Name: selecting multiple biomarker subsets with similarly effective binary classification performances
Uploaded: 2018-10-11T13:00:00
Description: Watch this Scientific Journal Video about Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances at JoVE.com

这项工作得到了中国科学院战略优先研究计划 (XDB13040400) 和吉林大学启动补助金的支持。匿名审阅者和生物医学测试用户对提高 kSolutionVis 的可用性和功能的建设性意见表示赞赏。

注: 以下协议描述了主要模块的信息学分析程序和伪代码的详细信息。自动分析系统是使用 python 版本3.6.0 和 python 模块 (熊猫、abc、numpy、scipy、sklearn、sys、PyQt5、sys、mRMR、数学和 matplotlib) 开发的。本研究中使用的材料列在材料表中。
1. 准备数据矩阵和类标签
<ol><li>将数据矩阵文件作为制表符或逗号分隔的矩阵文件进行准备, 如图 1A所示。...

本研究为用户指定的二进制分类数据集提供了易于遵循的多解决方案生物标志物检测和表征协议。该软件强调了用户友好性和灵活的导入/导出接口的各种文件格式, 使生物医学研究员可以很容易地使用软件 GUI 调查他们的数据集。本研究还强调了生成多个具有类似有效建模性能的解决方案的必要性, 以前许多现有的生物标记检测算法都忽略了这些方法。在未来, 新开发的生物标志物检测算法可能包?...

二进制分类是生物医学领域中最常见、最具挑战性的数据挖掘问题之一, 用于构建对两组样本进行培训的分类模型, 其中最精确的判别功率为1,2,3,4,5,6,7. 然而, 生物医学领域产生的大数据具有固有的 "大 p 小 n" 范式, 其特征数通常远远大于样本6、8、9的数量。因此, 生物医学研究人员必须在使用分类算法之前减少特征维度, 以避免过度拟合问题8,9。诊断生物标志物被定义为从健康对照样本10,11分离某一疾病患者的检测特征的子集。患者通常被定义为阳性样本, 健康控制被定义为阴性样本12。
最近的研究表明, 生物医学数据集5具有相同或类似有效的分类性能的一个以上的解决方案。几乎所有的特征选择算法都是确定性算法, 只为同一数据集生成一个解决方案。遗传算法可以同时生成具有类似性能的多个解决方案, 但他们仍然尝试选择一个具有最佳健身功能的解决方案, 作为给定数据集13、14的输出。
特征选择算法可以大致分组为过滤器或包装12。筛选器算法根据要素相互独立的假设, 选择与二进制类标签的重要个人关联排名的顶级k要素15、16、17.尽管此假设对于几乎所有实际数据集都不适用, 但启发式筛选规则在许多情况下都很好地执行, 例如, mRMR (最小冗余和最大相关性) 算法、基于魏氏测试的功能筛选 (WRank)算法, 以及 ROC (接收机操作特性) 基于图的滤波 (ROCRank) 算法。mRMR 是一种有效的滤波算法, 因为它近似于一系列较小问题的组合估计问题, 与最大依赖特征选择算法相比, 其中每一个只涉及两个变量,因此使用更健壮的18、19的成对联合概率。但是, mRMR 可能低估某些功能的用处, 因为它不测量可以增加相关性的要素之间的交互, 因此错过了一些单独无用但仅在组合时有用的要素组合。WRank 算法计算一个非参数分数, 说明特征在两类样本之间的判别方式, 并以其对异常值20、21的鲁棒性而著称。此外, ROCRank 算法评估特定特征的 ROC 曲线 (AUC) 下的区域对于调查的二进制分类性能22、23的重要性。
另一方面, 包装器会评估给定要素子集的预定义分类程序的性能, 并通过启发式规则迭代生成, 并使用最佳性能测量24创建特征子集。包装通常优于分类性能中的过滤器, 但运行速度较慢25。例如, 正则随机林 (RRF)26、27算法使用贪婪规则, 方法是在每个随机林节点上评估训练数据子集上的要素, 其要素重要性分数由基尼索引评估.如果其信息增益不能提高所选要素的性能, 则选择新特征将受到惩罚。此外, 微阵列 (PAM)28、29算法的预测分析, 还有一个包装算法, 计算每个类标签的质心, 然后选择特征, 以缩小基因质心向整体类质心。PAM 具有强大的外围功能。
对于任何给定数据集, 可能需要具有顶级分类性能的多个解决方案。首先, 确定算法的优化目标是由一个数学公式定义的,例如最小误差率30, 这不一定是生物样本的理想选择。其次, 数据集可能具有多个、显著不同的解决方案, 具有类似的有效或甚至相同的性能。几乎所有现有的特征选择算法都将随机选择其中一个解决方案作为输出31。
本研究将介绍一种信息分析协议, 用于为任何给定的二进制分类数据集生成具有相似性能的多特征选择解。考虑到大多数生物医学研究人员不熟悉地学信息技术或计算机编码, 开发了一个用户友好的图形用户界面 (GUI), 以便快速分析生物医学二进制分类数据集。分析协议包括数据加载和汇总、参数调整、管道执行和结果解释。通过简单的单击, 研究人员能够生成生物标记子集和出版物质量可视化图。该协议已通过转录两个二进制分类数据集的急性淋巴细胞白血病 (ALL),即ALL1 和 ALL212进行了测试。ALL1 和 ALL2 的数据集是从 http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi 的广泛的研究所基因组数据分析中心下载的。ALL1 包含128个具有12625个特征的样本。这些样本中, 95 是 B 细胞全部, 33 是 T 细胞。ALL2 还包括100个具有12625个功能的样本。在这些样本中, 有65例患者复发和35例没有。ALL1 是一个简单的二进制分类数据集, 最小精度为四个过滤器和四个包装为 96.7%, 6 的8功能选择算法实现 100%12。虽然 ALL2 是一个比较困难的数据集, 但上面的8个特征选择算法达到了83.7% 精度12。通过封装算法检测到的56特性、基于相关性的特征选择 (CFS), 实现了最佳精度。

<table border="0" cellpadding="0" cellspacing="0" style="width:669px;" width="669">
	<tbody>
		<tr height="22">
			<td height="22" style="height:22px;width:81px;">Hardware</td>
			<td style="width:88px;"></td>
			<td style="width:137px;"></td>
			<td style="width:363px;"></td>
		</tr>
		<tr height="64">
			<td height="64" style="height:64px;width:81px;">laptop</td>
			<td style="width:88px;">Lenovo</td>
			<td style="width:137px;">X1 carbon</td>
			<td style="width:363px;">Any computer works. Recommended minimum configuration: 1GB extra hard disk space, 1 GB memory, 2.0MHz CPU</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:81px;">Name</td>
			<td style="width:88px;">Company</td>
			<td style="width:137px;">Catalog Number</td>
			<td style="width:363px;">Comments</td>
		</tr>
		<tr height="22">
			<td height="22" style="height:22px;width:81px;">Software</td>
			<td style="width:88px;"></td>
			<td style="width:137px;"></td>
			<td style="width:363px;"></td>
		</tr>
		<tr height="43">
			<td height="43" style="height:43px;width:81px;">Python 3.0</td>
			<td style="width:88px;">WingWare</td>
			<td style="width:137px;">Wing Personal</td>
			<td style="width:363px;">Any python programming and running environments support Python version 3.0 or above</td>
		</tr>
	</tbody>
</table>

selecting multiple biomarker subsets with similarly effective binary classification performances

生物标志物检测是高通量 "组学" 研究人员最重要的生物医学问题之一, 几乎所有现有的生物标志物检测算法都能通过对给定数据集的优化性能测量来生成一个生物标记子集。.然而, 最近的一项研究表明, 有多个生物标志物子集具有相似的有效甚至相同的分类性能。该协议提供了一种简单明了的方法, 用于检测具有二进制分类性能的生物标记子集, 优于用户定义的截止。该协议包括数据准备和加载、基线信息汇总、参数调整、生物标志物筛选、结果可视化和解释、生物标记基因注释、结果和可视化输出出版质量。所提出的生物标志物筛选策略是直观的, 并证明了开发生物标志物检测算法的一般规则。使用编程语言 Python 开发了用户友好的图形用户界面 (GUI), 使生物医学研究人员能够直接访问其结果。kSolutionVis 的源代码和手册可以从 http://www.healthinformaticslab.org/supp/resources.php 下载。

此工作流的目标 (图 6) 是检测多个具有类似效率的二进制分类数据集的生物标记子集。整个过程由两个示例数据集 ALL1 和 ALL2 从最近发布的生物标志物检测研究中提取12,48。用户可以按照补充材料中的说明安装 kSolutionVis。
数据集 ALL1 分析了 12 625 转录组功能 95 ...

Watch this Scientific Journal Video about Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances at JoVE.com

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

现有算法为生物标志物检测数据集生成一个解决方案。该协议演示了多个类似的有效解决方案的存在, 并提供了一个用户友好的软件, 以帮助生物医学研究人员调查其数据集的建议的挑战。计算机科学家也可以在他们的生物标志物检测算法中提供这一特性。

用相似有效的二元分类性能选择多个生物标记子集

Biomarker detection is one of the more important biomedical questions for high-throughput &#39;omics&#39; researchers, and almost all existing biomarker ...

此措施有助于回答生物医学检测领域有关生成多个解决方案的关键问题。该技术的主要优点是，它提供了一个用户友好的图形用户界面，以帮助生物医学研究人员检测多个功能沉降。首先将数据矩阵和类标签加载到软件中。单击加载数据矩阵以选择用户指定的数据指标文件，并加载类标签以选择相应的类标签文件。若要确定排名靠前的要素数中的类标签，请在相应的下拉框中选择正类和负类的名称，并在前 X 下拉框中选择 10 作为顶级要素的数量，以用于功能子集的综合屏幕。要调整不同性能的系统参数，请选择性能测量精度作为所选极端学习机器分类器的精度平衡精度下拉框。然后，在性能截止输入框中为指定的性能测量选择 0.7 的截止值。要运行管道，请单击"分析"并选择 0.7 作为性能测量截止的默认值。并且，10 作为最佳要素子集的默认编号。然后收集和解释软件检测到的功能。若要生成具有软件检测到的最佳分类性能的子集前 10 个要素的 3D 散点图，请单击使用 F1、F2 和 F3 轴三个要素的排名，按其等级的升序对要素子集中的三个要素进行排序。将性能截止值更改为 0.7，然后单击"分析"以生成要素子集的 3D 散点图，其大于或等于性能截止性能测量值。然后单击 3D 调谐以打开一个新窗口，手动调整 3D 散点图的视角，并减少可减少检测到要素子集的冗余。要注释DNA和蛋白质序列水平中的基因，请打开David数据库网页，然后单击基因ID转换链接，输入准备好数据集的第一个生物标志子集的特征ID。单击基因列表链接并单击提交列表以检索感兴趣的注释，并显示基因列表以获取基因符号列表。接下来，打开 GeneCards 数据库网页，在数据库查询输入框中输入感兴趣的基因名称，以查找该基因的注释。打开人类数据库中的在线孟德利亚遗传，并搜索该基因，从数据库中查找该基因的注释。要注释编码的蛋白质，请打开 UniProt 知识库数据库页面，并搜索该数据库中的基因注释。打开基于组的预测系统（GPS Web 服务器）并从 UniProt 知识库数据库中检索生物标志物基因编码的蛋白质序列，并使用在线 GPS 工具预测蛋白质过渡后修饰残留物。要注释蛋白质-蛋白质相互作用和丰富的功能模块，请打开字符串 Web 服务器页面，并使用字符串数据库搜索感兴趣的基因以查找其精心策划的属性。要导出检测到的生物标记子集以进行进一步分析，请单击导出表并选择用于保存文件的适当文本格式。然后，将可视化绘图导出为单独的图像文件，单击每个绘图下的保存并选择适当的图像格式以保存每个文件。在此代表性实验中，两个数据集被格式化为 CSV 文件，并加载到软件中，如演示。在第一个数据集中，128个样本（具有 12，625 个特征和单个类标签）加载了包含 95 个阴值样本和 33 个阳性样本的最终数据矩阵。还对第二套困难的数据集也进行了类似的操作。在要素名称中搜索特定于用户的关键字可显示每个数据集的要素直方图。对每个数据集执行管道算法后，检测出 120 个合格的生物标志子集，以便于区分数据集，其中 57 个三元生物标志子集表现出 100% 的准确性。但是，只有 76 个生物标志子集检测到困难的数据集。而且，生物标志物子集精度较低，表明生物标志物是表型特异性的，这是生物标志物检测的另一个重大挑战。在使用此过程时，必须记住，未来的选择问题具有多个解决方案。阅读 SIM 卡的最佳性能。该技术开发后，为生物医学研究人员探索生物医学检测和多种解决方案铺平了道路。

Research

JoVE Journal

Cancer Research

Anticancer Efficacy of Photodynamic Therapy with Lung Cancer-Targeted Nanoparticles

光动力疗法的抗癌功效肺癌靶向纳米粒子

Photodynamic therapy (PDT) is a non-invasive and non-surgical method representing an attractive alternative choice for lung cancer treatment. ...

科研

癌症研究

Counting Proteins in Single Cells with Addressable Droplet Microarrays

用可寻址滴微阵列计算单细胞中的蛋白质

Often cellular behavior and cellular responses are analyzed at the population level where the responses of many cells are pooled together as an average ...

Laparoscopic Pancreatoduodenectomy With Modified Blumgart Pancreaticojejunostomy

改良 Blumgart Pancreaticojejunostomy 腹腔镜胰十二指肠切除术

Minimally invasive pancreatic resections are technically demanding but rapidly increasing in popularity. In contrast to laparoscopic distal ...

Multimodal Bioluminescent and Positronic-emission Tomography/Computational Tomography Imaging of Multiple Myeloma Bone Marrow Xenografts in NOG Mice

nog 小鼠多发性骨髓瘤异种移植的多模态生物发光和正电子发射成形断层扫描成像

Multiple myeloma (MM) tumors engraft in the bone marrow (BM) and their survival and progression are dependent upon complex molecular and cellular ...

Phospho Flow Cytometry with Fluorescent Cell Barcoding for Single Cell Signaling Analysis and Biomarker Discovery

磷流式细胞仪与荧光细胞条形码用于单细胞信号分析和生物标志物发现

Aberrant cell signaling plays a central role in cancer development and progression. Most novel targeted therapies are indeed directed at proteins and ...

Repression of Multiple Myeloma Cell Growth In Vivo by Single-wall Carbon Nanotube (SWCNT)-delivered MALAT1 Antisense Oligos

Repression of Multiple Myeloma Cell Growth In Vivo by Single-wall Carbon Nanotube SWCNT-delivered MALAT1 Antisense Oligos

单壁碳纳米管 (sscnt) (mallat1 反义寡 3号) 抑制多骨髓瘤细胞在体内的生长

The single-wall carbon nanotube (SWCNT) is a new type of nanoparticle, which has been used to deliver multiple kinds of drugs into cells, such as ...

Performing Data Mining And Integrative Analysis Of Biomarker in Breast Cancer Using Multiple Publicly Accessible Databases

利用多个可公开访问的数据库对乳腺癌生物标志物进行数据挖掘和综合分析

In recent years, emerging databases were designed to lower the barriers for approaching the intricate cancer genomic datasets, thereby, facilitating ...

Analyzing Tumor Gene Expression Factors with the CorExplorer Web Portal

分析肿瘤基因表达因子与CorExplorer门户网站

Differential gene expression analysis is an important technique for understanding disease states. The machine learning algorithm CorEx has shown utility ...

Simultaneous Imaging and Flow-Cytometry-based Detection of Multiple Fluorescent Senescence Markers in Therapy-Induced Senescent Cancer Cells

基于同步成像和流式细胞术检测治疗诱导的衰老癌细胞中的多种荧光衰老标志物

Chemotherapeutic drugs can induce irreparable DNA damage in cancer cells, leading to apoptosis or premature senescence. Unlike apoptotic cell death, ...