OMIM³⁷UniProtKB³⁸. אם שם התכונה אינה סמל גן רגיל, להשתמש במסד הנתונים ENSEMBL כדי להמיר אותו³⁹. CD3D הוא השם של הגן T-Cell קולטן T3 דלתא שרשרת.
3. העתק ו הדבק קישור האינטרנט של מסד הנתונים OMIM דפדפן אינטרנט לפתוח את דף האינטרנט של מסד נתונים זה. חפש את השם של הגן CD3D ולמצוא את הביאורים של הגן הזה ממסד הנתונים OMIM³⁷, כפי שמוצג בטבלה 1 ו- 5B איור.
   הערה: OMIM משמש כעת באחד ממקורות מוסמכים ומקיף ביותר של הגן האנושי התקשרויות עם מחלות הניתנות להעברה בירושה. OMIM היה ביוזמת ד ר ויקטור א McKusick לקטלוג של מוטציות גנטיות הקשורות למחלות⁴⁰. OMIM עכשיו מכסה מעל 15,000 גנים אנושיים, הפנוטיפים מעל 8,500, בדצמבר 1^סנט 2017.

9. הוספת ביאורים החלבונים מקודד ואת השינויים Post-Translational

1. העתק ו הדבק קישור האינטרנט של מסד הנתונים UniProtKB דפדפן אינטרנט לפתוח את דף האינטרנט של מסד נתונים זה. חפש את השם של הגן CD3D בתיבת הקלט שאילתה של UniProtKB ולמצוא את הביאורים של הגן הזה של מסד הנתונים³⁸, כפי שמוצג בטבלה 1 ו- 5C איור.
   הערה: UniProtKB אוספת מקור עשיר של הביאורים של חלבונים, כולל המינוח ומידע פונקציונלי. מסד נתונים זה מספק גם קישורים חיצוניים למסדי נתונים אחרים בשימוש נרחב, כולל PDB/PDB_REDO³⁵, OMIM³⁷ו- Pfam⁴¹.
2. העתק ו הדבק קישור האינטרנט של שרת האינטרנט GPS דפדפן אינטרנט לפתוח את דף האינטרנט של שרת אינטרנט זה. אחזר את רצף החלבון מקודדת על ידי הגן סמן CD3D מתוך מסד הנתונים UniProtKB³⁸ ולחזות שאריות post-translational השינוי (PTM) של החלבון בעזרת כלי מקוון GPS, כפי שמוצג בטבלה 1 ואיור 5D.
   הערה: מערכת ביולוגית הוא דינמי ומסובך, ולאסוף מסדי הנתונים הקיימים רק מידע. לכן, כלים מקוונים חיזוי הביו-רפואית, כמו גם תוכניות מנותק עשוי לספק ראיות שימושיות כהשלמה מנגנון ממוצע. GPS כבר מפותחת ומשופרות עבור מעל 12 שנה^7,42 , עשוי לשמש כדי לחזות שאריות של חלבון PTM בפפטיד נתון רצף^43,44. כלים זמינים גם עבור נושאי מחקר שונים, לרבות התחזית של מיקום subcellular⁴⁵ , שעתוק מקדם האיגוד מוטיבים ⁴⁶ בין היתר של חלבון.

10. להוסיף ביאורים אינטראקציות חלבון-חלבון ומודולים פונקציונלי מועשר שלהם

1. העתק ו הדבק קישור האינטרנט של שרת האינטרנט מחרוזת דפדפן אינטרנט לפתוח את דף האינטרנט של שרת אינטרנט זה. חפש את הרשימה על הגנים CD3D של P53, ולמצוא את תכונותיהם מתוזמר משימוש במסד הנתונים מחרוזת⁴⁷. ההליך יכול להתבצע באמצעות שרת אינטרנט אחר, דוד³².
   הערה: מלבד הביאורים הנ של גנים יחידניים, ישנם כלים אינפורמטיקה בקנה מידה גדול רבים זמינים לחקור את המאפיינים של קבוצת גנים. מחקר שנערך לאחרונה הראה כי הגנים סמן בנפרד רע אולי מהווים הרבה-משופרת ג'ין קבע⁵. לכן, זה שווה את העלות החישובית למסך של סמנים ביולוגיים מורכבים יותר. מסד הנתונים מחרוזת אוכל לדמיין את החיבורים אינטראקציה ידוע או החזוי, השרת דוד עשוי לזהות את המודולים פונקציונלי עם פנוטיפ משמעותית-עמותות הגנים המאוחזרים⁴⁷,³². שונים כלי ניתוח אינפורמטיקה בקנה מידה גדול אחרים זמינים גם הם.

11. לייצא קבוצות משנה סמן שנוצר, החלקות ויזואליזציה

1. ייצוא תת-קבוצות סמן שזוהו כקובץ טקסט .tsv או ה-. csv עבור ניתוח נוסף. לחץ על לחצן ייצוא השולחן מתחת לשולחן של כל סמן שזוהו ערכות המשנה ובחרו באיזה פורמט טקסט לשמור כקובץ.
2. לייצא החלקות ויזואליזציה קובץ תמונה. לחץ על לחצן שמור תחת כל חלקה ובחרו באיזה פורמט התמונה לשמור כקובץ.
   הערה: התוכנה תומכת של פיקסל. בתבנית png של .svg תבנית וקטורית. תמונות פיקסל טובים להצגה על מסך המחשב, ואילו תמונות וקטור ניתן להמיר בכל רזולוציה הנדרש למטרות פרסום כתב העת.

תוצאות

המטרה של זרימת עבודה זו (איור 6) היא לזהות קבוצות משנה מרובים סמן בעזרת יעילות דומה עבור dataset איבחונים. התהליך כולו מודגם על ידי שני datasets דוגמה ALL1, ALL2 מופק של זיהוי התפרסמו לאחרונה סמן ללמוד^12,48. משתמש יכול להתקין kSolutionVis על פי ה...

Discussion

מחקר זה מציג פרוטוקול זיהוי ואפיון של easy-to-בצע פתרון רב סמן עבור dataset איבחונים מוגדרים על-ידי המשתמש. התוכנה שמה דגש על ידידותיות למשתמש ממשקים גמיש ייבוא/ייצוא בתבניות קובץ שונות, ומאפשר חוקרת ביו לחקור את הנתונים (dataset) בקלות באמצעות GUI של התוכנה. מחקר זה מדגיש גם את הצורך של יצירת פתרון אחד...

Materials

Name	Company	Catalog Number	Comments
Hardware
laptop	Lenovo	X1 carbon	Any computer works. Recommended minimum configuration: 1GB extra hard disk space, 1 GB memory, 2.0MHz CPU
Name	Company	Catalog Number	Comments
Software
Python 3.0	WingWare	Wing Personal	Any python programming and running environments support Python version 3.0 or above