작은 데이터 세트에서 예측 작업 및 다크 바이오마커 검출을 위한 전사체 특징의 전사체 조절 보기 생성

요약

여기에서는 전사체 데이터를 mqTrans 보기로 변환하여 다크 바이오마커를 식별할 수 있는 프로토콜을 소개합니다. 기존의 전사체 분석에서는 차등적으로 발현되지 않지만, 이러한 바이오마커는 mqTrans 보기에서 차등 발현을 나타냅니다. 이 접근법은 전통적인 방법을 보완하는 기술 역할을 하며, 이전에 간과되었던 바이오마커를 밝혀냅니다.

초록

전사체는 샘플에서 많은 유전자의 발현 수준을 나타내며 생물학 연구 및 임상 실습에서 널리 사용되었습니다. 연구자들은 일반적으로 표현형 그룹과 샘플의 대조군 사이에 차이 표현을 가진 전사체 바이오마커에 초점을 맞췄습니다. 이 연구는 참조 샘플의 복잡한 유전자 간 상호 작용을 학습하기 위한 멀티태스킹 그래프-주의 네트워크(GAT) 학습 프레임워크를 제시했습니다. 시범적 참조 모델은 건강한 샘플(HealthModel)에 대해 사전 학습되었으며, 이는 독립적인 테스트 전사체의 모델 기반 정량적 전사 조절(mqTrans) 보기를 생성하는 데 직접 사용할 수 있습니다. 생성된 전사체의 mqTrans 보기는 예측 작업 및 다크 바이오마커 검출에 의해 입증되었습니다. "다크 바이오마커(dark biomarker)"라는 용어는 다크 바이오마커가 mqTrans 뷰에서 차등 표현을 나타내지만 원래 발현 수준에서는 차등 발현을 나타내지 않는다는 정의에서 비롯되었습니다. 어두운 바이오마커는 차등 발현이 없기 때문에 전통적인 바이오마커 검출 연구에서 항상 간과되었습니다. 파이프라인 HealthModelPipe의 소스 코드 및 매뉴얼은 http://www.healthinformaticslab.org/supp/resources.php 에서 다운로드할 수 있습니다.

서문

전사체는 샘플에 있는 모든 유전자의 발현으로 구성되며 마이크로어레이 및 RNA-seq¹과 같은 고처리량 기술로 프로파일링할 수 있습니다. 데이터 세트에서 한 유전자의 발현 수준을 전사체 특징이라고 하며, 표현형과 대조군 간의 전사체 특징의 차등 표현은 이 유전자를 이 표현형 ^2,3의 바이오마커로 정의합니다. 전사체 바이오마커는 질병 진단⁴, 생물학적 메커니즘⁵, 생존 분석^6,7 등의 연구에 광범위하게 활용되어 왔다.

건강한 조직의 유전자 활동 패턴은 생명에 대한 중요한 정보를 담고 있다 ^8,9. 이러한 패턴은 귀중한 통찰력을 제공하며, 양성 질환(benign disorders^)10,11

프로토콜

참고: 다음 프로토콜은 주요 모듈의 정보학 분석 절차 및 Python 명령에 대한 세부 정보를 설명합니다. 그림 2는 이 프로토콜에서 사용되는 예제 명령과 함께 세 가지 주요 단계를 설명하며 자세한 기술 세부 사항은 이전에 발표된 저작물^26,38을 참조하십시오. 컴퓨터 시스템의 일반 사용자 계정으로 다음 프로토콜을 수행하고 관리자 또는 루트 계정을 사용하지 마십시오. 이것은 계산 프로토콜이며 생물 의학적 위험 요소가 없습니다.

1. Python 환경 준비

1. 가상 환경을 만듭니다.
   1. 이 연구는 Python 3.7에서 Python 프로그래밍 언어와 Python 가상 환경(VE)을 사용했습니다. 다음 단계를 수행합니다(그림 3A).
      conda create -n healthmodel 파이썬=3.7
      conda create 는 새 VE를 만드는 명령입니다. 매개 변수 -n은 새 환경의 이름(이 경우 healthmodel

토론

프로토콜의 섹션 2(사전 학습된 HealthModel을 사용하여 mqTrans 기능 생성)는 이 프로토콜 내에서 가장 중요한 단계입니다. 섹션 1에서 계산 작업 환경을 준비한 후 섹션 2에서는 사전 훈련된 대형 참조 모델을 기반으로 전사체 데이터 세트의 mqTrans 보기를 생성합니다. 섹션 3은 바이오마커 검출 및 예측 작업을 위해 생성된 mqTrans 기능을 선택하는 데모 예제입니다. 사용자는 자신의 도구 또는 코드를 사?.......

자료

Name	Company	Catalog Number	Comments
Anaconda	Anaconda	version 2020.11	Python programming platform
Computer	N/A	N/A	Any general-purpose computers satisfy the requirement
GPU card	N/A	N/A	Any general-purpose GPU cards with the CUDA computing library
pytorch	Pytorch	version 1.13.1	Software
torch-geometric	Pytorch	version 2.2.0	Software