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

Diese Arbeit wurde durch die strategische Priorität Forschungsprogramm von der chinesischen Akademie der Wissenschaften (XDB13040400) und die Start-Zuschuss von Jilin-Universität unterstützt. Anonymen Gutachtern und biomedizinische Tests Benutzer wurden für ihre konstruktive Kritik zur Verbesserung der Benutzerfreundlichkeit und Funktionalität des kSolutionVis geschätzt.

Hinweis: Das folgende Protokoll beschreibt die Details des analytischen Verfahrens Informatik und Pseudo-Codes der wichtigsten Module. Die automatische Analyse-System wurde mit Python-Version 3.6.0 und die Python-Module-Pandas, Abc, Numpy, Scipy, Sklearn, Sys, PyQt5, Sys, mRMR, Mathematik und Matplotlib entwickelt. In dieser Studie verwendeten Materialien sind in der Tabelle der Materialienaufgeführt.
1. Vorbereiten der Data-Matrix-Klasse Etiketten und
<ol><li>Bereiten Sie ...

Diese Studie bietet eine einfach zu befolgende Multi-Lösung Biomarker Erkennung und Charakterisierung Protokoll für eine benutzerspezifische binäre Klassifikation Dataset. Die Software setzt Schwerpunkt auf Benutzerfreundlichkeit und flexible Import-/Export-Schnittstellen für verschiedene Datei-Formate, so dass biomedizinische Forscher, ihre Dataset einfach über die Benutzeroberfläche der Software zu untersuchen. Dieser Studie betont auch, dass mehr als eine Lösung mit ähnlich effektiv Modellierung Aufführungen,...

Binäre Klassifikation, einer der am häufigsten untersuchte und anspruchsvolle Data-mining-Probleme im biomedizinischen Bereich wird verwendet, um ein Klassifizierungsmodell ausgebildet auf zwei Gruppen von Proben mit der genauesten Diskriminierung Power1, bauen 2 , 3 , 4 , 5 , 6 , 7. big Data im biomedizinischen Bereich generiert hat jedoch die inhärente "große kleine PN" Paradigma, mit der Anzahl der Funktionen in der Regel viel größer als die Anzahl der Proben6,8,9. Biomediziner müssen daher die Funktion Dimension vor Nutzung der Klassifizierungsalgorithmen zur Vermeidung von overfitting Problem8,9zu reduzieren. Diagnose-Biomarker sind definiert als eine Teilmenge der erkannten Merkmale von gesunden Proben10,11Patienten einer bestimmten Krankheit zu trennen. Patienten sind in der Regel definiert als die positive Proben und die gesunden Kontrollpersonen sind definiert als der negative Proben12.
Jüngste Studien haben vorgeschlagen, daß es mehr als eine Lösung mit identisch oder ähnlich effektiv Einstufung Leistungen für eine biomedizinische Dataset-5. Fast alle Feature-Auswahl-Algorithmen sind deterministische Algorithmen, produzieren nur eine Lösung für das gleiche Dataset. Genetische Algorithmen können gleichzeitig mehrere Lösungen mit ähnlichen Leistungen erzeugen, aber sie noch versuchen, eine Lösung mit der besten Fitness-Funktion als die Ausgabe für einen bestimmten Datensatz13,14auswählen.
Feature-Auswahl-Algorithmen können etwa als Filter oder Wrapper12gruppiert werden. Ein Filter-Algorithmus wählt Top -k Funktionen geordnet nach ihrer einzelnen signifikante Assoziation mit der binären Klassenbezeichner basiert auf der Annahme, die Funktionen sind unabhängig von einander15,16,17 . Obwohl diese Annahme nicht für fast alle realen Datasets wahr hält, führt die heuristische Filterregel in vielen Fällen zum Beispiel die mRMR (minimale Redundanz und maximale Relevanz) Algorithmus, der Wilcoxon Test basierte Funktion Filtern (WRank) Algorithmus und die ROC (Empfänger Regelkennlinie) Handlung basiert (ROCRank)-Filterung Algorithmus. mRMR, ist eine effiziente Filter-Algorithmus, weil es nähert sich der kombinatorischen Schätzung-Problem mit einer Reihe von viel kleineren Problemen, im Vergleich zu der maximal-Abhängigkeit Feature Auswahlalgorithmus, von denen jede nur zwei Variablen beinhaltet, und Daher nutzt paarweise Joint Wahrscheinlichkeiten sind robuster18,19. Jedoch kann mRMR die Nützlichkeit der einige Funktionen unterschätzen, da es nicht die Interaktionen zwischen Objekten misst die Relevanz steigern können, und so vermisst einige Merkmalskombinationen, die einzeln nutzlos, aber eignen sich nur in Kombination. Der WRank Algorithmus berechnet eine nicht-parametrische Punktzahl wie diskriminierende eine Funktion zwischen zwei Klassen von Proben und ist bekannt für seine Robustheit für Ausreißer20,21. Darüber hinaus wertet der ROCRank-Algorithmus, wie bedeutend die Fläche unter der ROC-Kurve (AUC) eines bestimmten Merkmals für die untersuchten binäre Klassifikation Leistung22,23ist.
Auf der anderen Seite ein Wrapper wertet der vordefinierten Sichter Leistung einer gegebenen Funktion Teilmenge, iterativ durch heuristische Regel erzeugt und schafft die Funktion Teilmenge mit der besten Performance Messung24. Ein Wrapper in der Regel einen Filter in die Klassifizierung Leistung übertrifft aber läuft langsamer25. Beispielsweise verwendet die regularisiert Random Forest (RRF)26,27 Algorithmus gierige in der Regel durch die Auswertung der Features auf eine Teilmenge der Trainingsdaten an jedem zufälligen Wald Knoten, deren Funktion Bedeutung Partituren von der Gini-Index beurteilt werden . Die Wahl eines neuen Features werden benachteiligt, wenn die Informationsgewinnung, die der ausgewählten Features nicht bessert. Darüber hinaus die Vorhersage-Analyse für Microarrays (PAM)28,29 -Algorithmus auch eine Wrapper-Algorithmus berechnet einen Schwerpunkt für jeden der die Klassenbezeichner und wählt dann Eigenschaften gen Zentroide gegenüber der gesamten schrumpfen Klasse-Schwerpunkt. PAM ist robust für vorgelagerten Funktionen.
Mehrere Lösungen mit die höchste Klassifizierung Leistung können für alle angegebenen Dataset erforderlich sein. Erstens das Optimierungsziel eines deterministischen Algorithmus zeichnet sich durch eine mathematische Formel, z.B., minimalen Fehler Rate30, das ist nicht unbedingt ideal für biologische Proben. Zweitens kann ein Dataset mehrere, deutlich verschiedene Lösungen mit ähnlichen wirksam oder sogar identische Leistungen haben. Fast alle vorhandenen Feature Auswahl Algorithmen werden eine der folgenden Lösungen als die Ausgabe31zufällig auswählen.
Diese Studie wird ein Informatik analytische Protokoll für die Erzeugung von mehreren Feature Auswahl Lösungen mit ähnlichen Vorstellungen für jede gegebene binäre Klassifikation Dataset einführen. Wenn man bedenkt, dass die meisten Biomediziner mit informatischen Techniken oder Computer-Codierung nicht auskennen, wurde eine benutzerfreundliche grafische Benutzeroberfläche (GUI) entwickelt, um die schnelle Analyse von biomedizinischen binäre Klassifikation Datasets zu erleichtern. Das analytische Protokoll besteht aus Daten laden und zusammenfassen, tuning-Parameter Pipeline Ausführung und Ergebnis-Interpretationen. Mit einem einfachen Klick kann der Forscher die Biomarker Teilmengen und Publikationsqualität Visualisierung Grundstücke zu generieren. Das Protokoll wurde mit der Transkriptom zwei binäre Klassifikation Datensätze der akute lymphoblastische Leukämie (ALL), d. h., ALL1 und ALL212getestet. Die Datensätze der ALL1 und ALL2 wurden vom Broad Institute Genom Analyse Rechenzentrum, erhältlich bei http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi heruntergeladen. ALL1 enthält 128 Samples mit 12.625 Features. Von diesen Proben sind 95 B-Zelle alle und 33 sind T-Zell ALL. ALL2 umfasst 100 Proben mit 12.625 Funktionen sowie. Von diesen Proben gibt es 65 Patienten, die Rückfall erlitten und 35 Patienten, die nicht der Fall war. ALL1 war eine einfache binäre Klassifikation Dataset mit einer minimalen Genauigkeit von vier Filter und vier Wrapper, 96,7 % und 6 der 8 Feature Auswahl Algorithmen erreichen 100 %12. Während ALL2 ein schwieriger Dataset mit den oben genannten 8 Feature Auswahl Algorithmen nicht besser als 83,7 % Genauigkeit12zu erreichen war. Diese beste Genauigkeit wurde mit 56 Funktionen erkannt durch den Wrapper-Algorithmus, Korrelation basierende Funktion Auswahl (CFS) erreicht.

<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

Biomarker-Erkennung ist eines der wichtigeren biomedizinische Fragen für High-Throughput "Omics" Forscher, und fast alle bestehenden Biomarker Erkennungsalgorithmen erzeugen ein Biomarker Teilmenge mit optimierter Performance-Messung für einen bestimmten Datensatz . Eine kürzlich durchgeführte Studie zeigte jedoch, die Existenz von mehreren Biomarker Teilmengen mit ähnlich wirksam oder sogar identische Klassifizierung Aufführungen. Dieses Protokoll stellt eine einfache und unkomplizierte Methode zur Erkennung von Biomarker-Teilmengen mit binären Klassifikation Aufführungen, besser als eine Benutzer-definierten Grenzwert. Das Protokoll besteht aus Datenaufbereitung und laden, Baseline Informationen Verdichtung, tuning-Parameter, Biomarker Screening, Ergebnis-Visualisierung und Interpretation, Biomarker gen Anmerkungen und Ergebnis und Visualisierung Ausfuhr an Publikationsqualität. Die vorgeschlagenen Biomarker screening-Strategie ist intuitiv und zeigt eine allgemeine Regel für Biomarker Erkennungsalgorithmen zu entwickeln. Eine benutzerfreundliche grafische Benutzeroberfläche (GUI) wurde entwickelt, mit Hilfe der Programmiersprache Python, Biomediziner direkten Zugriff auf ihre Ergebnisse zu ermöglichen. Den Quellcode und Handbuch des kSolutionVis können von http://www.healthinformaticslab.org/supp/resources.php heruntergeladen werden.

Das Ziel dieses Workflows (Abbildung 6) ist, mehrere Biomarker Teilmengen mit ähnlichen Effizienzen für eine binäre Klassifikation Dataset zu erkennen. Der gesamte Prozess wird durch zwei Beispiel-Datasets ALL1 und ALL2 extrahiert aus einem kürzlich erschienenen Biomarker-Erkennung12,48Studie veranschaulicht. Ein Benutzer kann kSolutionVis installieren, indem Sie die Anweisungen in den ergänzende...

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

Vorhandene Algorithmen erzeugen eine Lösung für ein Biomarker-Erkennung-Dataset. Dieses Protokoll zeigt die Existenz von mehreren ähnlich effektive Lösungen und stellt eine benutzerfreundliche Software zur biomedizinische Forscher untersuchen ihre Datensätze für die vorgeschlagene Herausforderung helfen. Informatiker können auch dieses Feature in ihren Biomarker Erkennungsalgorithmen vorsehen.

Auswahl mehrerer Biomarker Teilmengen mit ebenso wirksame binäre Klassifikation Aufführungen

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

Diese Maßnahme kann helfen, wichtige Fragen im bereichder biomedizinischen Detektion zur Generierung mehrerer Lösungen zu beantworten. Der Hauptvorteil dieser Technik ist, dass sie eine benutzerfreundliche grafische Benutzeroberfläche zur Unterstützung biomedizinischer Forscher bei der Erkennung mehrerer Funktionsabsenkungen bietet. Beginnen Sie mit dem Laden der Datenmatrix und Klassenbeschriftungen in die Software.Klicken Sie auf Datenmatrix laden, um die vom Benutzer angegebene Datenmetrikdatei auszuwählen, und klassenbeschriftungen laden, um die entsprechende Klassenbeschriftungsdatei auszuwählen. Um die Klassenbeschriftungen in der Anzahl der top-ranked Features zu bestimmen, wählen Sie die Namen der positiven und negativen Klassen in den entsprechenden Dropdown-Feldern aus, und wählen Sie 10 als Anzahl der top-ranked Features im oberen X-Dropdown-Feld für einen umfassenden Bildschirm der Feature-Teilmenge aus. Um die Systemparameter für unterschiedliche Leistungen zu optimieren, wählen Sie die Genauigkeit der Leistungsmessung als Dropdown-Feld für die Genauigkeit sumcierte Genauigkeit für den ausgewählten extremen Lernmaschinenklassifler aus.Wählen Sie dann im Eingabefeld Leistungsgrenzwert einen Cut-off-Wert von 0,7 für die angegebene Leistungsmessung aus. Um die Pipeline auszuführen, klicken Sie auf Analysieren, und wählen Sie 0,7 als Standardwert der abgeschnittenen Leistungsmessung aus. Und, 10 als Standardnummer der besten Feature-Teilmengen.Dann sammeln und interpretieren Sie die von der Software erkannten Funktionen. Um ein 3D-Streudiagramm der Top-10-Features der Teilmengen mit den besten von der Software erkannten Klassifizierungsleistungen zu generieren, klicken Sie auf Analysieren und Sortieren der drei Features in einer Feature-Teilmenge in aufsteigender Reihenfolge ihrer Ränge, wobei die Ränge der drei Features wie die F1-, F2- und F3-Achse verwendet werden. Ändern Sie den Wert für den Leistungsschnitt wert 0,7, und klicken Sie auf Analysieren, um ein 3D-Streudiagramm der Feature-Teilmengen zu generieren, wobei der Leistungsmesswert größer oder gleich ist.Klicken Sie dann auf 3D-Tuning, um ein neues Fenster zur manuellen Abstimmung der Betrachtungswinkel des 3D-Streudiagramms zu öffnen und die Redundanz der erkannten Feature-Teilmengen zu reduzieren. Um ein Gen sowohl in der DNA- als auch in der Proteinsequenz zu kommentieren, öffnen Sie die Webseite der David-Datenbank und klicken Sie auf den Link zur Gen-ID-Konvertierung, um die Feature-IDs der ersten Biomarker-Teilmenge des vorbereiteten Datensatzes einzugeben. Klicken Sie auf den Link "Genliste", und klicken Sie auf Die Liste senden, um die Sehenswürdigkeiten abzurufen, und zeigen Sie die Genliste an, um die Liste der Gene-Symbole zu erhalten.Öffnen Sie als Nächstes die GeneCards-Datenbankwebseite, und geben Sie den Namen des gens von Interesse in das Eingabefeld für Datenbankabfragen ein, um die Anmerkungen dieses Gens zu finden. Öffnen Sie die Online Mendelian Inheritance in Man Datenbank und suchen Sie nach dem Gen, um die Anmerkungen dieses Gens aus der Datenbank zu finden. Um die kodierten Proteine zu kommentieren, öffnen Sie die UniProt Knowledge Base Datenbankseite und suchen Sie nach den Anmerkungen des Gens aus dieser Datenbank.Öffnen Sie das gruppenbasierte Vorhersagesystem oder den GPS-Webserver, und rufen Sie die vom Biomarker-Gen kodierte Proteinsequenz aus der UniProt-Wissensdatenbankdatenbank ab, und verwenden Sie das Online-GPS-Tool, um die Proteine nach der Übergangszeit zu prognostizieren. Um die Protein-Protein-Wechselwirkungen und dort angereicherte Funktionsmodule zu kommentieren, öffnen Sie die String-Webserver-Seite und verwenden Sie die String-Datenbank, um den Aufzug nach den Genen von Interesse zu durchsuchen, um ihre orchestrierten Eigenschaften zu finden. Um die erkannten Biomarker-Teilmengen zur weiteren Analyse zu exportieren, klicken Sie auf Exportieren der Tabelle, und wählen Sie das entsprechende Textformat zum Speichern der Dateien aus.Exportieren Sie dann die Visualisierungsdiagramme als einzelne Bilddateien, klicken Sie unter jedem Diagramm auf Speichern und wählen Sie das entsprechende Bildformat zum Speichern jeder Datei aus. In diesem repräsentativen Experiment wurden zwei Datensätze als CSV-Dateien formatiert und wie gezeigt in die Software geladen. Im ersten Datensatz wurden 128 Samples mit 12, 625 Features und einzelnen Klassenbeschriftungen mit der endgültigen Datenmatrix mit 95 negativen und 33 positiven Proben geladen.Ähnliche Operationen wurden auch für den zweiten schwierigen Datensatz durchgeführt. Bei der Suche nach einem benutzerspezifischen Schlüsselwort in den Feature-Namen wird ein Histogramm der Features für jeden Datensatz angezeigt. Nach der Ausführung des Pipeline-Algorithmus für jeden Datensatz wurden 120 qualifizierte Biomarker-Teilmengen für den einfach zu unterscheidenden Datensatz erkannt, wobei 57 Triplet-Biomarker-Teilmengen eine Genauigkeit von 100 % aufweisen.Für den schwierigen Datensatz wurden jedoch nur 76 Biomarker-Teilmengen erkannt. Und mit einer niedrigeren Genauigkeit von Biomarkern, die darauf hindeutet, dass Biomarker phänotypspezifisch sind, eine weitere große Herausforderung bei der Biomarker-Erkennung. Bei der Verwendung dieses Verfahrens ist es wichtig, sich daran zu erinnern, dass ein zukünftiges Auswahlproblem mehrere Lösungen enthält.Lesen Sie die beste SIM-Performance. Nach ihrer Entwicklung ebnete diese Technik den Weg für biomedizinische Forscher, den biomedizinischen Nachweis mit mehreren Lösungen zu erforschen.

Research

JoVE Journal

Cancer Research

Anticancer Efficacy of Photodynamic Therapy with Lung Cancer-Targeted Nanoparticles

Anti-Krebs-Wirksamkeit der Photodynamischen Therapie mit Lungenkrebs-Targeted-Nanopartikel

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

Forschung

Krebsforschung

Counting Proteins in Single Cells with Addressable Droplet Microarrays

Zählen Proteine in einzelne Zellen mit adressierbaren Tröpfchen 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

Laparoskopische Pankreatoduodenektomie mit modifizierten 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 Biolumineszenz und Positronic-Emissions-Tomographie/Computational Tomographie Bildgebung des multiplen Myeloms Knochenmark Xenotransplantate NOG Mäuse

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-Durchflusszytometrie mit fluoreszierenden Zelle Barcoding für einzelne Zelle Signalisierung Analyse und Entdeckung von Biomarkern

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

Unterdrückung des multiplen Myeloms Zellwachstum In Vivo durch Single-Wall Carbon Nanotube (SWCNT)-MALAT1 Antisense Oligos geliefert

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

Die Durchführung von Datenkinining und die integrative Analyse von Biomarker bei Brustkrebs mit mehreren, öffentlich zugänglichen Datenbanken

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

Analysieren von Tumor-Genexpressionsfaktoren mit dem CorExplorer-Webportal

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

Simultane Bildgebung und Durchflusszytometrie-basierte Detektion mehrerer fluoreszierender Seneszenzmarker in therapieinduzierten seneszenten Krebszellen

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