Selezionando più biomarcatore sottoinsiemi con similmente efficace classificazione binaria spettacoli

Riepilogo

Algoritmi esistenti generano una soluzione per un set di dati di rilevamento biomarcatore. Questo protocollo dimostra l'esistenza di molteplici soluzioni similmente efficaci e presenta un software user-friendly per aiutare i ricercatori biomedici indagare il loro set di dati per la sfida proposta. Gli informatici possono anche fornire questa funzionalità nel loro biomarcatore algoritmi di rilevamento.

Abstract

Rilevamento di biomarcatore è una delle più importanti domande biomedicale per i ricercatori di high-throughput "omiche", e quasi tutti gli algoritmi di rilevamento biomarcatore esistenti generano un sottoinsieme di biomarcatore con la misura di prestazioni ottimizzate per un determinato set di dati . Tuttavia, un recente studio ha dimostrato l'esistenza di più sottoinsiemi di biomarcatore con esibizioni di classificazione similmente efficaci o addirittura identici. Questo protocollo presenta una metodologia semplice e diretta per la rilevazione di sottoinsiemi di biomarcatore con esibizioni di classificazione binaria, meglio di un cut-off definito dall'utente. Il protocollo consiste di preparazione dei dati e caricamento, Riepilogo informazioni di base, parametro tuning, lo screening biomarcatore, visualizzazione dei risultati e interpretazione, biomarcatore gene annotazioni ed esportazione di risultato e la visualizzazione a qualità di pubblicazione. Il biomarcatore proposto strategia di screening è intuitivo e dimostra una regola generale per lo sviluppo di algoritmi di rilevamento del biomarcatore. Un'interfaccia grafica utente (GUI) è stata sviluppata utilizzando il linguaggio di programmazione Python, permettendo i ricercatori biomedici di avere accesso diretto ai loro risultati. Il manuale di kSolutionVis e il codice sorgente può essere scaricati da http://www.healthinformaticslab.org/supp/resources.php.

Introduzione

Classificazione binaria, uno dei più comunemente studiato e dati impegnativi problemi in ambito biomedico, di data mining viene utilizzato per costruire un modello di classificazione addestrato su due gruppi di campioni con la più accurata discriminazione potenza^{1, 2 , 3 , 4 , 5 , 6 , 7}. Tuttavia, le grandi quantità di dati generati in campo biomedico ha l'intrinseca "grande p piccolo n" paradigma, con il numero di caratteristiche solitamente molto più grande rispetto al numero di campioni^6,8,9. Pertanto, i ricercatori biomedici necessario ridurre la dimensione caratteristica prima che utilizza gli algoritmi di classificazione per evitare l'overfitting problema^8,9. Biomarcatori di diagnosi sono definiti come un sottoinsieme delle caratteristiche rilevate che separa i pazienti di una determinata malattia da sani di controllo campioni^10,11. I pazienti sono solitamente definiti come i campioni positivi, e i controlli sani sono definiti come i campioni negativi¹².

Studi recenti hanno suggerito che esiste più di una soluzione con prestazioni identiche o similmente efficace classificazione per un set di dati biomedici⁵. Quasi tutti gli algoritmi di selezione funzionalità sono algoritmi deterministici, producendo solo una soluzione per lo stesso dataset. Gli algoritmi genetici possono generare simultaneamente molteplici soluzioni con prestazioni simili, ma cercano ancora di selezionare un'unica soluzione con la migliore funzione di fitness come output per un dato set di dati^13,14.

Algoritmi di selezione funzionalità possono essere approssimativamente raggruppati come filtri o wrapper¹². Un algoritmo di filtro sceglie le caratteristichek top - classificate dalla loro associazione significativa individuali con le etichette di classe binario basato sul presupposto che dispone sono indipendente da ogni altro^15,16,17 . Anche se questo presupposto non vale per quasi tutti i dataset reali, la regola di filtro euristico esegue bene in molti casi, per esempio, l'algoritmo di mRMR (ridondanza minima e massima rilevanza), Wilcoxon test basato funzionalità filtro (WRank) algoritmo e la trama ROC (caratteristica di funzionamento ricevitore) basato su algoritmo di filtraggio (ROCRank). mRMR, è un algoritmo efficiente filtro perché si approssima il problema combinatorio stima con una serie di problemi molto più piccoli, confronto con l'algoritmo di selezione funzione massimo-dipendenza, ognuna delle quali prevede solo due variabili, e utilizza pertanto le probabilità di joint pairwise che sono più robusti^18,19. Tuttavia, mRMR può sottovalutare l'utilità di alcune caratteristiche non misura le interazioni tra caratteristiche che possono aumentare la pertinenza e così non trova alcune combinazioni di funzionalità che sono individualmente inutile ma sono utili solo quando combinato. L'algoritmo di WRank calcola un punteggio non parametrica di come discriminante una caratteristica è tra due classi di campioni ed è noto per la sua robustezza per outlier^20,21. Inoltre, l'algoritmo di ROCRank valuta come significativo l'Area Under the ROC curva (AUC) di una particolare caratteristica è per la classificazione binaria indagate prestazioni^22,23.

D'altra parte, un wrapper valuta le prestazioni del classificatore pre-definiti di un sottoinsieme di funzionalità specificato, in modo iterativo generato da una regola euristica e crea il sottoinsieme di funzionalità con le migliori prestazioni misura²⁴. Un wrapper generalmente supera un filtro delle prestazioni di classificazione ma corre più lento²⁵. Ad esempio, l'algoritmo di^{27 26,}foresta casuale regolarizzata (RRF) utilizza una regola di avida, valutando le caratteristiche su un sottoinsieme dei dati di training a ogni nodo casuale foresta, cui punteggi di caratteristica importanza vengono valutate tramite l'indice di Gini . La scelta di una nuova funzionalità sarà penalizzata se suo guadagno informazioni non migliora che delle caratteristiche selezionate. Inoltre, l'analisi di previsione per i Microarrays (PAM)^28,29 algoritmo, anche un algoritmo di wrapper, calcola un centroide per tutte le etichette di classe e quindi seleziona funzionalità per compattare i centroidi gene verso la totale centroide di classe. PAM è robusta per caratteristiche periferiche.

Molteplici soluzioni con le prestazioni di classificazione superiore possono essere necessarie per qualsiasi set di dati specificato. In primo luogo, l'obiettivo di ottimizzazione di un algoritmo deterministico è definito da una formula matematica, ad esempio, tasso di errore minimo³⁰, che non è necessariamente ideale per campioni biologici. In secondo luogo, un set di dati possono avere soluzioni significativamente differenti, multiplo, con simili prestazioni efficaci o addirittura identici. Quasi tutti gli algoritmi di selezione funzionalità esistenti selezionerà casualmente una di queste soluzioni come l' uscita³¹.

Questo studio introdurrà un protocollo analitico di informatica per la generazione di soluzioni di selezione funzionalità multiple con prestazioni simili per qualsiasi set di dati di classificazione binaria dato. Considerando che i ricercatori biomedici più non familiarità con tecniche informatiche o computer di codifica, un'interfaccia grafica utente (GUI) è stata sviluppata per facilitare l'analisi rapida dei set di dati biomedici classificazione binaria. Il protocollo analitico consiste di caricamento dei dati e che riassume, parametro tuning, l'esecuzione della pipeline e interpretazioni di risultato. Con un semplice click, il ricercatore è in grado di generare il biomarcatore sottoinsiemi e pubblicazione-qualità visualizzazione grafici. Il protocollo è stato testato utilizzando i trascrittomi di classificazione binaria base dati di leucemia linfoblastica acuta (LLA), vale a dire, ALL1 e ALL2¹². I set di dati di ALL1 e ALL2 sono stati scaricati dal Broad Institute genoma Data Analysis Center, disponibile presso http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 contiene 128 campioni con 12.625 caratteristiche. Di questi esempi, 95 sono B-cellula tutti e 33 sono cellule T tutti. ALL2 include 100 campioni con 12.625 caratteristiche pure. Di questi esempi, ci sono 65 pazienti che hanno sofferto di ricaduta e 35 pazienti che non hanno fatto. ALL1 era un set di dati di facile classificazione binaria, con una precisione minima di quattro filtri e quattro wrapper essendo 96.7% e 6 degli algoritmi di selezione 8 funzionalità raggiungimento 100%¹². Mentre ALL2 era un dataset più difficile, con gli algoritmi di selezione 8 caratteristica sopra raggiungere nessuno meglio di 83,7% precisione¹². Questa precisione migliore è stata realizzata con 56 caratteristiche rilevate dall'algoritmo wrapper, funzionalità di selezione basata sulla correlazione (CFS).

Protocollo

Nota: Il seguente protocollo descrive i dettagli del procedimento analitico informatica e pseudo-codici dei moduli principali. Il sistema di analisi automatica è stato sviluppato utilizzando Python versione 3.6.0 e i Panda di moduli Python, abc, numpy, scipy, sklearn, sys, PyQt5, sys, Jamy, matematica e matplotlib. I materiali utilizzati in questo studio sono elencati nella Tabella materiali.

1. preparare la matrice di dati e le etichette di classe

1. Preparare il file di matrice di dati come un file delimitato da tabulazioni o da virgole di matrice, come illustrato in Figura 1A.
   Nota: Ogni riga contiene tutti i valori di una funzione, e il primo elemento è il nome della funzionalità. Una caratteristica è un ID di probeset per il set di dati di microarray-basata del trascrittoma o può essere un altro valore ID come un residuo di cisteina con il relativo valore di metilazione in un dataset di methylomic. Ogni colonna dà i valori della funzione di un dato campione, con il primo elemento è il nome del campione. Una riga è suddiviso in colonne da una scheda (Figura 1B) o una virgola (Figura 1). Un file delimitato da tabulazioni matrice viene riconosciuto dal TSV di estensione di file, e un file delimitato da virgole di matrice ha l'estensione. csv. Questo file può essere generato da una matrice di risparmio sia come il formato TSV o CSV da software come Microsoft Excel. La matrice di dati può essere generata anche da computer di codifica.
2. Preparare il file di etichette di classe come un delimitato da tabulazioni o da virgole file matrice (Figura 1), simile al file di matrice di dati.
   Nota: La prima colonna indica i nomi di esempio, e l'etichetta di classe di ogni campione è dato nella colonna intitolata classe. Massima compatibilità è considerato nel processo di codifica, in modo che possono essere aggiunti ulteriori colonne. Il file di etichette di classe potrebbe essere formattato come un file TSV o CSV. I nomi nella colonna classe possono essere tutti i termini, e ci possono essere più di due classi di campioni. L'utente può scegliere due delle classi per la seguente analisi.

2. caricare la matrice di dati e le etichette di classe

1. Caricare le etichette dati di matrice e classe nel software. Fare clic sul pulsante Datamatrix di carico per scegliere il file di matrice di dati specificati dall'utente. Fare clic sul pulsante etichette di classe di carico di scegliere il corrispondente file di etichette di classe.
   Nota: Dopo che entrambi i file vengono caricati, kSolutionVis condurrà un routine schermo della compatibilità tra i due file.
2. Riassumere le caratteristiche e i campioni dal file di matrice di dati. Stimare le dimensioni del file di matrice dati.
3. Riepilogare i campioni e le classi da file di etichetta della classe. Stimare le dimensioni del file di etichetta della classe.
4. Verificare se ogni campione dalla matrice dei dati ha un'etichetta di classe. Riepilogare i numeri dei campioni con le etichette di classe.

3. riepilogare e visualizzare le statistiche di base del Dataset

1. Fare clic sul pulsante riepiloga, senza alcun input di parola chiave specificata, e il software visualizzerà 20 caratteristiche indicizzate e i corrispondenti nomi di funzioni.
   Nota: Gli utenti devono specificare il nome della funzionalità che desiderano trovare per vedere le sue statistiche base e distribuzione del valore corrispondente tra tutti i campioni di input.
2. Fornire una parola chiave, ad esempio "1000_at", nella casella di testo funzionalità per trovare una funzionalità specifica che si desidera riepilogare. Fare clic sul pulsante riepiloga per ottenere le statistiche di base per questa determinata funzionalità.
   Nota: La parola chiave può apparire ovunque nei nomi di funzione obiettivo, facilitando il processo di ricerca per gli utenti.
3. Fare clic sul pulsante riepiloga per trovare più di una funzione con la parola chiave specificata e quindi specificare l'ID di caratteristica unica per procedere con il passo precedente di riassumere una caratteristica particolare.

4. determinare le etichette di classe e il numero di caratteristiche Top-ranked

1. Scegliere i nomi delle classi di negativo ("N (95)") e positivi ("P (33)") nelle caselle a discesa Classe positivo e Negativo di classe, come mostrato nella Figura 2 (medio).
   Nota: Si consiglia di scegliere che un dataset di classificazione binaria bilanciata, cioè, la differenza tra i numeri dei campioni positivi e negativi è minimo. Il numero di campioni è anche dato tra parentesi dopo il nome di ogni etichetta di classe nelle due caselle a discesa.
2. Scegliere 10 come il numero di funzioni di posizionamento (parametro pTopX) nella casella a discesa Top_X (?) per una schermata completa del sottoinsieme di funzionalità.
   Nota: Il software si colloca automaticamente tutte le funzionalità del P-valore calcolato da un t-test di ogni caratteristica di confronto tra le classi di positive e negative. Una caratteristica con un più piccolo P-valore ha un potere meglio discriminante tra le due classi di campioni. Il modulo completo screening è computazionalmente intensivo. Il parametro pTopX è 10 per impostazione predefinita. Gli utenti possono modificare questo parametro nell'intervallo da 10 a 50, fino a trovare soddisfacente dispongono di sottoinsiemi con spettacoli di buona classificazione.

5. ottimizzare i parametri di sistema per prestazioni differenti

1. Scegliere la misura delle prestazioni (pMeasurement), precisione (Acc) nella casella a discesa Acc/bAcc (?) per il classificatore selezionato macchina di apprendimento Extreme (ELM). Un'altra opzione di questo parametro è la misurazione precisione equilibrato (bAcc).
   Nota: Lasciare che il TP, FN, TN, e FP il numero di veri positivi, falsi negativi, veri negativi e falsi positivi, rispettivamente. La misurazione Acc è definita come (TP+TN)/(TP+FN+TN+FP), che funziona meglio su un dataset equilibrato⁶. Ma un classificatore ottimizzato per Acc tende ad assegnare tutti i campioni alla classe negativa se il numero di campioni negativi è più grande di quello di quelli positivi. Il bAcc è definito come (Sn + Sp) / 2, dove Sn = TP/(TP+FN) e Sp = TN/(TN+FP) sono le tariffe correttamente previste per il positivo e negativo campioni, rispettivamente. Pertanto, bAcc normalizza le prestazioni di stima sopra le due classi e può portare a una performance equilibrata pronostico su due classi sbilanciate. ACC è la scelta predefinita di pMeasurement. Il software utilizza il classificatore ELM per impostazione predefinita per calcolare le prestazioni di classificazione. L'utente può anche scegliere un classificatore SVM (Support Vector Machine), KNN (k Nearest Neighbor), Decision Tree o Naïve Bayes.
2. Scegliere il valore di cutoff 0.70 (parametro pCutoff) per la misurazione delle prestazioni specificato nella casella di input pCutoff:.
   Nota: Sia Acc e bAcc variano fra 0 e 1, e l'utente può specificare un valore pCutoff[0, 1] come il cut-off per visualizzare le soluzioni abbinate. Il software effettua un completo funzionalità-sottoinsieme di screening, e una scelta appropriata di pCutoff farà la visualizzazione 3D più intuitivo ed esplicite. Il valore predefinito per pCutoff è 0,70.

6. eseguire la Pipeline e produrre i risultati visualizzati interattivi

1. Fare clic sul pulsante Analyze per eseguire la pipeline e generare i grafici di visualizzazione, come illustrato nella Figura 2 (in basso).
   Nota: La tabella a sinistra dà tutti i sottoinsiemi di funzionalità e loro pMeasurement calcolato dalla strategia di validazione incrociata 10 volte del classificatore ELM, come descritto in precedenza⁵. Due grafici a dispersione 3D e due-linea trame vengono generati per la procedura di screening del sottoinsieme di funzionalità con le impostazioni correnti.
2. Scegliere 0,70 come il valore predefinito di pMeasurement taglio (parametro piCutoff, casella di input valore) e 10 come il valore predefinito del numero di sottoinsiemi di migliore funzionalità (parametro piFSNum).
   Nota: La pipeline viene eseguita utilizzando i parametri pTopX, pMeasurement e pCutoff. La funzionalità rilevata sottoinsiemi possono essere ulteriormente proiettato utilizzando il taglio piCutoff, tuttavia piCutoff non può essere minore di pCutoff. Pertanto, piCutoff viene inizializzato come pCutoff e saranno visualizzati solo i sottoinsiemi di funzione con le prestazioni misura ≥ piCutoff . Il valore predefinito di piCutoff è pCutoff. A volte kSolutionVis rileva molte soluzioni e solo i migliori piFSNum (impostazione predefinita: 10) sottoinsiemi di funzionalità verranno visualizzate. Se il numero dei sottoinsiemi di funzionalità rilevato dal software è minore di piFSNum, saranno visualizzati tutti i sottoinsiemi di funzionalità.
3. Raccogliere e interpretare le caratteristiche rilevate dal software, come mostrato nella Figura 3.
   Nota: La tabella nella finestra di sinistra mostra i sottoinsiemi di funzionalità rilevate e le loro misurazioni delle prestazioni. I nomi delle prime tre colonne sono "F1", "F2" e "F3". Le tre caratteristiche in ogni sottoinsieme di funzionalità sono date nel loro ordine di classifica in una riga (F1 < F2 < F3). L'ultima colonna dà la misura di prestazioni (Acc o bAcc) di ogni sottoinsieme di funzionalità, e il nome della colonna (Acc o bAcc) è il valore di pMeasurement.

7. interpretare Scatter 3D trame-visualizzare e interpretare i sottoinsiemi di funzionalità con performance di classificazione binaria similmente efficaci utilizzando grafici a dispersione 3D

1. Fare clic sul pulsante Analyze per generare il grafico a dispersione 3D dei sottoinsiemi 10 ampiamenti con le migliori performance di classificazione (Acc o bAcc) rilevato dal software, come mostrato in Figura 3 (casella centrale). Ordinare le tre funzioni in un sottoinsieme di funzionalità in ordine crescente di loro ranghi e utilizzare i ranghi delle tre caratteristiche come gli assi di F1/F2/F3, vale a dire, F1 < F2 < F3.
   Nota: Il colore di un puntino rappresenta le prestazioni di classificazione binaria del sottoinsieme di funzionalità corrispondente. Un set di dati può avere più sottoinsiemi di funzionalità con allo stesso modo le misurazioni delle prestazioni efficaci. Pertanto, occorre un grafico a dispersione interattiva e semplificata.
2. Modificare il valore di 0,70 nella casella di input pCutoff: e fare clic sul pulsante Analyze per generare il grafico a dispersione 3D dei sottoinsiemi caratteristica con prestazioni misura ≥ piCutoff, come si vede in Figura 3 (casella a destra). Fare clic sul pulsante 3D tuning per aprire una nuova finestra per sintonizzare manualmente gli angoli di visualizzazione del grafico a dispersione 3D.
   Nota: Ogni sottoinsieme di funzionalità è rappresentata da un punto nello stesso modo come sopra. Il grafico a dispersione 3D è stata generata nell'angolo di default. Per facilitare la visualizzazione 3D e tuning, una finestra separata si aprirà facendo clic sul pulsante 3D tuning.
3. Fare clic sul pulsante Riduci per ridurre la ridondanza dei sottoinsiemi caratteristica rilevata.
   Nota: Se gli utenti desiderano ulteriormente selezionare le triplette di funzionalità e ridurre al minimo la ridondanza dei sottoinsiemi caratteristica, il software fornisce anche questa funzione utilizzando l'algoritmo di selezione funzionalità mRMR. Dopo aver cliccato il pulsante Riduci , kSolutionVis rimuoverà quelle caratteristiche ridondanti in terzine la caratteristica e rigenerare la tabella e le due vincenti piazzole di cui sopra. La funzionalità rimosse di terzine caratteristica verrà sostituita dalla parola chiave nella tabella. I valori None nell'asse F1/F2/F3 verranno indicati come valore della piFSNum (l'intervallo del valore normale di F1/F2/F3 è [1, top_x]). Di conseguenza, i puntini che includono un valore None sembra essere terreni puntini "outlier" in 3D. Le trame 3D manualmente sintonizzabile potrebbero trovarsi in "Sintonizzazione manuale delle trame 3D dot" nel materiale supplementare.

8. trovare Gene le annotazioni e le loro associazioni con malattie umane

Nota: I passaggi da 8 a 10 illustrerà come annotare un gene dal livello di sequenza di DNA e di proteine. In primo luogo, la sigla del gene di ogni ID di biomarcatore dei passaggi precedenti verrà recuperato dal database DAVID³², e poi due rappresentative web server saranno usati per analizzare questa sigla del gene dai livelli di DNA e proteine, rispettivamente. Il server GeneCard fornisce un'annotazione funzionale completa di un simbolo dato gene e l'eredità mendeliana in linea nel database di uomo (OMIM) fornisce il curation più completo delle associazioni del gene-malattia. Il server UniProtKB è uno del più completo database di proteine, e il server basato su gruppo Prediction System (GPS) predice la segnalazione fosforilazione per una lista molto ampia di chinasi.

1. Copiare e incollare il collegamento web del database DAVID in un browser web e aprire la pagina web di questo database. Clicca sul link Gene ID conversione visto in Figura 4A e ingresso la funzionalità IDs 38319_at/38147_at/33238_at del primo sottoinsieme biomarcatore del dataset ALL1 (Figura 4B). Clicca sul link Gene elenco e fare clic su Elenco di presentare come mostrato in Figura 4B. Recuperare le annotazioni di interesse e fare clic su Visualizza elenco di Gene (Figura 4). Ottenere l'elenco dei simboli di gene (Figura 4).
   Nota: I simboli di gene estratto qui verranno essere utilizzati per ulteriori annotazioni funzionali nei passaggi successivi.
2. Copiare e incollare il collegamento web del database Gene carte in un browser web e aprire la pagina web di questo database. Nome di un gene CD3D di ricerca nella casella di input di query di database e trovare le annotazioni di questo gene da Gene carte^33,34, come mostrato in tabella 1 e Figura 5A.
   Nota: Carte di Gene è un gene completa knowledgebase, fornendo nomenclatura, genomica, proteomica, localizzazione subcellulare e vie coinvolte e altri moduli funzionali. Fornisce inoltre collegamenti esterni a varie altre banche dati biomediche come PDB/PDB_REDO³⁵, Entrez Gene³⁶, OMIM³⁷e UniProtKB³⁸. Se il nome della caratteristica non è un simbolo standard del gene, è possibile utilizzare il database di ENSEMBL per convertirlo³⁹. CD3D è il nome del gene della catena Delta T-Cell Receptor T3.
3. Copiare e incollare il collegamento web del database OMIM in un browser web e aprire la pagina web di questo database. Cerca il nome di un gene CD3D e trovare le annotazioni di questo gene dal database OMIM³⁷, come mostrato in tabella 1 e figura 5B.
   Nota: OMIM ora serve come una delle fonti più autorevole ed esaustivo delle connessioni del gene umano con malattie ereditarie. OMIM è stata iniziata da Dr. Victor McKusick A. per catalogare le mutazioni genetiche associate a malattia⁴⁰. OMIM ora copre oltre 15.000 geni umani e oltre 8.500 fenotipi, a partire da dicembre 1^st 2017.

9. annotare le proteine codificate e le modifiche post-traduzionali

1. Copiare e incollare il collegamento web del database UniProtKB in un browser web e aprire la pagina web di questo database. Nome di un gene CD3D di ricerca nella casella di input di query di UniProtKB e trovare le annotazioni di questo gene dal database³⁸, come mostrato in tabella 1 e nella figura 5.
   Nota: UniProtKB raccoglie una ricca fonte di annotazioni per le proteine, tra cui nomenclatura sia informazioni funzionali. Questo database fornisce anche link esterni ad altri database utilizzati, inclusi PDB/PDB_REDO³⁵, OMIM³⁷e Pfam⁴¹.
2. Copiare e incollare il collegamento web del server web GPS in un browser web e aprire la pagina web di questo server web. Recuperare la sequenza della proteina codificata dal gene biomarcatore CD3D dal database UniProtKB³⁸ e prevedere residui di modificazione post-traduzionale (PTM) della proteina utilizzando il tool online GPS, come mostrato in tabella 1 e nella figura 5.
   Nota: Un sistema biologico è dinamico e complicati, e i database esistenti raccolgono solo le informazioni conosciute. Pertanto, strumenti online Pronostico biomedica, nonché programmi offline possono fornire elementi utili per integrare un meccanismo supposto. GPS è stato sviluppato e migliorato per oltre 12 anni^7,42 e può essere usato per predire residui PTM di una proteina in un determinato peptide sequenza^43,44. A disposizione anche strumenti per vari temi di ricerca, tra cui la previsione di una proteina subcellulare posizione⁴⁵ e trascrizione fattore vincolante motivi ⁴⁶ tra gli altri.

10. annotazione di interazioni proteina-proteina e loro moduli funzionali arricchiti

1. Copiare e incollare il collegamento web del server web stringa in un browser web e aprire la pagina web di questo server web. Ricerca nell'elenco per i geni CD3D e P53 e trovare loro immobili orchestrate utilizzando il database String⁴⁷. La stessa procedura può essere effettuata utilizzando un altro server web, DAVID³².
   Nota: Oltre le suddette annotazioni per singoli geni, ci sono molti strumenti informatici su larga scala disponibili per studiare le proprietà di un gruppo di geni. Un recente studio ha dimostrato che i geni marcatori individualmente male potrebbero costituire un gene molto migliorato set⁵. Pertanto, vale la pena il costo computazionale per schermo per biomarcatori più complicati. Il database String può visualizzare le connessioni di interazione noto o previsto, e il server di David potrebbe rilevare i moduli funzionali con fenotipo-associazioni significative nei geni interrogato⁴⁷,³². A disposizione anche vari altri strumenti di analisi informatica su larga scala.

11. esportare i sottoinsiemi di biomarcatore generato e le trame di visualizzazione

1. Esportare i sottoinsiemi di biomarcatore rilevato come un file di testo di TSV o CSV per ulteriori analisi. Fare clic sul pulsante Esporta la tabella sotto il tavolo di tutti i sottoinsiemi di biomarcatore rilevati e scegliere il formato di testo per salvare come.
2. Esportare i grafici di visualizzazione come file di immagine. Fare clic sul pulsante Salva sotto ogni trama e scegliere il formato di immagine per salvare come.
   Nota: Il software supporta il pixel formato. png e il vettore formato. svg. Le immagini di pixel sono buone per la visualizzazione sullo schermo del computer, mentre le immagini vettoriali possono essere convertite in qualsiasi risoluzione richiesta a fini di pubblicazione journal.

Risultati

L'obiettivo di questo flusso di lavoro (Figura 6) è quello di rilevare più sottoinsiemi di biomarcatore con efficienze simili per un set di dati di classificazione binaria. L'intero processo è illustrato da due set di dati esempio ALL1 e ALL2 estratte da un rilevamento di biomarcatore recentemente pubblicato lo Studio^12,48. Un utente può installare kSolutionVis seguendo le istruzioni riportate nei...

Discussione

Questo studio presenta un protocollo di individuazione e caratterizzazione di biomarcatore multi-soluzione facile da seguire per un set di dati di classificazione binaria specificata dall'utente. Il software mette l'accento sulla facilità d'uso e interfacce flessibili di importazione/esportazione per vari formati di file, permettendo un ricercatore biomedico indagare il loro set di dati facilmente utilizzando la GUI del software. Questo studio evidenzia anche la necessità di generare più di una soluzione con prestazio...

Materiali

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