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

Este trabajo fue apoyado por el programa de investigación prioridad estratégica de la Academia China de Ciencias (XDB13040400) y la subvención de puesta en marcha de la Universidad de Jilin. Revisores anónimos y usuarios pruebas biomédicos fueron apreciados por sus comentarios constructivos para mejorar la usabilidad y la funcionalidad de kSolutionVis.

Nota: El siguiente protocolo describe los detalles del procedimiento analítico informática y seudo códigos de los módulos principales. El sistema de análisis automático se desarrolló usando Python versión 3.6.0 y los pandas de módulos Python, abc, numpy, scipy, sklearn, sys, PyQt5, sys, mRMR, matemáticas y matplotlib. Los materiales utilizados en este estudio se enumeran en la Tabla de materiales.
1. preparar la matriz de datos y etiquetas de la clase
<ol><li>Prepa...

Este estudio presenta un protocolo de detección y caracterización de fácil de seguir solución múltiples biomarcadores para un conjunto de datos de clasificación binario especificado por el usuario. El programa pone énfasis en la facilidad de uso e interfaces flexibles de importación y exportación de varios formatos de archivo, permitiendo que un investigador biomédico investigar sus datos fácilmente utilizando la interfaz gráfica del software. Este estudio también pone de relieve la necesidad de generar más...

Clasificación binaria, uno de los más comúnmente investigada y datos difíciles problemas en el área biomédico, de la explotación minera se utiliza para construir un modelo de clasificación en dos grupos de muestras con la más precisa discriminación poder1, 2 , 3 , 4 , 5 , 6 , 7. sin embargo, los grandes datos generados en el ámbito biomédico tienen la inherente "p pequeño n grande" paradigma, con el número de características generalmente mucho mayores que el número de muestras6,8,9. Por lo tanto, los investigadores biomédicos tienen que reducir la dimensión de función antes de utilizar los algoritmos de clasificación para evitar el problema overfitting8,9. Biomarcadores de diagnóstico se definen como un subconjunto de características detectados separar a pacientes de una determinada enfermedad de control sano muestras10,11. Los pacientes generalmente se definen como las muestras positivas, y los controles sanos se definen como muestras negativas12.
Estudios recientes han sugerido que existe más de una solución con las actuaciones de clasificación idéntico o igualmente efectiva para un conjunto de datos biomédica5. Casi todos los algoritmos de selección de función son algoritmos deterministas, produciendo una única solución para el mismo conjunto de datos. Algoritmos genéticos simultáneamente pueden generar múltiples soluciones con actuaciones similares, pero aún así tratar de seleccionar una solución con la mejor función de la aptitud como la salida para un conjunto dado de datos13,14.
Algoritmos de selección de función se pueden agrupar áspero como filtros o envolturas12. Un algoritmo de filtro elige el top -k características por su importante asociación individual con las etiquetas de clase binaria basada en la suposición de que dispone son independientes de uno a15,16,17 . Aunque esta suposición no tiene verdadera para casi todos datos del mundo real, la regla de filtro heurístico realiza bien en muchos casos, por ejemplo, mRMR (redundancia mínima y máxima relevancia) algoritmo, el Wilcoxon test basado en función filtrado (WRank) algoritmo de filtrado (ROCRank) basado en algoritmo y el diagrama ROC (característica operativa del receptor). mRMR, es un algoritmo de filtro eficiente porque aproxima el problema de combinatoria de estimación con una serie de problemas mucho más pequeños, en comparación con el algoritmo de selección de función de máxima dependencia, cada uno de los cuales sólo involucra dos variables, y por lo tanto utiliza pares probabilidades conjuntas que son más robustas de18,19. Sin embargo, mRMR puede subestimar la utilidad de algunas de las características que no mide las interacciones entre las características que pueden aumentar la relevancia y así pierde algunas combinaciones de funciones que sirven individualmente pero que son útiles sólo cuando se combinan. El algoritmo WRank calcula una puntuación no paramétrica de forma discriminativa una característica entre dos clases de muestras y es conocida por su robustez para afloramientos20,21. Además, el algoritmo de ROCRank evalúa cómo importante es el área bajo ROC la curva (AUC) de una función concreta para la clasificación binaria investigados rendimiento22,23.
Por otro lado, un contenedor evalúa el rendimiento del clasificador previamente definida de un subconjunto de la característica dada, generado iterativamente una regla heurística y crea el subconjunto de la característica con el mejor rendimiento medida24. Un contenedor generalmente supera a un filtro en el rendimiento de la clasificación pero corre lento25. Por ejemplo, el algoritmo de27 26,de bosque al azar regularizado (RRF) utiliza una regla codiciosa, evaluando las características en un subconjunto de los datos del entrenamiento en cada nodo del bosque al azar, y los puntos función importancia son evaluados por el índice de Gini . La elección de una nueva característica se penalizará si no mejora la ganancia de información de las características solicitadas. Además, el análisis de predicción de Microarrays (PAM)28,29 algoritmo, también un algoritmo de envoltura, calcula un centroide para cada una de las etiquetas de clase y luego selecciona características para reducir el tamaño los centroides gen hacia el general centroide de la clase. PAM es robusto para las características.
Soluciones múltiples con el rendimiento de la clasificación superior pueden ser necesarias para cualquier conjunto dado de datos. En primer lugar, el objetivo de la optimización de un algoritmo determinista es definido por una fórmula matemática, por ejemplo, tasa de error mínimo30, que no es necesariamente ideal para muestras biológicas. En segundo lugar, un conjunto de datos puede tener soluciones significativamente diferentes, múltiples, con actuaciones similares de efectivas o incluso idénticos. Casi todos los algoritmos de selección existentes de la característica de estas soluciones seleccionará al azar la salida31.
Este estudio presenta un protocolo analítico de informática para la generación de múltiples soluciones de selección de función con actuaciones similares para cualquier conjunto de datos de clasificación binario dado. Teniendo en cuenta que investigadores biomédicos más no están familiarizados con las técnicas informáticas o codificación de la computadora, una interfaz de usuario gráfica fácil de usar (GUI) fue desarrollada para facilitar el rápido análisis de datos biomédicos clasificación binaria. El protocolo analítico consiste en carga de datos y resumir, parámetro tuning, ejecución de ductos e interpretaciones del resultado. Con un simple clic, el investigador es capaz de generar el subconjuntos de biomarcadores y de la parcelas de visualización de calidad de publicación. El protocolo ha sido probado utilizando los transcriptomas de dos conjuntos de clasificación binaria de la leucemia linfoblástica aguda (ALL), es decir, ALL1 y ALL212. Los conjuntos de datos de ALL1 y ALL2 se descargaron desde el amplio Instituto genoma análisis centro de datos, disponible en http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 contiene 128 muestras con 12.625 características. De estas muestras, 95 son células B todo y 33 son células T todos. ALL2 incluye 100 muestras con 12.625 características así. De estas muestras, hay 65 pacientes que sufrieron recaída y 35 pacientes que no lo hizo. ALL1 era un conjunto de datos de fácil clasificación binaria, con una precisión mínima de cuatro filtros y cuatro envolturas que 96.7% y 6 de los algoritmos de selección de 8 función logro 100%12. ALL2 fue un conjunto de datos más difícil, con los algoritmos de selección 8 característica anterior logrando no es mejor que el 83,7% exactitud12. Esta mayor precisión se logró con 56 características detectadas por el algoritmo de la envoltura, selección basada en la correlación de función (SFC).

<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

Detección de biomarcadores es una de las cuestiones biomédicas más importantes para investigadores de alto rendimiento "ómicas", y casi todos los algoritmos de detección de biomarcadores generan un subconjunto de biomarcadores con la medición del desempeño optimizado para un determinado conjunto de datos . Sin embargo, un reciente estudio demostró la existencia de varios subconjuntos de biomarcadores con actuaciones de clasificación igualmente efectivos o incluso idénticos. Este protocolo presenta una metodología simple y directa para la detección de subconjuntos del biomarcador con las actuaciones de clasificación binario, mejores que un corte definido por el usuario. El protocolo consiste en preparación de datos y carga, Resumen de información de línea de base, parámetro ajuste, detección de biomarcadores, visualización resultado interpretación, anotaciones de genes biomarcadores y exportación de resultados y visualización en calidad de la publicación. El biomarcador propuesto evaluación estrategia es intuitivo y muestra una regla general para el desarrollo de algoritmos de detección de biomarcadores. Una interfaz de usuario gráfica fácil de usar (GUI) fue desarrollada usando el lenguaje de programación Python, permitiendo a los investigadores biomédicos tienen acceso directo a sus resultados. Pueden descargarse el código fuente y manual de kSolutionVis de http://www.healthinformaticslab.org/supp/resources.php.

El objetivo de este flujo de trabajo (figura 6) es detectar múltiples subconjuntos de biomarcadores con similar eficiencia de un conjunto de datos binarios de la clasificación. Todo el proceso es ilustrado por dos conjuntos de datos de ejemplo ALL1 y ALL2 extraído de una detección de biomarcadores recientemente publicado estudio12,48. Un usuario puede instalar kSolutionVis siguiendo las instruccio...

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

Algoritmos existentes generan una solución para un conjunto de datos de detección de biomarcadores. Este protocolo demuestra la existencia de varias soluciones igualmente eficaces y presenta un software fácil de usar para ayudar a los investigadores biomédicos a investigar sus conjuntos de datos para el reto propuesto. Científicos de la computación también pueden proporcionar esta característica en sus biomarcadores algoritmos de detección.

Selección de varios subconjuntos de biomarcadores con semejantemente eficaz clasificación binaria actuaciones

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

Esta medida puede ayudar a responder preguntas clave en el campo de la detección biomédica sobre la generación de múltiples soluciones. La principal ventaja de esta técnica es que proporciona una interfaz gráfica de usuario fácil de usar para ayudar a los investigadores biomédicos en la detección de múltiples características disminuye. Comience cargando la matriz de datos y las etiquetas de clase en el software.Haga clic en cargar matriz de datos para seleccionar el archivo de métricas de datos especificado por el usuario y cargar etiquetas de clase para seleccionar el archivo de etiqueta de clase correspondiente. Para determinar las etiquetas de clase en el número de entidades de clasificación superior, seleccione los nombres de las clases positivas y negativas en los cuadros desplegables adecuados y seleccione 10 como el número de entidades de clasificación superior en el cuadro desplegable X superior para una pantalla completa del subconjunto de entidades. Para ajustar los parámetros del sistema para diferentes prestaciones, seleccione la precisión de la medición de rendimiento como el cuadro desplegable de precisión equilibrada de precisión para el clasificador de máquina de aprendizaje extremo seleccionado.A continuación, seleccione un valor de corte de 0,7 para la medición de rendimiento especificada en el cuadro de entrada de corte de rendimiento. Para ejecutar la canalización, haga clic en analizar y seleccione 0,7 como valor predeterminado del corte de medición de rendimiento. Y, 10 como el número predeterminado de los mejores subconjuntos de características.A continuación, recopile e interprete las características detectadas por el software. Para generar un gráfico de dispersión 3D de las 10 entidades principales de los subconjuntos con los mejores rendimientos de clasificación detectados por el software, haga clic en analizar y ordenar las tres entidades de un subconjunto de entidades en orden ascendente de sus rangos, utilizando los rangos de las tres entidades como los ejes F1, F2 y F3. Cambie el valor de corte de rendimiento a 0,7 y haga clic en analizar para generar un gráfico de dispersión 3D de los subconjuntos de entidades con un valor de medición de rendimiento mayor o igual que el rendimiento.A continuación, haga clic en Ajuste 3D para abrir una nueva ventana para ajustar manualmente los ángulos de visión de la gráfica de dispersión 3D y reducir para reducir la redundancia de los subconjuntos de entidades detectados. Para anotar un gen en los niveles de secuencia de ADN y proteínas, abra la página web de la base de datos David y haga clic en el enlace de conversión de ID de gen para introducir los ID de entidad del primer subconjunto de biomarcadores del conjunto de datos preparado. Haga clic en el vínculo de la lista de genes y haga clic en Enviar lista para recuperar las anotaciones de interés y mostrar la lista de genes para obtener la lista de símbolos gene.A continuación, abra la página web de la base de datos GeneCards e introduzca el nombre del gen de interés en el cuadro de entrada de consulta de base de datos para encontrar las anotaciones de este gen. Abra la base de datos Online Mendelian Inheritance in Man y busque el gen para encontrar las anotaciones de este gen de la base de datos. Para anotar las proteínas codificadas, abra la página de la base de datos de la base de conocimiento UniProt y busque las anotaciones del gen de esta base de datos.Abra el sistema de predicción basado en grupos, o servidor web GPS, y recupere la secuencia de proteínas codificada por el gen del biomarcador de la base de datos de la base de datos de conocimiento UniProt y utilice la herramienta GPS en línea para predecir los residuos de modificación posteriores a la transición de las proteínas. Para anotar las interacciones proteína-proteína y los módulos funcionales enriquecidos, abra la página del servidor web de cadenas y utilice la base de datos de cadenas para buscar en la elevación los genes de interés para encontrar sus propiedades orquestadas. Para exportar los subconjuntos de biomarcadores detectados para su análisis posterior, haga clic en exportar la tabla y seleccione el formato de texto adecuado para guardar los archivos.A continuación, exporte los trazados de visualización como archivos de imagen individuales, haciendo clic en Guardar debajo de cada trazado y seleccionando el formato de imagen adecuado para guardar cada archivo. En este experimento representativo, dos conjuntos de datos se formatearon como archivos CSV y se cargaron en el software como se ha demostrado. En el primer conjunto de datos, se cargaron 128 muestras con 12. 625 entidades y etiquetas de clase individuales con la Matriz de datos final que contiene 95 muestras negativas y 33 muestras positivas.También se llevaron a cabo operaciones similares para el segundo conjunto de datos difíciles. La búsqueda de una palabra clave específica del usuario en los nombres de entidad revela un histograma de las entidades de cada conjunto de datos. Después de ejecutar el algoritmo de canalización para cada conjunto de datos, se detectaron 120 subconjuntos de biomarcadores calificados para el conjunto de datos fácil de discriminar, con 57 subconjuntos de biomarcadores de triplete que demostraron una precisión del 100%.Sin embargo, solo se detectaron 76 subconjuntos de biomarcadores para el conjunto de datos difícil. Y, con una menor precisión de subconjunto de biomarcadores que sugiere que los biomarcadores son específicos del fenotipo, otro desafío importante en la detección de biomarcadores. Al usar este procedimiento, es importante recordar que un problema de selección futuro tiene varias soluciones.Lea la mejor tarjeta SIM de rendimiento. Después de su desarrollo, esta técnica allanó el camino para que los investigadores biomédicos exploraran la detección biomédica con múltiples soluciones.

Research

JoVE Journal

Cancer Research

Anticancer Efficacy of Photodynamic Therapy with Lung Cancer-Targeted Nanoparticles

Contra el cáncer eficacia de la terapia fotodinámica con nanopartículas orientada por cáncer de pulmón

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

Investigación

Investigación sobre el cáncer

Counting Proteins in Single Cells with Addressable Droplet Microarrays

Recuento de proteínas en las células con Microarrays de gota direccionable

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

Duodenopancreatectomía laparoscópica con Blumgart Pancreaticojejunostomy modificado

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

Proyección de imagen de tomografía multimodal bioluminiscente y emisión positrónica tomografía/computacional de xenoinjertos de médula ósea del mieloma múltiple en ratones NOG

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

Citometría de flujo fosfo con códigos de barra fluorescente de la célula para célula de señalización análisis y descubrimiento de biomarcadores

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

Represión del crecimiento de la célula del mieloma múltiple en Vivo de nanotubos de carbono de pared simple (SWCNT)-entregado Oligos antisentido MALAT1

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

Realizar la minería de datos y análisis integrativos de biomarcadores en el cáncer de mama utilizando múltiples bases de datos accesibles públicamente

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

Análisis de los factores de expresión génica tumoral con el portal web de CorExplorer

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

Detección simultánea basada en imágenes y citometría de flujo de múltiples marcadores de senescencia fluorescente en células cancerosas senescentes inducidas por terapia

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