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

Dette arbejde blev støttet af det strategiske prioritet Research Program af kinesiske Academy of Sciences (XDB13040400) og start tilskud fra Jilin Universitet. Anonym korrekturlæsere og biomedicinsk test brugere blev værdsat for deres konstruktive kommentarer om forbedring af brugervenligheden og funktionaliteten af kSolutionVis.

Bemærk: Følgende protokol beskriver detaljerne i Informatik analytiske procedure og pseudo koder af de store moduler. Automatisk analysesystem blev udviklet ved hjælp af Python version 3.6.0 og Python moduler pandaer, abc, numpy, scipy, sklearn, sys, PyQt5, sys, Flemming, matematik og matplotlib. Materialer i denne undersøgelse er angivet i Tabel af materialer.
1. forberede Data Matrix og klasse etiketter
<ol><li>Forberede data matrix fil som en tabulator - eller kommase...

Denne undersøgelse præsenterer en nem at følge multi løsning biomarkør detektion og karakterisering protokol for et datasæt, bruger-specificeret binære klassificering. Softwaren sætter fokus på brugervenlighed og fleksible import/eksport grænseflader til forskellige filformater, tillader en biomedicinsk forsker at undersøge deres datasæt nemt ved hjælp af GUI af softwaren. Denne undersøgelse fremhæver også nødvendigheden af at generere mere end én løsning med tilsvarende effektive modellering forestill...

Binære klassificering, en af mest almindeligt undersøgt og udfordrende datamining problemer på det biomedicinske område, der bruges til at bygge en klassificering model uddannet på to grupper af prøver med den mest nøjagtige forskelsbehandling power1, 2 , 3 , 4 , 5 , 6 , 7. den store data genereret på det biomedicinske område har imidlertid den iboende "store lille PN" paradigme, med antallet af funktioner normalt langt større end antallet af prøver6,8,9. Biomedicinske forskere skal derfor reducere dimensionen funktion før bruger klassifikationen algoritmer for at undgå den overfitting problem8,9. Diagnose biomarkører er defineret som en delmængde af detekterede funktioner adskille patienter af en given sygdom fra sunde kontrol prøver10,11. Patienter er normalt defineret som de positive prøver, og de raske kontrolpersoner defineres som negative prøver12.
Nylige undersøgelser har antydet, at der findes mere end én løsning med identiske eller tilsvarende effektiv klassificering forestillinger til en biomedicinsk datasæt5. Næsten alle funktionen markering algoritmerne er deterministisk algoritmer, producerer kun én løsning til det samme datasæt. Genetiske algoritmer kan samtidig generere flere løsninger med lignende forestillinger, men de stadig forsøger at vælge en løsning med den bedste fitness-funktion som output for en given datasæt13,14.
Funktionen markering algoritmer kan grupperes groft som enten filtre eller wrappers12. Et filter algoritme vælger de top -k funktioner rangeret efter deres betydelige individuelle association med binære klasse etiketterne baseret på den antagelse, at funktioner er uafhængige af hinanden15,16,17 . Selv om denne antagelse ikke holder gælder for næsten alle virkelige datasæt, udfører heuristisk filterregel godt i mange tilfælde, for eksempel, Christinas (Minimum redundans og maksimale relevans) algoritme, Wilcoxon test baseret funktion filtrering (WRank) algoritme, og handlingen ROC (Receiver drift karakteristisk) baseret filtrering (ROCRank) algoritme. Flemming, er en effektiv filter algoritme fordi det tilnærmer kombinatorisk skøn problemet med en serie af meget mindre problemer, sammenligne med maksimum-afhængighed funktion udvalg algoritme, som hver omfatter kun to variabler, og Derfor bruger parvise joint sandsynligheder, som er mere robust18,19. Dog kan Christines undervurdere nytten af nogle funktioner, som det ikke måler interaktioner mellem funktioner, som kan øge relevans, og dermed misser nogle funktion de kombinationer, der er individuelt ubrugelig men er nyttige, kun når de kombineres. WRank algoritme beregner en ikke-parametrisk score på hvordan diskriminerende en funktion mellem to klasser af prøver, og er kendt for sin robusthed for outliers20,21. Derudover evaluerer ROCRank algoritme, hvordan væsentlige område Under the ROC kurve (AUC) af en bestemt funktion er for undersøgte binære klassificering ydeevne22,23.
På den anden side en wrapper evalueres forud definerede klassificeringen udførelsen af en given funktion delmængde, iterativt genereret af heuristisk regel og skaber funktion delmængde med den bedste performance måling24. En wrapper generelt udkonkurrerer et filter i klassificering ydeevne men kører langsommere25. Legaliseret tilfældige skov (RRF)26,27 algoritme bruges f.eks grådige regel ved at vurdere funktioner på en delmængde af træningsdata på hver tilfældig skov node, hvis funktion betydning scores evalueres ved Gini-indekset . Valget af en ny funktion vil blive straffet, hvis dens oplysninger gevinst ikke forbedres for de valgte funktioner. Derudover forudsigelse analyse for Microarrays (PAM)28,29 algoritme, også en wrapper algoritme, beregner en barycentrum for hver klasse etiketter, og derefter vælger egenskaber hen til krybe gen centroids mod samlet klasse barycentrum. PAM er robust til fjerntliggende funktioner.
Flere løsninger med øverste klassificering ydeevne kan være nødvendigt for enhver given datasæt. For det første, optimering mål af en deterministisk algoritme er defineret af en matematisk formel, f.eks., minimum fejl sats30, som er ikke nødvendigvis velegnet til biologiske prøver. For det andet kan et datasæt have flere, væsentligt anderledes løsninger med lignende effektiv eller endda identiske forestillinger. Næsten alle eksisterende funktion udvalg algoritmer vil tilfældigt vælge en af disse løsninger som output31.
Denne undersøgelse vil indføre en Informatik analytiske protokol til at generere flere funktion udvalg løsninger med lignende forestillinger for enhver given binære klassificering datasæt. I betragtning af at de fleste biomedicinske forskere ikke er fortrolig med it teknikker eller computer kodning, blev en bruger-kammeratlig anskuelighed brugergrænseflade (GUI) udviklet for at lette en hurtig analyse af biomedicinsk binære klassificering datasæt. Den analytiske protokollen består af dataindlæsning og opsummere, parameter tuning, rørledning udførelse og resultatet fortolkninger. Med et enkelt klik er at forskeren købedygtig frembringe biomarkør delmængder og publikation-kvalitet visualisering parceller. Protokollen er blevet testet ved hjælp af transcriptomes af to binære klassificering datasæt af akut lymfoblastær leukæmi (ALL), dvs., ALL1 og ALL212. Datasæt af ALL1 og ALL2 blev hentet fra bred Institut genom Data analyse Center, tilgængelig på http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 indeholder 128 prøver med 12,625 funktioner. Af disse prøver, 95 er B-celle alle og 33 er T-celle alle. ALL2 indeholder 100 prøver med 12,625 funktioner så godt. Af disse prøver er der 65 patienter, der har lidt tilbagefald og 35 patienter, der ikke gjorde. ALL1 var et let binære klassificering datasæt, med en minimum nøjagtigheden af fire filtre og fire wrappers 96,7% og 6 af de 8 funktion udvalg algoritmer at opnå 100%12. Mens ALL2 var en vanskeligere datasæt, med de ovenfor 8 funktion udvalg algoritmer at opnå bedre end 83,7% nøjagtighed12. Denne bedste nøjagtighed blev opnået med 56 funktioner opdaget af wrapper algoritme, korrelation-baseret funktion valg (CFS).

<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

Registrering af biomarkør er en af de mere vigtige biomedicinske spørgsmål for høj overførselshastighed 'omik' forskere, og næsten alle eksisterende biomarkør påvisning algoritmer generere en biomarkør delmængde med optimeret performance-måling for et givet datasæt . Men en nylig undersøgelse påvist eksistensen af flere biomarkør delmængder med tilsvarende effektive eller endda identiske klassificering forestillinger. Denne protokol udgør en enkel og ligetil metode til påvisning af biomarkør delmængder med binære klassificering forestillinger, bedre end en brugerdefineret cutoff. Protokollen består af dataforberedelse og lastning, baseline oplysninger sammendrag, parameter tuning, biomarkør screening, resultatet visualisering og fortolkning, biomarkør gen anmærkninger, og resultatet og visualisering udførsel på publikation kvalitet. Den foreslåede biomarkør screening strategi er intuitiv og viser en generel regel for at udvikle biomarkør påvisning algoritmer. En bruger-kammeratlig anskuelighed brugergrænseflade (GUI) blev udviklet ved hjælp af programmeringssproget Python, tillader biomedicinske forskere at have direkte adgang til deres resultater. Kildekode og vejledning i kSolutionVis kan downloades fra http://www.healthinformaticslab.org/supp/resources.php.

Målet med denne arbejdsproces (figur 6) er at opdage flere biomarkør delmængder med lignende effektivitetsgevinster for et datasæt, binære klassificering. Hele processen er illustreret af to eksempel datasæt ALL1 og ALL2 udvundet af en nyligt offentliggjorte biomarkør påvisning studere12,48. En bruger kan installere kSolutionVis ved at følge instruktionerne i de supplerende materialer.
<p...

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

Eksisterende algoritmer generere en løsning for en biomarkør påvisning datasæt. Denne protokol viser eksistensen af flere tilsvarende effektive løsninger og præsenterer en brugervenlig software til at hjælpe biomedicinske forskere undersøge deres datasæt for den foreslåede udfordring. Dataloger kan også give denne funktion i deres biomarkør påvisning algoritmer.

Hvis du vælger flere biomarkør delmængder med tilsvarende effektive binære klassificering forestillinger

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

Denne foranstaltning kan hjælpe med at besvare vigtige spørgsmål i det biomedicinske detektionsområde om generering af flere løsninger. Den største fordel ved denne teknik er, at det giver en brugervenlig grafisk brugergrænseflade til at bistå biomedicinske forskere i påvisning af flere funktion aftager. Begynd med at indlæse datamatrixen og klasseetiketterne i softwaren.Klik på indlæsningsdatamatrix for at vælge den brugerangivne datametrikfil og indlæs klasseetiketter for at vælge den tilsvarende klasseetiketfil. Hvis du vil bestemme klasseetiketterne i antallet af højest rangerede funktioner, skal du vælge navnene på de positive og negative klasser i de relevante rullebokse og vælge 10 som antallet af højest rangerede funktioner i den øverste X-rullemenuboks for at få en omfattende skærm af funktionsundersættet. Hvis du vil indstille systemparametrene til forskellige præstationer, skal du vælge nøjagtighedsmålingsnøja for nøjagtigheden af nøjagtigheden for den valgte ekstrem indlæringsmaskine-klassificering.Vælg derefter en afskæringsværdi på 0,7 for den angivne ydelsesmåling i inputboksen for ydeevneafskæring. Hvis du vil køre pipelinen, skal du klikke på Analysér og vælge 0,7 som standardværdien for afskæringen af ydelsesmålingen. Og 10 som standardnummeret på de bedste funktionsundersæt.Derefter indsamle og fortolke de funktioner, der registreres af softwaren. Hvis du vil generere en 3D scatter plot af de 10 øverste funktioner i de undergrupper med den bedste klassificering ydeevne opdaget af softwaren, skal du klikke analysere og sortere de tre funktioner i en funktion delmængde i stigende rækkefølge af deres rækker, ved hjælp af rækken af de tre funktioner som F1, F2, og F3 akser. Skift værdien for afskæring af ydeevnen til 0,7, og klik på Analysér for at generere et 3D-punktplot af funktionsdelsættene med en større end eller lig med ydelsesafskåret ydelsesmålingsværdi.Klik derefter på 3D-indstilling for at åbne et nyt vindue til manuel indstilling af betragtningsvinklerne for 3D-punktafbildning og reducer for at reducere redundansen af de registrerede funktionsundersæt. Hvis du vil anmærke et gen i både DNA- og proteinsekvensniveauerne, skal du åbne Davids databasewebside og klikke på gen-id-konverteringslinket for at indtaste funktions-id'erne for den første biomarkørdel i det forberedte datasæt. Klik på linket til genlisten, og klik på send listen for at hente de anmærkninger, der er interesse for, og vis genlisten for at få vist listen over gensymboler.Åbn derefter GeneCards-databasewebsiden, og indtast navnet på det gen, der er af interesse, i databaseforespørgslens inputboks for at finde anmærkningerne af dette gen. Åbn online mendelian inheritance in man-databasen, og søg efter genet for at finde anmærkningerne af dette gen fra databasen. Hvis du vil anmærke de kodede proteiner, skal du åbne UniProt-vidensbasedatabasesiden og søge efter anmærkningerne af genet fra denne database.Åbn det gruppebaserede forudsigelsessystem eller GPS-webserveren, og hent proteinsekvensen, der er kodet af biomarkørgenet, fra UniProt-vidensbasen, og brug online GPS-værktøjet til at forudsige proteinerene efter overgangsperioden. For at anmærke protein-protein interaktioner og der beriget funktionelle moduler, åbne strengen webserver side og bruge strengen database til at søge elevatoren for gener af interesse for at finde deres orkestrerede egenskaber. Hvis du vil eksportere undersætterne biomarkør for yderligere analyse, skal du klikke på eksportér tabellen og vælge det relevante tekstformat til lagring af filerne.Eksporter derefter visualiseringsområder som individuelle billedfiler, klik på Gem under hvert billede og vælg det relevante billedformat til lagring af hver fil. I dette repræsentative eksperiment blev to datasæt formateret som CSV-filer og indlæst i softwaren som påvist. I det første datasæt blev 128 prøver med 12, 625 funktioner og individuelle klasseetiketter fyldt med de endelige dataMatrix med 95 negative prøver og 33 positive prøver.Lignende operationer blev også gennemført for det andet vanskelige datasæt. Søgning efter et brugerspecifikt nøgleord i funktionsnavnene afslører et histogram af funktionerne for hvert datasæt. Efter at have udført pipelinealgoritmen for hvert datasæt blev der registreret 120 kvalificerede biomarkørdelgrupper for det datasæt, der er let at skelne mellem, med 57 delmængder af tredobbelt biomarkør, der viser en nøjagtighed på 100 %.Kun 76 biomarkør-delmængder, hvor det blev opdaget for det vanskelige datasæt, dog. Og med en lavere biomarkører delmængde nøjagtighed tyder på, at biomarkører er fænotype specifikke, en anden stor udfordring i biomarkør detektion. Når du bruger denne procedure, er det vigtigt at huske, at et fremtidigt udvælgelsesproblem har flere løsninger.Læs SIM-kortets bedste ydeevne. Efter sin udvikling banede denne teknik vejen for biomedicinske forskere til at udforske biomedicinsk detektion med flere løsninger.

Research

JoVE Journal

Cancer Research

Anticancer Efficacy of Photodynamic Therapy with Lung Cancer-Targeted Nanoparticles

Anticancer Effekten af ​​Fotodynamisk terapi med lungekræft-Målrettet Nanopartikler

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

Counting Proteins in Single Cells with Addressable Droplet Microarrays

Counting proteiner i enkelt celler med adresserbare Droplet Microarrays

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

Laparoskopisk Pancreatoduodenectomy med modificerede Blumgart Pancreaticojejunostomy

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

Multimodal en bioluminescerende og Positron-emissions-tomografi/edb tomografi billeddannelse af myelomatose knoglemarv Xenografts i NOG mus

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

Phospho flowcytometri med fluorescerende celle stregkodesystem for enkelt celle signalering analyse og biomarkør opdagelse

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

Undertrykkelse af myelomatose cellevækst In Vivo af enkelt-væg kulstof nanorør (SWCNT)-leveres MALAT1 Antisense Oligos

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

Udførelse af datamining og Integrativ analyse af biomarker i brystkræft ved hjælp af flere offentligt tilgængelige databaser

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

Analyse af tumor Genekspressions faktorer med CorExplorer-webportalen

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

Samtidig billeddannelse og flowcytometribaseret påvisning af flere fluorescerende ældningsmarkører i terapiinducerede senescente kræftceller

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