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

Dit werk werd gesteund door de strategische prioriteit onderzoeksprogramma van de Chinese Academie van Wetenschappen (XDB13040400) en de subsidie van het opstarten van Universiteit Jilin. Anoniem reviewers en biomedische testen gebruikers werden gewaardeerd voor hun constructieve opmerkingen over de verbetering van de bruikbaarheid en de functionaliteit van kSolutionVis.

Opmerking: Het volgende protocol beschrijft de details van de analytische procedure van informatica en pseudo-codes van de belangrijkste modules. De automatische analyse-systeem werd ontwikkeld met behulp van Python versie 3.6.0 en de Python modules Panda's, abc, numpy, scipy, sklearn, sys, PyQt5, sys, mRMR, wiskunde en matplotlib. De materialen die worden gebruikt in deze studie staan in de Tabel van materialen.
1. Prepareer de Data Matrix en klasse van etiketten
<ol><li>Be...

Deze studie geeft een gemakkelijk-aan-volg multi oplossing biomerker detectie en karakterisering van het protocol voor een gebruiker opgegeven binaire indeling dataset. De software legt de nadruk op gebruiksvriendelijkheid en flexibele import/export interfaces voor verschillende bestandsindelingen, zodat een biomedisch onderzoeker te onderzoeken hun dataset gemakkelijk met behulp van de GUI van de software. Deze studie belicht eveneens de noodzaak van het genereren van meer dan één oplossing met eveneens effectief mode...

Binaire indeling, een van de meest algemeen onderzocht en uitdagende data mining problemen op het gebied van biomedische, worden gebruikt voor het bouwen van een model van de classificatie getraind op twee groepen van monsters met de meest nauwkeurige discriminatie macht1, 2 , 3 , 4 , 5 , 6 , 7. de grote gegevens gegenereerd op het gebied van biomedische heeft echter de inherente "grote p kleine n" paradigma, met het aantal functies meestal veel groter dan het aantal monsters6,8,9. Daarom moeten biomedische onderzoekers beperken de functie dimensie vóór gebruik te maken van de classificatie-algoritmen om te voorkomen dat de overfitting probleem8,9. Diagnose biomarkers worden gedefinieerd als een deelverzameling van gedetecteerde functies scheiden van patiënten van een bepaalde ziekte van gezonde controle monsters10,11. Patiënten zijn meestal gedefinieerd als de positieve monsters, en de gezonde controles worden gedefinieerd als de negatieve monsters12.
Recente studies hebben gesuggereerd dat er meer dan één oplossing met identieke of ook effectief classificatie voorstellingen voor een biomedische dataset5bestaat. Bijna alle functie selectie algoritmes zijn deterministische algoritmen, produceren slechts één oplossing voor de dezelfde dataset. Genetische algoritmen kunnen gelijktijdig meerdere oplossingen met soortgelijke voorstellingen genereren, maar ze nog steeds probeert te selecteren één oplossing met de beste fitness-functie als de output voor een gegeven dataset13,14.
Functie selectie algoritmen kunnen ruwweg worden gegroepeerd als filters of wrappers12. Een filter algoritme kiest dek functies boven - gerangschikt door hun belangrijke individuele associatie met de labels van de binaire klasse gebaseerd op de veronderstelling dat functies zijn onafhankelijk van elkaar15,16,17 . Hoewel deze veronderstelling niet voor bijna alle levensechte datasets geldt, presteert de heuristische filterregel goed in veel gevallen, bijvoorbeeld, de mRMR (Minimum redundantie en maximale relevantie) algoritme, de Wilcoxon test gebaseerd functie filtering (WRank) algoritme en het ROC (operationele karakteristiek van de ontvanger) perceel gebaseerd algoritme filteren (ROCRank). mRMR, is een efficiënte filter algoritme omdat het benadert het probleem van de combinatorische schatting met een reeks van veel kleinere problemen, vergelijken met de maximale-afhankelijkheid functie selectie algoritme, die elk slechts betrekking heeft op twee variabelen, en Daarom gebruikt paarsgewijze joint waarschijnlijkheden die meer robuuste18,19. Echter kan mRMR onderschatten het nut van sommige functies, zoals het niet de interacties tussen de functies die relevantie kunnen verhogen meet, en dus mist sommige functie combinaties die individueel nutteloos zijn, maar zijn handig alleen wanneer ze gecombineerd. De WRank-algoritme berekent een niet-parametrische score van hoe discriminatoire een functie tussen twee klassen van monsters, en staat bekend om zijn robuustheid voor uitschieters20,21. Voorts evalueert het algoritme ROCRank hoe belangrijk de ruimte onder de ROC Curve (AUC) van een bepaalde functie is voor de onderzochte binaire indeling prestaties22,23.
Aan de andere kant, een wrapper evalueert de vooraf gedefinieerde classificatie uitoefeningvan-een gegeven functie subset, iteratief gegenereerd door een heuristische regel, en creëert de functie subset met de beste prestaties meten24. Een wrapper in het algemeen beter presteert dan een filter in de prestaties van de classificatie, maar loopt langzamer25. De geregulariseerde Random Bos (SRF)26,27 algoritme gebruikt bijvoorbeeld een hebzuchtige regel, met een evaluatie van de functies op een subset van de trainingsgegevens op elk knooppunt van willekeurige bos, wiens functie belang scores worden geëvalueerd door de Gini-index . De keuze van een nieuwe functie worden gestraft als de winst van de informatie niet die van de gekozen functies verbetert. Bovendien, de analyse van de voorspelling voor Microarrays (PAM)28,29 -algoritme, ook een wrapper-algoritme, een centroid berekend voor elk van de klasse etiketten en selecteert vervolgens functies te krimpen de gene centroids richting de algemene klasse centroid. PAM is robuust voor perifere functies.
Meerdere oplossingen met de hoogste classificatie prestaties kunnen nodig zijn voor een gegeven dataset. Ten eerste, het doel van de optimalisatie van een deterministische algoritme wordt gedefinieerd door een wiskundige formule, bijvoorbeeld, minimale fout tarief30, die is niet per se ideaal voor biologische monsters. Ten tweede, een dataset wellicht meerdere afwijkt, oplossingen met vergelijkbare effectieve of zelfs identieke prestaties. Bijna alle bestaande functie selectie algoritmen zal willekeurig een van deze oplossingen als de uitgang-31.
Deze studie zal een analytische informatica-protocol voor het genereren van meerdere oplossingen van de selectie van de functie met soortgelijke voorstellingen voor een bepaalde binaire indeling dataset introduceren. Gezien het feit dat de meest biomedische onderzoekers niet vertrouwd met informatic technieken of computer codering zijn, werd een gebruiksvriendelijke grafische user interface (GUI) ontwikkeld om de snelle analyse van biomedische binaire indeling datasets. Het analytische protocol bestaat uit gegevens laden en samenvatten, parameter tuning pijpleiding uitvoering en resultaat interpretaties. Met een simpele klik is de onderzoeker in staat om de biomerker deelverzamelingen en publicatie hoogwaardige visualisatie percelen te genereren. Het protocol is getest met behulp van de transcriptomes van twee binaire indeling datasets van Acute lymfatische leukemie (ALL), dat wil zeggen, ALL1 en ALL212. De datasets van ALL1 en ALL2 werden gedownload uit het brede Instituut genoom analyse datacenter, beschikbaar op http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 bevat 128 monsters met 12,625 functies. Van deze monsters, 95 zijn B-cel alle en 33 zijn T-cell ALL. ALL2 bevat 100 monsters met 12,625 functies zo goed. Van deze monsters zijn er 65 patiënten die geleden herval en 35 patiënten dat niet. ALL1 was een eenvoudige, binaire indeling dataset, met een minimale nauwkeurigheid van vier filters en vier wrappers 96,7% en 6 van de 8 functie selectie algoritmen bereiken van 100%12. Terwijl ALL2 een moeilijker dataset, met de bovenstaande 8 functie selectie algoritmen niet beter dan 83,7% nauwkeurigheid12bereiken was. Deze beste nauwkeurigheid was bereikt met 56 functies aangetroffen door de wrapper-algoritme, correlatie gebaseerde functie selectie (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

Biomerker detectie is een van de meer belangrijke biomedische vragen voor high-throughput 'omics' onderzoekers, en bijna alle bestaande biomerker detectie algoritmen genereren een biomarker subset met de geoptimaliseerde prestatiemeting voor een gegeven dataset . Een recente studie blijkt echter het bestaan van meerdere biomerker deelverzamelingen met ook doeltreffend of zelfs identieke indeling optredens. Dit protocol biedt een eenvoudige en ongecompliceerde methode voor het opsporen van biomerker deelverzamelingen met binaire indeling optredens, beter dan een door de gebruiker gedefinieerde cutoff. Het protocol bestaat uit gegevensvoorbereiding en laden, basislijn informatie Samenvattingsstructuur parameter tuning, biomerker screening, resultaat visualisatie en interpretatie, biomerker gene aantekeningen en resultaat en visualisatie uitvoer op kwaliteit van de publicatie. De voorgestelde biomerker screening strategie is intuïtief en toont een algemene regel voor het ontwikkelen van biomerker detectie algoritmen. Een gebruiksvriendelijke grafische user interface (GUI) werd ontwikkeld met behulp van de programmeertaal Python, waardoor biomedische onderzoekers directe toegang hebben tot hun resultaten. De broncode en de handleiding van kSolutionVis kunnen worden gedownload van http://www.healthinformaticslab.org/supp/resources.php.

Het doel van deze workflow (Figuur 6) is te detecteren van meerdere biomerker deelverzamelingen met soortgelijke efficiency voor een binaire indeling dataset. Het hele proces wordt geïllustreerd door twee voorbeeld datasets ALL1 en ALL2 geëxtraheerd uit een onlangs gepubliceerd biomerker detectie bestuderen van12,48. Een gebruiker kan het installeren van kSolutionVis door de instructies te volgen in...

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

Bestaande algoritmen genereren een oplossing voor een biomarker detectie dataset. Dit protocol blijkt van het bestaan van meerdere ook doeltreffende oplossingen en presenteert een gebruikersvriendelijke software om te helpen biomedische onderzoekers onderzoeken hun datasets voor de voorgestelde challenge. Computerwetenschappers kunnen deze functie in hun biomerker ook detectie algoritmen.

Selecteren van meerdere Biomarker Subsets met ook effectieve binaire indeling optredens

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

Deze maatregel kan helpen bij het beantwoorden van belangrijke vragen in het gebied van biomedische detectie over het genereren van meerdere oplossingen. Het belangrijkste voordeel van deze techniek is dat het een gebruiksvriendelijke grafische gebruikersinterface biedt voor het assisteren van biomedische onderzoekers bij de detectie van meerdere functies verdwijnt. Begin met het laden van de gegevens Matrix en klasse labels in de software.Klik op Gegevensmatrix laden om het opgegeven bestand met gegevensstatistieken van de gebruiker te selecteren en klasselabels te laden om het bijbehorende klasselabelbestand te selecteren. Als u de klasselabels in het aantal topfuncties wilt bepalen, selecteert u de namen van de positieve en negatieve klassen in de juiste vervolgkeuzevakken en selecteert u 10 als het aantal topfuncties in het bovenste x-vervolgkeuzevak voor een uitgebreid scherm van de functiesubset. Als u de systeemparameters voor verschillende prestaties wilt afstemmen, selecteert u de nauwkeurigheid van de prestatiesmeting als het vervolgkeuzevak Nauwkeurigheid gebalanceerde nauwkeurigheid voor de geselecteerde extreme leermachineclassificatie.Selecteer vervolgens een cut-offwaarde van 0,7 voor de opgegeven prestatiemeting in het invoervak prestatie cutoff. Als u de pijplijn wilt uitvoeren, klikt u op Analyseren en selecteren van 0,7 als de standaardwaarde van de afgesloten prestatiemeting. En, 10 als het standaardnummer van de beste functie subsets.Verzamel en interpreteer vervolgens de functies die door de software worden gedetecteerd. Om een 3D-spreidingsplot te genereren van de top 10-functies van de subsets met de beste classificatieprestaties gedetecteerd door de software, klikt u op analyseren en sorteren van de drie functies in een functiesubset in oplopende volgorde van hun gelederen, met behulp van de gelederen van de drie functies als de F1- F2- en F3-assen. Wijzig de prestatieverdrukt waarde in 0,7 en klik op analyseren om een 3D-spreidingsplot van de functiesubsets te genereren met een groter dan of gelijk aan prestatieverdeeld prestatiemetingswaarde.Klik vervolgens op 3D-tuning om een nieuw venster te openen voor het handmatig afstemmen van de kijkhoeken van de 3D-spreidingsplot en verminder de redundantie van de gedetecteerde functiesubsets. Als u een gen wilt annoteren in zowel de DNA- als eiwitsequentieniveaus, opent u de webpagina van de David-database en klikt u op de conversiekoppelingskoppeling voor gen-id's om de functie-id's van de eerste biomarker-subset van de voorbereide gegevensset in te voeren. Klik op de koppeling met de genlijst en klik op lijst verzenden om de aantekeningen van interesse op te halen en de lijst met gengegevens weer te geven om de lijst met genesymbolen te verkrijgen.Open vervolgens de webpagina van de GeneCards-database en voer de naam van het gen van belang in het invoervak voor databasequery's in om de aantekeningen van dit gen te vinden. Open de Online Menndeliaanse Erfenis in Man database en zoek naar het gen om de annotaties van dit gen uit de database te vinden. Als u de gecodeerde eiwitten wilt annoteren, opent u de uniprot-databasedatabasepagina en zoekt u vanuit deze database naar de annotaties van het gen.Open het op groep gebaseerde voorspellingssysteem, of GPS-webserver, en haal de eiwitsequentie op die door het biomarkergen is gecodeerd uit de UniProt-database voor kennisbasis en gebruik de online GPS-tool om de eiwitten na de overgangsmodificatieresten te voorspellen. Om de eiwit-eiwit interacties en er verrijkte functionele modules annoteren, open de string webpagina en gebruik de string database om de lift te zoeken naar de genen van belang om hun georkestreerde eigenschappen te vinden. Als u de gedetecteerde subsets van biomarker wilt exporteren voor verdere analyse, klikt u op de tabel exporteren en selecteert u de juiste tekstnotatie voor het opslaan van de bestanden.Exporteer vervolgens de visualisatieplosten als afzonderlijke afbeeldingsbestanden, klik op opslaan onder elke plot en selecteer de juiste afbeeldingsindeling voor het opslaan van elk bestand. In dit representatieve experiment werden twee gegevenssets opgemaakt als CSV-bestanden en in de software geladen zoals aangetoond. In de eerste gegevensset werden 128 monsters met 12, 625 functies en individuele klasselabels geladen met de uiteindelijke gegevens Matrix met 95 negatieve monsters en 33 positieve monsters.Soortgelijke operaties werden ook uitgevoerd voor de tweede moeilijke gegevensset. Het zoeken naar een gebruikersspecifiek zoekwoord in de functienamen onthult een histogram van de functies voor elke gegevensset. Na het uitvoeren van het pijplijnalgoritme voor elke gegevensset werden 120 gekwalificeerde biomarkersubsets gedetecteerd voor de eenvoudig te onderscheiden gegevensset, met 57 triplet biomarker subsets die een 100% nauwkeurigheid aantonen.Slechts 76 biomarker subsets waar gedetecteerd voor de moeilijke dataset, echter. En, met een lagere biomarkers subset nauwkeurigheid suggereert dat biomarkers fenotype specifiek zijn, een andere grote uitdaging in biomarker detectie. Tijdens het gebruik van deze procedure is het belangrijk om te onthouden dat een toekomstig selectieprobleem meerdere oplossingen heeft.Lees de SIM beste prestaties. Na de ontwikkeling maakte deze techniek de weg vrij voor biomedische onderzoekers om biomedische detectie te verkennen met meerdere oplossingen.

Research

JoVE Journal

Cancer Research

Anticancer Efficacy of Photodynamic Therapy with Lung Cancer-Targeted Nanoparticles

Antikanker werkzaamheid van Photo Dynamische Therapie met longkanker-Gerichte Nanodeeltjes

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

Tellen van eiwitten in afzonderlijke cellen met adresseerbare 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

Laparoscopische Pancreatoduodenectomy met gemodificeerde 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

Multimodale bioluminescente en positronisch-emissie tomografie/computationele Tomography Imaging van Multiple Myeloma beenmerg Xenografts in NOG muizen

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 Stroom Cytometry met fluorescerende cel Barcoding voor eencellige signalering analyse en ontdekking van Biomarker

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

Onderdrukking van Multiple Myeloma celgroei In Vivo door Single-muur koolstof nanobuis (SWCNT)-MALAT1 Antisense Oligos geleverd

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

Het uitvoeren van data mining en integratieve analyse van biomarker in borstkanker met behulp van meerdere openbaar toegankelijke databases

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

Het analyseren van tumor genexpressie factoren met de CorExplorer Web Portal

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

Gelijktijdige beeldvorming en flowcytometrie-gebaseerde detectie van meerdere fluorescerende senescentiemarkers in therapie-geïnduceerde senescente kankercellen

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