JoVE Logo
Yazarlar
Bize Ulaşın

Oturum Aç

Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

  • Özet
  • Özet
  • Giriş
  • Protokol
  • Sonuçlar
  • Tartışmalar
  • Açıklamalar
  • Teşekkürler
  • Malzemeler
  • Referanslar
  • Yeniden Basımlar ve İzinler

Özet

Varolan algoritmaları bir biyomarker algılama veri kümesi için bir çözüm oluşturur. Bu iletişim kuralı birden çok benzer şekilde etkin çözümler varlığını gösterir ve Biyomedikal araştırmacılar onların veri kümeleri için önerilen meydan okumak araştırmak için kullanımı kolay bir yazılım sunar. Bilgisayar mühendisleri, algılama algoritmaları onların biyomarker bu özelliği de sağlayabilir.

Özet

Biyomarker algılama yüksek üretilen iş 'omics' araştırmacılar için biyomedikal daha önemli sorulardan biri ve hemen hemen tüm varolan biyomarker algılama algoritmaları belirli bir veri kümesi için en iyi duruma getirilmiş performans ölçümü ile bir biyomarker alt küme küme küme oluşturma . Ancak, yeni yapılan bir çalışmada birden çok biyomarker alt kümeleri bile aynı ya da benzer şekilde etkili sınıflandırma performansları ile varlığını gösterdi. Bu iletişim kuralı biyomarker alt kümeleri ile ikili sınıflandırma performansları, Kullanıcı tanımlı bir kesim iyi tespit için basit ve anlaşılır bir metodoloji sunar. Veri hazırlama ve yükleme, temel bilgileri özetleme, parametre ayarlama, biyomarker tarama, sonuç görselleştirme ve yorumu, biyomarker gen ek açıklamaları ve sonuç ve görselleştirme ihracat, protokol oluşur yayın kalitesi. Strateji eleme önerilen biyomarker sezgisel ve biyomarker algılama algoritmaları geliştirmek için genel bir kural gösterir. Bir Kullanıcı dostu grafik kullanıcı arabirimi (GUI) Python, biyomedikal araştırmacılar bunların sonuçları doğrudan erişmesini sağlayan programlama dilini kullanarak geliştirilmiştir. Kaynak kodu ve manuel kSolutionVis kullanımı-ebilmek var olmak downloaded--dan http://www.healthinformaticslab.org/supp/resources.php.

Giriş

İkili sınıflandırma, en yaygın olarak incelenmiş ve zorlu veri madenciliği Biyomedikal alanında sorunlar örneklerinin en doğru ayrımcılık güç1, iki gruplar eğitimli bir sınıflandırma modelini oluşturmak için kullanılır 2 , 3 , 4 , 5 , 6 , 7. Biyomedikal alanında oluşturulan büyük veri doğasında olan "büyük p küçük n" have paradigma, özellikler genellikle daha örnekleri6,8,9sayısından daha büyük sayıda. Bu nedenle, biyomedikal araştırmacılar overfitting sorun8,9önlemek için sınıflandırma algoritmaları kullanan önce özelliği boyut azaltmak zorunda. Tanı biyolojik tespit edilen özellikleri belirli bir hastalık hastaların sağlıklı kontrol örnekleri10,11ayıran bir alt olarak tanımlanır. Hastalar genellikle olumlu örnek olarak tanımlanır ve sağlıklı kontrol olumsuz örnekleri12olarak tanımlanır.

Son yıllarda yapılan çalışmalarda ile aynı veya benzer şekilde etkili sınıflandırma performansları Biyomedikal veri kümesi5için birden fazla çözüm var olduğunu ileri sürmüşlerdir. Hemen hemen tüm özellik seçimi algoritmalar aynı veri kümesi için tek bir çözüm üreten deterministik algoritmalar vardır. Genetik algoritmalar aynı anda birden çok çözümü benzer performanslar ile oluşturabilir, ama onlar hala bir çözüm en iyi fitness işleviyle bir belirli veri kümesi13,14için çıktı olarak seçmeye çalışın.

Özellik seçimi algoritmaları kabaca filtreleri veya sarmalayıcılar12olarak gruplandırılabilir. Üst -k özellikleri onların anlamlı bireysel ilişki özellikleri duymadığını ikili sınıf etiketlerle tarafından sıralanır her diğer15,16,17 bağımsız bir filtre algoritması seçilirse . Her ne kadar bu varsayım için hemen hemen tüm gerçek veri gerçek tutmaz, sezgisel filtre kuralı de çoğu zaman, örneğin, mehmet (en az artıklık ve en büyük alaka) algoritması, Wilcoxon testi temel özelliği (WRank) filtreleme gerçekleştirir algoritma ve ROC (alıcı çalışma özelliği) Arsa dayalı (ROCRank) filtreleme algoritması. Mehmet, çünkü bir verimli filtre algoritması her biri yalnızca iki değişken içerir, maksimum-bağımlılık özellik seçim algoritması karşılaştırarak daha küçük sorunları bir dizi Kombinatorik tahmini sorun yaklasik ve Bu nedenle daha sağlam18,19olan ikili ortak değerler kullanır. Ancak, mehmet alaka artırabilir ve böylece ayrı ayrı işe yaramıyor ama zaman sadece birlikte yararlı bazı özellik birleşimler özlüyor özellikleri arasındaki etkileşimler ölçmek değil gibi bazı özellikler kullanışlılığı hafife. WRank algoritma nasıl discriminative bir özellik örnekleri iki sınıf arasında ve onun sağlamlık outliers20,21için bilinen, parametrik olmayan bir puan hesaplar. Ayrıca, ne kadar önemli, belirli bir özellik alanı altında ROC eğrisi (AUC) için incelenen ikili sınıflandırma performans22,23' tür ROCRank algoritması değerlendirir.

Öte yandan, bir sarmalayıcı yinelemeli olarak sezgisel bir kural tarafından oluşturulan bir belirli özellik alt önceden tanımlı Sınıflandırıcısı'nın performansını değerlendirir ve en iyi performans ölçüm24ile özelliği alt küme küme küme oluşturur. Bir sarmalayıcı genellikle filtre sınıflandırma performans olarak daha iyi performans ancak daha yavaş25çalışır. Örneğin, bir alt kümesi olan özellik önem skorları Gini endeksi tarafından değerlendirilir her rasgele orman düğümdeki eğitim verileri özellikleri değerlendirerek açgözlü bir kural, düzenlenmesine yardımcı olmuştur rasgele orman (RRF)26,27 algoritmasını kullanır . Da bilgi kazanç bu seçilen özelliklerin düzelmezse yeni bir özellik seçimi cezalandırılır. Ayrıca, Microarrays (PAM)28,29 algoritması, ayrıca bir sarmalayıcı algoritması için tahmin analiz bir centroid her sınıf etiketleri için hesaplar ve sonra gene cisimlerin genel doğru daraltmak için özellikleri seçer sınıf centroid. PAM için dış özellikler sağlamdır.

Üst sınıflandırma performansı ile birden çok çözümü verilen herhangi bir veri kümesi için gerekli olabilir. İlk olarak, belirli bir algoritma en iyi duruma getirme amacı bir matematiksel formül, Örneğin, minimum hata oranı30, tarafından mutlaka biyolojik örnekler için ideal olan değil tanımlanır. İkinci olarak, bir veri kümesi birden fazla, önemli ölçüde farklı çözümler benzer etkili veya bile aynı performansları ile olabilir. Hemen hemen tüm varolan özellik seçimi algoritmaları Bu çözümlerden birini rasgele çıktı31seçecektir.

Bu çalışma için kullanılan herhangi bir verilen ikili sınıflandırma veri kümesi için benzer performansları ile birden çok özellik seçimi çözümleri üreten bir bilişim analitik Protokolü tanıtacak. En Biyomedikal araştırmacıları bilişim teknikleri veya bilgisayar kodlama aşina olmayan göz önüne alındığında, bir Kullanıcı dostu grafik kullanıcı arabirimi (GUI) Biyomedikal ikili sınıflandırma veri kümeleri hızlı analiz kolaylaştırmak için geliştirilmiştir. Analitik protokolü veri yükleme ve özetleme, parametre ayarlama, boru hattı yürütme ve sonuç yorumların oluşur. Basit bir tıklama ile araştırmacı biyomarker alt kümeleri ve yayın kalitesinde görselleştirme araziler oluşturmak yapabiliyor. Protokol iki ikili sınıflandırma veri kümeleri, akut lenfoblastik lösemi (ALL), yani, ALL1 ve ALL212transcriptomes kullanarak test edilmiştir. ALL1 ve ALL2 veri kümeleri Merkezi'nden Broad Enstitüsü genom veri analizi, http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi kullanılabilir indirilmiş. ALL1 12,625 özellikleri ile 128 örnekleri içerir. Bu, 95 B hücreli örneklerdir tüm ve 33 T hücreli olan tüm. ALL2 100 örnek 12,625 özellikleri de içerir. Bu örnekleri nüks yaşadı 65 hasta ve did değil 35 hasta vardır. ALL1 bir kolay ikili sınıflandırma veri kümesi, dört filtreler ve dört sarmalayıcılar %96.7 ve % 10012elde 8 Özellik seçimi algoritmalarının 6 olmak en az bir doğruluk ile yapıldı. ALL2 %83.7 doğruluk12' den daha iyi ulaşmak yukarıda 8 Özellik seçimi algoritmaları ile daha zor bir veri kümesi iken. Bu en iyi doğruluk 56 özelliklerle korelasyon tabanlı özellik seçimi (CFS) sarmalayıcı algoritması tarafından algılanan sağlanır.

Protokol

Not: Aşağıdaki protokol sözde büyük modülleri kodlarının ve Bilişim analitik prosedür ayrıntılarını açıklar. Python sürümü 3.6.0 ve Python modülleri pandalar, abc, numpy, be, sklearn, sys, PyQt5, sys, mehmet, matematik ve matplotlib kullanarak otomatik olarak analiz sistemi geliştirilmiştir. Bu çalışmada kullanılan malzemeler Malzemeler tablolistelenir.

1. veri matris hazırlayın ve sınıf etiketleri

  1. Veri matris dosyası Şekil 1A' gösterildiği gibi bir sekme veya virgülle sınırlandırılmış matris dosyası olarak hazırlamak.
    Not: Her satır bir özelliğinin tüm değerleri vardır ve ilk öğe özelliği adıdır. Bir özellik transcriptome Mikroarray tabanlı veri kümesi için bir probeset kimliği veya başka bir değer ID methylomic veri kümesinde metilasyonu değeriyle sistein kalıntı gibi olabilir. Her sütun özellik değerleri belirli bir örneğinin örnek adı olarak ilk öğe ile verir. Bir satır sütunlara bir sekme (Şekil 1B) veya bir virgül (Şekil 1 c) tarafından ayrılır. Bir matris sekmeyle ayrılmış dosya dosya uzantısı .tsv tarafından tanınır ve matris virgülle ayrılmış dosya uzantısı .csv vardır. Bu dosya bir matris olarak .tsv veya .csv formatında yazılım Microsoft Excel gibi kaydederek oluşturulabilir. Veri matris aynı zamanda bilgisayar kodlama tarafından oluşturulabilir.
  2. Bir sekme veya virgülle sınırlandırılmış matris dosyası olarak (Şekil 1 d), veri matris dosyasına benzer sınıf etiket dosyası hazırlamak.
    Not: İlk sütun örnek adları verir ve her örnek sınıf etiketini sınıfbaşlıklı sütununda verilir. Ek sütunlar eklenebilir böylece maksimum uyumluluk kodlama sürecinde olarak kabul edilir. Sınıf etiket dosyası .tsv veya .csv dosyası olarak biçimlendirilebilir. Sınıf sütununda herhangi bir hüküm olabilir ve orada-ebilmek var olmak daha--dan iki sınıf örnekleri. Kullanıcı sınıflarının aşağıdaki analizi için herhangi iki seçebilirsiniz.

2. yük veri matris ve sınıf etiketleri

  1. Veri matris ve sınıf etiketleri belgili tanımlık bilgisayar yazılımı yükleyin. Kullanıcı tanımlı veri matris dosyası seçmek için yük veri matris düğmesini tıklatın. İlgili sınıf etiket dosyası seçmek için Yük sınıf etiket düğmesini tıklatın.
    Not: her iki eğe are yüklü sonra kSolutionVis iki dosya arasındaki uyumluluk rutin bir ekran yürütecek.
  2. Veri matris dosyası örnekleri ve özellikleri özetlenmektedir. Veri matris dosya boyutunu tahmin etmek.
  3. Örnekler ve sınıf etiket dosyası sınıflardan özetler. Sınıf etiket dosya boyutunu tahmin etmek.
  4. Her bir örneği veri matris bir sınıf etiket olup olmadığını sınamak. Örnekleri sınıf etiketlerle numaralarını özetler.

3. özetlemek ve veri kümesinin temel istatistikleri görüntüleme

  1. Özetle, herhangi bir belirtilen anahtar kelime giriş düğmesini ve yazılım 20 dizinlenmiş özellikler ve karşılık gelen özellikler adları görüntüler.
    Not: Kullanıcılar da onun temel istatistikleri ve karşılık gelen değer dağıtım tüm giriş örnekleri arasında görmek için bulmak istediğiniz özellik adı belirtmeniz gerekiyor.
  2. Bir anahtar kelime, Örneğin "1000_at", metin kutusunda bulmak özetlenecek belirli bir özellik için özellik sağlar. Tıkırtı belgili tanımlık düğme için verilen bu özelliği temel istatistikleri için özetleme .
    Not: Anahtar kelime hedef özellik adları, kullanıcıların arama işlemini kolaylaştıran herhangi bir yerde görünebilir.
  3. Birden fazla özellik belirli anahtar sözcük ile bulmak için özetleme düğmesini ve sonra bir özellik özetleme yukarıda adım ile devam etmek için benzersiz özellik kimliği belirtin.

4. sınıf etiketleri ve üst sıralarda yer alan özelliklerden belirlemek

  1. Pozitif ("P (33)") ve negatif ("N (95)") sınıfları adlarını açılır liste kutularına Sınıf pozitif ve Negatif sınıfı, Şekil 2 ' de (orta) gösterildiği gibi seçin.
    Not: Bu bir dengeli ikili sınıflandırma veri kümesi, yani, pozitif ve negatif örnekler sayı arasındaki farkı en az düzeydedir seçmek için önerilmektedir. Örneklerin sayısını da iki açılan kutuya her sınıf etiket adından sonra parantez içinde verilir.
  2. 10 en iyi özellikleri (parametre pTopX) sayı olarak açılan kutuyu Top_X (?) tercih özellik alt kapsamlı bir ekran için.
    Not: Yazılım tarafından P- bir t-testi ile her özelliği pozitif ve negatif sınıflarını karşılaştırma hesaplanandeğeri tüm özellikleri otomatik olarak yer alıyor. Bir özellik ile daha küçük bir P-değeri iki sınıf örnekleri arasında daha iyi ayrımcı bir güce sahip. Kapsamlı tarama modülü yoğun hesaplama. PTopX parametre varsayılan 10'dur. Kullanıcı-ebilmek değişmek bu parametre 10-50 aralığında tatmin edici bulana özelliği iyi sınıflandırma performansları ile alt kümeleri.

5. Sistem parametreleri için farklı performanslar nağme

  1. Performans ölçümü (pMeasurement) doğruluk (Acc) seçili Sınıflandırıcısı aşırı öğrenme makine (ELM) için açılan kutusunda Acc/arkamı (?) seçin. Başka bir seçenek, bu parametrenin ölçümdür dengeli doğruluk (arkamı).
    Not: TP, FN, TN, ve FP gerçek pozitif, yanlış negatifler, doğru negatifleri ve yanlış pozitif sayıları sırasıyla olsun. Ölçüm Acc (TP+TN)/(TP+FN+TN+FP), hangi en iyi bir dengeli veri kümesi6tarihinde inşaat. olarak tanımlanmıştır. Ama Acc için en iyi duruma getirilmiş bir Sınıflandırıcısı olumsuz örnekleri sayısı kadar pozitif olanlar daha büyük ise tüm örnekleri negatif sınıfa atayın. Arkamı (Sn + Sp) tanımlanan / 2, nerede Sn TP/(TP+FN) = ve TN/(TN+FP) Sp = pozitif doğru tahmin edilen oranları ve örnekleri, sırasıyla negatif. Bu nedenle, arkamı tahmin performansları üzerinde iki sınıf normalleştirir ve dengeli tahmin performans üzerinde iki dengesiz sınıf yol açabilir. ACC pMeasurementvarsayılan seçimdir. Belgili tanımlık bilgisayar yazılımı varsayılan olarak Sınıflandırıcısı ELM sınıflandırma performansları hesaplamak için kullanır. Kullanıcı ayrıca SVM (destek vektör makine), KNN (k en yakın komşu), karar ağacı veya Naïve Bayes bir Sınıflandırıcısı seçebilirsiniz.
  2. Belirtilen performans ölçümü için kesme biçimi değerini 0.70 (parametre pCutoff) giriş kutusuna seçin pCutoff:.
    Not: Acc ve arkamı aralığı 0 ile 1 arasında hem de Kullanıcı bir değeri pCutoff belirtebilirfigure-protocol-6912[0, 1] eşleşen çözümleri görüntülemek için kesim olarak. Yazılım bir kapsamlı özelliği-eleme alt taşır ve pCutoff uygun bir seçim 3 boyutlu görselleştirme daha sezgisel ve açık hale getirecek. Varsayılan değer pCutoff olduğunu 0,70.

6. koşmak belgili tanımlık boru hattı ve etkileşimli GÖRÜNTÜLENMEYECEKTİR sonuçlar üretmek

  1. Boru hattı çalıştırmak ve görselleştirme araziler, Şekil 2 ' de (alt) gösterildiği gibi oluşturmak için analiz düğmesini tıklatın.
    Not: Sol tablodaki tüm özellik alt kümeleri ve5daha önce açıklandığı gibi Sınıflandırıcısı ELM, 10 kat çapraz doğrulama yöntemi tarafından hesaplanan onların pMeasurement verir. İki 3B scatter araziler ve iki satır araziler için özellik alt tarama yordam geçerli parametre ayarları ile oluşturulur.
  2. 0.70 pMeasurement kesme (parametre piCutoff, giriş kutusu değeri) varsayılan değer ve 10 en iyi özelliği alt kümeleri (parametre piFSNum) sayısı varsayılan seçin.
    Not: Boru hattı parametreleri pTopX, pMeasurement ve pCutoffkullanılarak yürütülür. Alt kümeleri daha fazla olabilir tespit özelliği ekranlı kesme piCutoffkullanarak, ancak piCutoff pCutoffküçük olamaz. Bu nedenle, piCutoff pCutoff başlatılır ve yalnızca özellik alt kümeleri performans ölçüm ≥ piCutoff ile görüntülenir. PCutoff piCutoff varsayılan değeridir. Bazen pek çok çözüm ve sadece en iyi piFSNum kSolutionVis algılar (varsayılan: 10) özelliği alt kümeleri görüntülenir. Yazılım tarafından tespit özelliği alt kümeleri sayısı piFSNumküçükse, görselleştirildiği özelliği alt kümeleri.
  3. Toplamak ve yazılım tarafından algılanan Özellikler Şekil 3' te gösterilen yorumlamak.
    Not: Soldaki kutu tablo tespit özelliği alt kümeleri ve kendi performans ölçümlerinizi gösterir. İlk üç sütun "F1", "F2" ve "F3" adlarıdır. Her özellik alt üç özelliklerinde bir satır sıralama düzeninde göz önüne alındığında (F1 < F2 < F3). Son sütun (Acc ya da arkamı) performans ölçümü her özellik kümesini verir ve sütun adını (Acc ya da arkamı) pMeasurementdeğeridir.

7. yorumlamak 3D Scatter araziler görselleştirmek ve özellik alt kümeleri 3D Scatter araziler kullanma benzer şekilde etkili ikili sınıflandırma performansları ile yorumlamak

  1. Şekil 3 ' te (ortadaki kutu) gösterilen yazılım tarafından algılanan en iyi 10 özelliği alt kümeleri en iyi sınıflandırma performansları (Acc ya da arkamı) ile 3D Dağılım Arsa oluşturmak için analiz düğmesini tıklatın. Saflarını sırasını artan bir özellik alt üç özellikleri sıralayabilir ve üç özellik saflarına F1/F2/F3 eksen yani, F1 kullanır < F2 < F3.
    Not: Bir nokta rengini karşılık gelen özellik alt küme küme küme ikili sınıflandırma performans gösterir. Bir veri kümesi benzer şekilde etkili performans ölçümleri ile birden çok özellik alt kümeleri olabilir. Bu nedenle, bir etkileşimli ve Basitleştirilmiş dağılım çizim gereklidir.
  2. Değişmek belgili tanımlık değer için 0,70 giriş kutusunda pCutoff: ve tıkırtı belgili tanımlık düğme özelliği alt kümeleri ile performans ölçüm ≥ piCutoff, 3D dağılım çizim oluşturmak için analiz Şekil 3 ' te (sağdaki kutu) görüldüğü gibi. 3D dağılım çizim bir görüş açısı el ile ayarlamak için yeni bir pencere açmak için 3D ayar düğmesini tıklatın.
    Not: Her özellik alt küme olarak aynı şekilde bir nokta tarafından temsil edilir. 3D dağılım çizim varsayılan açısı oluşturuldu. 3 boyutlu görselleştirme ve tuning, ayrı bir pencerede kolaylaştırmak için 3D ayarlamadüğmesini tıklatarak açılır.
  3. Algılanan özelliği alt kümeleri fazlalığı azaltmak için Küçült düğmesini tıklatın.
    Not: kullanıcılar daha fazla özellik üçüz seçin ve özellik alt kümeleri artıklık en aza indirmek istiyorsanız, belgili tanımlık bilgisayar yazılımı da mehmet özellik seçim algoritmasını kullanarak bu işlevi sağlar. Küçült düğmesini tıklatarak sonra kSolutionVis bu gereksiz özellikleri özellik üçüz kaldırın ve tabloyu yeniden ve iki yukarıda belirtilen araziler dağılım. Özellik üçüz kaldırılan özelliklerin tablo anahtar kelime ile değiştirilir. Hiçbiri değerlerini F1/F2/F3 eksen içinde piFSNum (F1/F2/F3 normal değer aralığı [1, top_x]'dir) değeri olarak gösterilir. Bu nedenle, None değeri içerir noktalar 3D "aykırı" nokta çizer gibi görünebilir. El ile ayarlanabilir 3D araziler "Elle ve 3B nokta araziler ayarlama" takıma giren maddeler buldum.

8. gen ek açıklamaları ve insan hastalıkları ile onların dernekler bulmak

Not: Adımları 8-10 bir genin DNA ve protein dizi düzeyinden ek açıklama eklemek nasıl gösterilmektedir. İlk olarak, yukarıdaki adımları her biyomarker kimliğinden gen sembolü DAVID32veritabanından alınır ve sonra iki temsilcisi web sunucusu düzeyde DNA ve protein, bu gen sembolünden sırasıyla analiz etmek için kullanılır. Sunucu GeneCard bir kapsamlı işlevsel ek açıklama verilen gen sembolü, ve Online Mendel kalıtımı adam veritabanında (OMIM) hastalığı-gen derneklerin en kapsamlı küratörlüğü sağlar. Sunucunun UniProtKB en kapsamlı protein veritabanı biridir ve sunucu grup tabanlı tahmin sistemi (GPS) sinyal fosforilasyon'ın çok büyük bir listesi için kinaz öngörür.

  1. Kopyalayıp web bağlantısını DAVID veritabanının bir web tarayıcısına yapıştırın ve bu veritabanı web sayfasını açın. Şekil 4A görülen Gene kimliği dönüşüm bağlantısını tıklatın ve özellik kimlikleri 38319_at/38147_at/33238_at ilk biyomarker alt ALL1 veri kümesinin (4B rakam) girdi. Gene liste bağlantısını tıklayın ve Şekil 4B' gösterildiği gibi Gönder Listesi'ni tıklatın. Ek açıklamaları ilgi almak ve Gen listesini göster (Şekil 4 c) tıklatın. Gen sembolleri (Şekil 4 d). listesini al
    Not: sonraki adımlar daha fazla fonksiyonel ek açıklamalar için burada alındı gen semboller kullanılır.
  2. Kopyalayıp web bağlantısını Gene kartları veritabanının bir web tarayıcısına yapıştırın ve bu veritabanı web sayfasını açın. Bir genin adı CD3D veritabanı sorgu giriş kutusuna arama ve Tablo 1 ve Şekil 5Agösterildiği gibi bu gen gen kartları33,34, üzerinden ek açıklamalar bulmak.
    Not: Gen kartları ilgili yollar ve diğer fonksiyonel modüller ve adlandırma, genomik, proteomik, hücre altı yerelleştirme, sunan kapsamlı gen Bilgi Bankası değil. PDB/PDB_REDO35, Entrez Gene36, OMIM37ve UniProtKB38gibi çeşitli Biyomedikal veritabanları için dış bağlantılar da sağlar. Özellik adı bir standart gen simgesi yoksa, veritabanı ENSEMBL39dönüştürmek için kullanın. CD3D gen T-hücre reseptör T3 Delta zinciri adıdır.
  3. Kopyalayıp web bağlantısını OMIM veritabanının bir web tarayıcısına yapıştırın ve bu veritabanı web sayfasını açın. Bir genin adına CD3D arama ve Tablo 1 ve Şekil 5Bgösterildiği gibi bu gen OMIM37, veritabanından ek açıklamaları bulabilirsiniz.
    Not: OMIM şimdi devralınabilir hastalıkları ile insan gen bağlantıların en kapsamlı ve yetkili kaynaklardan biri olarak hizmet vermektedir. OMIM genetik mutasyonlar hastalık ilişkili40Katalog için Dr. Victor A. McKusick tarafından başlatılmıştır. OMIM şimdi 15,000 insan genleri ve Aralık itibariyle fazla 8.500 fenotipleri 1st 2017 kapsar.

9. kodlanmış proteinler ve translasyonel modifikasyonlar ek açıklama eklemek

  1. Kopyalayın ve web bağlantısını UniProtKB veritabanının bir web tarayıcısına yapıştırın ve bu veritabanı web sayfasını açın. Bir genin adı CD3D UniProtKB sorgu giriş kutusuna arama ve Tablo 1 ve Şekil 5Cgösterildiği gibi bu gen veritabanı38, ek açıklamalar bulmak.
    Not: UniProtKB proteinler, isimlendirme ve fonksiyonel bilgi de dahil olmak üzere için ek açıklamalar zengin bir kaynağıdır toplar. Bu veritabanı PDB/PDB_REDO35, OMIM37ve Pfam41gibi yaygın olarak kullanılan diğer veritabanları için dış bağlantılar da sağlar.
  2. Kopyalayın ve web bağlantısını web sunucusunun GPS bir web tarayıcısına yapıştırın ve bu web sunucusu web sayfasını açın. UniProtKB veritabanı38 biyomarker gen CD3D tarafından kodlanmış protein sıra almak ve protein translasyonel modifikasyon (PTM) artıkları çevrimiçi araç GPS, Tablo 1 ve Şekil 5 dgösterildiği gibi kullanarak tahmin ediyor.
    Not: Dinamik ve karmaşık biyolojik bir sistemdir ve varolan veritabanları yalnızca bilinen bilgileri toplamak. Bu nedenle, biyomedikal tahmin çevrimiçi araçlar yanı sıra çevrimdışı programları hypothesized bir mekanizma tamamlayacak yararlı kanıt sağlayabilir. GPS gelişmiş ve gelişmiş için üzerinde 12 yaşındaki7,42 oldu ve protein PTM kalıntılarında belirli peptit dizisi43,44tahmin etmek için kullanılabilir. Araçları, aynı zamanda protein hücre altı konumu45 ve diğerleri arasında transkripsiyon faktörü bağlayıcı motifler 46 değerlendirilmesinde de dahil olmak üzere çeşitli araştırma konuları bulunmaktadır.

10. Protein-Protein etkileşimleri ve zenginleştirilmiş fonksiyonel modülleri ek açıklama eklemek

  1. Kopyalayın ve web bağlantısını web sunucusunun dize bir web tarayıcısına yapıştırın ve bu web sunucusu web sayfasını açın. CD3D ve P53 genleri için listede arama ve onların düzenledi özellikler dize47veritabanı kullanarak bulabilirsiniz. Aynı yordamı başka bir web sunucusuna, DAVID32kullanılarak yapılan.
    Not: bireysel genler için yukarıda belirtilen ek açıklamalar yanı sıra, birçok büyük ölçekli Bilişim araçları bir grubun genlerin özelliklerini araştırmak için kullanılabilir vardır. Yeni yapılan bir çalışmada, tek tek kötü marker gen bir çok gelişmiş gen set5teşkil gösterdi. Bu nedenle, için daha karmaşık biyolojik ekran bilgisayar maliyet değer. Veritabanı dize bilinen ya da tahmin edilen etkileşim bağlantıları görselleştirmek ve David sunucu sorgulanan genler47yılında32önemli fenotip-dernekler ile fonksiyonel modüller algılayabilir. Çeşitli diğer büyük ölçekli Bilişim analiz araçları da mevcuttur.

11. ihracat biyomarker oluşturulan alt kümeleri ve görselleştirme araziler

  1. Algılanan biyomarker alt kümeleri için daha fazla çözümleme .tsv veya .csv metin dosyası olarak dışa aktarın. Algılanan biyomarker alt kümeleri tablo altında tablo dışa aktar düğmesini tıklatın ve hangi metin biçimi olarak kaydetmek için seçin.
  2. Görselleştirme araziler bir görüntü dosyası olarak verin. Her arsa Kaydet düğmesini tıklatın ve hangi görüntü biçimi olarak kaydetmek için seçin.
    Not: Yazılım piksel biçimi .png ve vektör biçimi .svg destekler. Piksel görüntü vektör görüntüler günlük yayın amaçlar için gerekli herhangi bir çözünürlük için dönüştürülmüş olabilir iken bilgisayarınızın ekranında görüntülemek için iyidir.

Sonuçlar

Bu iş akışı (Şekil 6) ikili sınıflandırma veri kümesi için benzer verimliliği ile birden fazla biyomarker alt kümeleri bulmak için hedeftir. Tüm süreç iki örnek veri kümeleri tarafından ALL1 ve bir biyomarker basılmış algılama çıkarılan ALL212,48çalışma gösterilmiştir. Kullanıcı-ebilmek install kSolutionVis ek materyalleri yönergeleri takip ederek.

Tartışmalar

Bu çalışmada bir ikili sınıflandırma Kullanıcı tarafından belirtilen veri kümesi için bir takip etmek kolay çok çözüm biyomarker algılama ve karakterizasyonu Protokolü sunar. Yazılım kullanım kolaylığı ve esnek alma/verme arabirimleri Biyomedikal bir araştırmacı kolayca yazılım GUI kullanarak kendi veri kümesi araştırmak izin çeşitli dosya biçimleri için bir vurgu yapıyor. Bu çalışmada da benzer şekilde etkili modelleme performansları, daha önce birçok varolan biyomarker algıla...

Açıklamalar

Bu raporla ilgili hiçbir çatışması var.

Teşekkürler

Bu eser Çince Academy of Sciences (XDB13040400) ve başlangıç grant Jilin Üniversitesi stratejik öncelik araştırma programı tarafından desteklenmiştir. Adsız yorumcular ve Biyomedikal test kullanıcılar kullanılabilirlik ve kSolutionVis işlevselliğini geliştirmeye yönelik yapıcı yorumlar için takdir edildi.

Malzemeler

NameCompanyCatalog NumberComments
Hardware
laptopLenovoX1 carbonAny computer works. Recommended minimum configuration: 1GB extra hard disk space, 1 GB memory, 2.0MHz CPU
NameCompanyCatalog NumberComments
Software
Python 3.0WingWareWing PersonalAny python programming and running environments support Python version 3.0 or above

Referanslar

  1. Heckerman, D., et al. Genetic variants associated with physical performance and anthropometry in old age: a genome-wide association study in the ilSIRENTE cohort. Scientific Reports. 7, 15879 (2017).
  2. Li, Z., et al. Genome-wide association analysis identifies 30 new susceptibility loci for schizophrenia. Nature Genetics. 49, 1576-1583 (2017).
  3. Winkler, T. W., et al. Quality control and conduct of genome-wide association meta-analyses. Nature Protocols. 9, 1192-1212 (2014).
  4. Harrison, R. N. S., et al. Development of multivariable models to predict change in Body Mass Index within a clinical trial population of psychotic individuals. Scientific Reports. 7, 14738 (2017).
  5. Liu, J., et al. Multiple similarly-well solutions exist for biomedical feature selection and classification problems. Scientific Reports. 7, 12830 (2017).
  6. Ye, Y., Zhang, R., Zheng, W., Liu, S., Zhou, F. RIFS: a randomly restarted incremental feature selection algorithm. Scientific Reports. 7, 13013 (2017).
  7. Zhou, F. F., Xue, Y., Chen, G. L., Yao, X. GPS: a novel group-based phosphorylation predicting and scoring method. Biochemical and Biophysical Research Communications. 325, 1443-1448 (2004).
  8. Sanchez, B. N., Wu, M., Song, P. X., Wang, W. Study design in high-dimensional classification analysis. Biostatistics. 17, 722-736 (2016).
  9. Shujie, M. A., Carroll, R. J., Liang, H., Xu, S. Estimation and Inference in Generalized Additive Coefficient Models for Nonlinear Interactions with High-Dimensional Covariates. Annals of Statistics. 43, 2102-2131 (2015).
  10. Li, J. H., et al. MiR-205 as a promising biomarker in the diagnosis and prognosis of lung cancer. Oncotarget. 8, 91938-91949 (2017).
  11. Lyskjaer, I., Rasmussen, M. H., Andersen, C. L. Putting a brake on stress signaling: miR-625-3p as a biomarker for choice of therapy in colorectal cancer. Epigenomics. 8, 1449-1452 (2016).
  12. Ge, R., et al. McTwo: a two-step feature selection algorithm based on maximal information coefficient. BMC Bioinformatics. 17, 142 (2016).
  13. Tumuluru, J. S., McCulloch, R. Application of Hybrid Genetic Algorithm Routine in Optimizing Food and Bioengineering Processes. Foods. 5, (2016).
  14. Gen, M., Cheng, R., Lin, L. . Network models and optimization: Multiobjective genetic algorithm approach. , (2008).
  15. Radovic, M., Ghalwash, M., Filipovic, N., Obradovic, Z. Minimum redundancy maximum relevance feature selection approach for temporal gene expression data. BMC Bioinformatics. 18, 9 (2017).
  16. Ciuculete, D. M., et al. A methylome-wide mQTL analysis reveals associations of methylation sites with GAD1 and HDAC3 SNPs and a general psychiatric risk score. Translational Psychiatry. 7, e1002 (2017).
  17. Lin, H., et al. Methylome-wide Association Study of Atrial Fibrillation in Framingham Heart Study. Scientific Reports. 7, 40377 (2017).
  18. Wang, S., Li, J., Yuan, F., Huang, T., Cai, Y. D. Computational method for distinguishing lysine acetylation, sumoylation, and ubiquitination using the random forest algorithm with a feature selection procedure. combinatorial chemistry & high throughput screening. , (2017).
  19. Zhang, Q., et al. Predicting Citrullination Sites in Protein Sequences Using mRMR Method and Random Forest Algorithm. combinatorial chemistry & high throughput screening. 20, 164-173 (2017).
  20. Cuena-Lombrana, A., Fois, M., Fenu, G., Cogoni, D., Bacchetta, G. The impact of climatic variations on the reproductive success of Gentiana lutea L. in a Mediterranean mountain area. International journal of biometeorology. , (2018).
  21. Coghe, G., et al. Fatigue, as measured using the Modified Fatigue Impact Scale, is a predictor of processing speed improvement induced by exercise in patients with multiple sclerosis: data from a randomized controlled trial. Journal of Neurology. , (2018).
  22. Hong, H., et al. Applying genetic algorithms to set the optimal combination of forest fire related variables and model forest fire susceptibility based on data mining models. The case of Dayu County, China. Science of the Total Environment. 630, 1044-1056 (2018).
  23. Borges, D. L., et al. Photoanthropometric face iridial proportions for age estimation: An investigation using features selected via a joint mutual information criterion. Forensic Science International. 284, 9-14 (2018).
  24. Kohavi, R., John, G. H. Wrappers for feature subset selection. Artificial intelligence. 97, 273-324 (1997).
  25. Yu, L., Liu, H. Efficient feature selection via analysis of relevance and redundancy. Journal of machine learning research. 5, 1205-1224 (2004).
  26. Wexler, R. B., Martirez, J. M. P., Rappe, A. M. Chemical Pressure-Driven Enhancement of the Hydrogen Evolving Activity of Ni2P from Nonmetal Surface Doping Interpreted via Machine Learning. Journal of American Chemical Society. , (2018).
  27. Wijaya, S. H., Batubara, I., Nishioka, T., Altaf-Ul-Amin, M., Kanaya, S. Metabolomic Studies of Indonesian Jamu Medicines: Prediction of Jamu Efficacy and Identification of Important Metabolites. Molecular Informatics. 36, (2017).
  28. Shangkuan, W. C., et al. Risk analysis of colorectal cancer incidence by gene expression analysis. PeerJ. 5, e3003 (2017).
  29. Chu, C. M., et al. Gene expression profiling of colorectal tumors and normal mucosa by microarrays meta-analysis using prediction analysis of microarray, artificial neural network, classification, and regression trees. Disease Markers. , 634123 (2014).
  30. Fleuret, F. Fast binary feature selection with conditional mutual information. Journal of Machine Learning Research. 5, 1531-1555 (2004).
  31. Pacheco, J., Alfaro, E., Casado, S., Gámez, M., García, N. A GRASP method for building classification trees. Expert Systems with Applications. 39, 3241-3248 (2012).
  32. Jiao, X., et al. DAVID-WS: a stateful web service to facilitate gene/protein list analysis. Bioinformatics. 28, 1805-1806 (2012).
  33. Rappaport, N., et al. Rational confederation of genes and diseases: NGS interpretation via GeneCards, MalaCards and VarElect. Biomedical Engineering OnLine. 16, 72 (2017).
  34. Rebhan, M., Chalifa-Caspi, V., Prilusky, J., Lancet, D. GeneCards: integrating information about genes, proteins and diseases. Trends in Genet. 13, 163 (1997).
  35. Joosten, R. P., Long, F., Murshudov, G. N., Perrakis, A. The PDB_REDO server for macromolecular structure model optimization. IUCrJ. 1, 213-220 (2014).
  36. Maglott, D., Ostell, J., Pruitt, K. D., Tatusova, T. Entrez Gene: gene-centered information at NCBI. Nucleic Acids Research. 39, D52-D57 (2011).
  37. Amberger, J. S., Bocchini, C. A., Schiettecatte, F., Scott, A. F., Hamosh, A. OMIM.org: Online Mendelian Inheritance in Man (OMIM(R)), an online catalog of human genes and genetic disorders. Nucleic Acids Research. 43, D789-D798 (2015).
  38. Boutet, E., et al. the Manually Annotated Section of the UniProt KnowledgeBase: How to Use the Entry View. Methods in Molecular Biology. 1374, 23-54 (2016).
  39. Zerbino, D. R., et al. Ensembl 2018. Nucleic Acids Res. , (2017).
  40. McKusick, V. A., Amberger, J. S. The morbid anatomy of the human genome: chromosomal location of mutations causing disease. Journal of Medical Genetics. 30, 1-26 (1993).
  41. Finn, R. D., et al. The Pfam protein families database: towards a more sustainable future. Nucleic Acids Research. 44, D279-D285 (2016).
  42. Xue, Y., et al. GPS: a comprehensive www server for phosphorylation sites prediction. Nucleic Acids Research. 33, W184-W187 (2005).
  43. Deng, W., et al. GPS-PAIL: prediction of lysine acetyltransferase-specific modification sites from protein sequences. Scientific Reports. 6, 39787 (2016).
  44. Zhao, Q., et al. GPS-SUMO: a tool for the prediction of sumoylation sites and SUMO-interaction motifs. Nucleic Acids Research. 42, W325-W330 (2014).
  45. Wan, S., Duan, Y., Zou, Q. HPSLPred: An Ensemble Multi-Label Classifier for Human Protein Subcellular Location Prediction with Imbalanced Source. Proteomics. 17, (2017).
  46. Zhang, H., Zhu, L., Huang, D. S. WSMD: weakly-supervised motif discovery in transcription factor ChIP-seq data. Scientific Reports. 7, 3217 (2017).
  47. Szklarczyk, D., et al. STRING v10: protein-protein interaction networks, integrated over the tree of life. Nucleic Acids Research. 43, D447-D452 (2015).
  48. Chiaretti, S., et al. Gene expression profile of adult T-cell acute lymphocytic leukemia identifies distinct subsets of patients with different response to therapy and survival. Blood. 103, 2771-2778 (2004).
  49. Rowley, J. D., et al. Mapping chromosome band 11q23 in human acute leukemia with biotinylated probes: identification of 11q23 translocation breakpoints with a yeast artificial chromosome. Proceedings of the National Academy of Sciences of the United States of America. 87, 9358-9362 (1990).
  50. Rabbitts, T. H., et al. The chromosomal location of T-cell receptor genes and a T cell rearranging gene: possible correlation with specific translocations in human T cell leukaemia. Embo Journal. 4, 1461-1465 (1985).
  51. Yin, L., et al. SH2D1A mutation analysis for diagnosis of XLP in typical and atypical patients. Human Genetics. 105, 501-505 (1999).
  52. Brandau, O., et al. Epstein-Barr virus-negative boys with non-Hodgkin lymphoma are mutated in the SH2D1A gene, as are patients with X-linked lymphoproliferative disease (XLP). Human Molecular Genetics. 8, 2407-2413 (1999).
  53. Burnett, R. C., Thirman, M. J., Rowley, J. D., Diaz, M. O. Molecular analysis of the T-cell acute lymphoblastic leukemia-associated t(1;7)(p34;q34) that fuses LCK and TCRB. Blood. 84, 1232-1236 (1994).
  54. Taylor, G. M., et al. Genetic susceptibility to childhood common acute lymphoblastic leukaemia is associated with polymorphic peptide-binding pocket profiles in HLA-DPB1*0201. Human Molecular Genetics. 11, 1585-1597 (2002).
  55. Wadia, P. P., et al. Antibodies specifically target AML antigen NuSAP1 after allogeneic bone marrow transplantation. Blood. 115, 2077-2087 (2010).
  56. Wilson, D. M., et al. 3rd et al. Hex1: a new human Rad2 nuclease family member with homology to yeast exonuclease 1. Nucleic Acids Research. 26, 3762-3768 (1998).
  57. O'Sullivan, R. J., et al. Rapid induction of alternative lengthening of telomeres by depletion of the histone chaperone ASF1. Nature Structural & Molecular Biology. 21, 167-174 (2014).
  58. Lee-Sherick, A. B., et al. Aberrant Mer receptor tyrosine kinase expression contributes to leukemogenesis in acute myeloid leukemia. Oncogene. 32, 5359-5368 (2013).
  59. Guyon, I., Elisseeff, A. An introduction to variable and feature selection. Journal of machine learning research. 3, 1157-1182 (2003).
  60. John, G. H., Kohavi, R., Pfleger, K. . Machine learning: proceedings of the eleventh international conference. , 121-129 (1994).
  61. Jain, A., Zongker, D. Feature selection: Evaluation, application, and small sample performance. IEEE transactions on pattern analysis and machine intelligence. 19, 153-158 (1997).
  62. Taylor, S. L., Kim, K. A jackknife and voting classifier approach to feature selection and classification. Cancer Informatics. 10, 133-147 (2011).
  63. Andresen, K., et al. Novel target genes and a valid biomarker panel identified for cholangiocarcinoma. Epigenetics. 7, 1249-1257 (2012).
  64. Guo, P., et al. Gene expression profile based classification models of psoriasis. Genomics. 103, 48-55 (2014).
  65. Xie, J., Wang, C. Using support vector machines with a novel hybrid feature selection method for diagnosis of erythemato-squamous diseases. Expert Systems with Applications. 38, 5809-5815 (2011).
  66. Zou, Q., Zeng, J., Cao, L., Ji, R. A novel features ranking metric with application to scalable visual and bioinformatics data classification. Neurocomputing. 173, 346-354 (2016).

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

Kanser Ara t rmalarsay 140biyomarker alg lamazellik se imiOMICikili s n fland rmafiltresar ca r renme makineELM

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Bize Ulaşın

KÜTÜPHANEYE TAVSİYE ET

JoVE HABER BÜLTENLERİ

Araştırma

Eğitim

Yazarlar

Kütüphaneciler

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır