비주얼 분석 기법과 면역 데이터 분석을 촉진

Summary

영상 분석 (VA)는 대화식으로 데이터를 분석하는 새로운 접근 방식입니다. 이 비디오에서는, 우리는 높은 처리량 생물학 실험에 의해 가져온 데이터 과부하 문제를 논의하고, 그러한 문제에 대한 솔루션으로 VA를 만나볼 수 있습니다. 비디오 이내에 테이블오라는 VA 도구를 사용하여 면역 데이터 세트 사이의 분석을 보여줍니다.

Abstract

영상 분석 (VA)는 인터랙티브 영상 디스플레이를 통해 대형 데이터 세트를 분석하는 새로운 방법으로 떠오르고있다. 우리는 유틸리티 및 생물 학적 데이터 세트의 분석에 VA 방식의 유연성을 보여주었다. 면역학에서 이러한 데이터 세트의 예는 유동세포계측법, Luminex 데이터, genotyping (예 : 단일 염기 다형성) 데이터를 포함합니다. 전통적인 정보 시각화 방식과는 반대로, VA는 분석이 실시간 데이터 탐사 과정에 참여할 수 있도록함으로써 애널리스트의 손에 분석 능력을 복원합니다. 우리는 몇 가지 VA 도구를 평가 후 테이블오라는 VA 소프트웨어를 선택했습니다. 분석 작업 집합 내의 사이 분석의 두 가지 유형의 접근 이점 분석라는 사용하여 비디오 프레 젠 테이션에서 시연했다. 로 VA에 정의된 결합하여 분석, VA 도구 전문가는 분석 도중에 도메인 전문가와 함께 나란히 작동하는 분석 방법입니다. 도메인 전문가는 데이터의 중요성을 이해하고, 수집된 데이터가 주소에있는 것 같은 그런 질문을 한 것입니다. 도구 전문가 그런 다음 질문에 대답 수있는 데이터의 패턴을 찾을 수 있도록 시각화를 생성합니다. 가설 생성 및 데이터의 빠른 영상 표시 사이의 짧은 지연 시간은 VA 방식의 큰 장점입니다.

Protocol

1. 테이블오을 탐험 기반 분석

1. 당신은 데이터 세트를 당신은 데이터 내의 열 사이의 다양한 관계를 탐험 싶어요.
   1. (그림 1) '데이터에 연결'을 클릭하여 DataSet을 가져옵니다. 데이터 원본 유형을 선택하고 데이터 집합을 가져올 지침을 따르십시오.
   2. (그림 1) 측정 선반은 DataSet에서 숫자 컬럼을 포함하는 동안 크기의 선반이 범주에 속하는 열이 포함되어 있는지 확인합니다. 가 numerated있다면 가끔은 그런 주제 식별자로 차원 칼럼은 조치로 나타날 수 있습니다. 그것에 마우스 오른쪽 클릭하여 크기로 변경하고 '차원 변환'을 선택합니다. 그림 1에서와 같은 자극 농도 수준과 주제 식별자로 DataSet에서 무조건적인 열이 제대로 차원의 선반에 배치하고 있으며, 크린 시토킨의 관찰된 농도가 제대로 측정 선반에 배치됩니다.
   3. (그림 2) 분석 과정, 계산 필드가 필요한 경우, 단순히 오른쪽 크기 또는 측정 선반 중 하나를 클릭하고 '계산 필드 만들기'를 선택합니다. 기능이나 수학 연산과 결합 필드의 수식 상자에서 계산 입력. 그림 2는 PFD2, PFD3 및 PFD4 가치를 통합하여> 2 PFD라는 새로운 분야를 만드는 방법을 보여줍니다.
   4. (그림 3) 차원과 관심의 척도로 일반적으로 테이블오에서 2 - D 음모를 생성합니다. 인터페이스가 간단한 드래그 앤 드롭 상호 작용을 제공하므로, 치수 및 측정의 선택을 쉽게 변경할 수 있습니다. 크기는 일반적으로 행 선반의 열 선반, 그리고 대책에 배치됩니다. 그림 3에서 치수 선반 자극 농도 수준을 포함​​하고 측정 선반 크린 시토킨의 관찰 농도 수준을 포함​​하고 있습니다.
   5. (그림 3) 특정 차원, 장소에 의해 시각화를 차별하는 차원의 특성에 따라 텍스트, 색상 또는 크기 선반의 치수 라벨. 텍스트 선반은 선택된 차원에서 제공하는 텍스트 정보를 라벨로 시각화 데이터를 차별화하려고 시도합니다. 색상과 크기 선반이 자동으로 각 선반의 하단에있는 스크롤 막대로 조절할 수있는 색상과 크기에 따라 데이터를 구분합니다. 그림 3에, 컬러 선반의 유전자형을 배치하는 것은 서로 다른 색상의 세 genotypes의 분리에 이르게한다.
   6. (그림 3)은 다른 차원에서 특정 열 변수를 사용하여 시각화를 필터링합니다. 이것은 필터를 선반에 치수 라벨을 드래그하여 수행할 수 있습니다. 창이 선택할 수있는 값 목록과 함께 나타납니다. 선택한 값을 시각화에 남아있는 유일한 값이됩니다.
   7. (그림 4) 다른 차원과 시각화를 결합하거나 시각화의 행렬을 생성하는 측정 수 있습니다. 이것은 열 선반에 여러 차원을 포기하고, 행 선반에 여러 조치를 할 수 있습니다. 그림 4는 열 선반에 두 개의 서로 다른 차원을 배치하여 두 열 시각화 매트릭스의 예제가 포함되어 있습니다.
   8. 비슷한 시각화를 생성하려면, 오른쪽 하단 왼쪽 모서리에있는 현재 시트를 클릭하고, '중복 시트'를 선택.
   9. 당신이 데이터에 대해 새로운 가설을 생성하는 데 도움이 될 수 있습니다 흥미 동향 또는 outliers을 확인하기 위해 분석 과정을 반복합니다.
2. 당신은 동일한 소스에서 생성된 여러 개의 데이터 세트를 가지고 있고, 이러한 데이터 세트 사이 가능한 연결을 탐험 싶어요.
   1. 테이블오가 동일한 연결을 통해이 데이터 집합에 연결할 수 있도록, 같은 통합 문서에 같은 소스, 즉 두 개 스프레드 시트에 여러 개의 데이터 세트를 배치합니다.
   2. (그림 5) 다중 데이터 세트에 대해 동일한 크기가 선택되었는지 확인하고, 핵심 가치를 논리적으로 가입을 통해 데이터 세트를 연결합니다. 그림 5에서 가입을위한 5 가지 주요 가치가 없습니다 : 셀 유형, 자극 농도 수준, 단계 또는 그룹, 자극, 그리고 주제 식별자입니다.
   3. 섹션 1.1와 유사한 분석을 수행합니다.

2. 프레 젠 테이션 기반 요구

1. 당신은 데이터 간의 관계를 알아,하지만 당신은 신속하게 프레 젠 테이션에 사용하기 위해 시각화의 목록을 생성할 수있게되고 싶어요.
   1. 섹션 1.1에 명시된 프로토콜을 따라하고, 그에 따라 시각화를 주석.
   2. 시각화의 이미지를 생산하는 테이블오의 수출 기능을 사용하십시오.
2. 당신은 테이블오 통합 문서에서 강력한 시각화의 집합을 생성하고 통합 문서를 공유하고자합니다.
   1. 테이블오 포장 통합 문서로 통합 문서를 저장하고이 파일을 공유할 수 있습니다.
   2. 테이블오 데스크탑없이 동료 패키지 통합 문서를 엽니다 테이블오 리더를 다운로드하실 수 있습니다. 테이블오 리더는 동료가 만든 시각화와 상호 작용 할 수 있습니다.

3. 대표 결과

그림 1. 스크린샷엑셀 파일 demo.xls에서 NFKBIA라는 스프레드 시트를 가져온 후 테이블오니다. 치수 및 측정 선반 제대로 각각 여지없이 및 수치 데이터로 채워집했다.

그림 2. 계산 필드 창이 테이블오에서 사용할 수있는 특별한 계산 필드를 만들 호출됩니다. 하단의 왼쪽 상자에있는 목록은 식별 가능한 필드를하는 데 도움이, 그리고 오른쪽에있는 목록이 수식에서 사용할 수있는 함수의 약어를 포함하고 있습니다. 이 예제에서, 우리는 PFD> 2로 참조하는 최종 가치를 얻기 위해 PFD4, PFD3 및 PFD2에 대한 값을 추가하려고

그림 3. 자극 농도 수준 비교 관찰 시토킨 농도의 시각화. 시각화는 시토킨 TNF - α의 농도 관찰에 대한 자극 3M - 002의 서로 다른 농도 수준의 음모를 보여줍니다. 라인의 색상은 우리의 타고난 면역 연구에 개인의 NFKBIA 유전자의 단일 염기 다형성에 대한 다른 genotypes를 참조하십시오.

그림 4. 두 열 시각화 모체의 스크린샷. 우리는 두 자극, 3M - 003 및 LPS에 반응 나란히 비교를 용이하게하기 위해 두 개의 열 매트릭스를 생성. X - 축 두 자극의 다른 농도 수준 및 Y 축 플롯 계산 필드 (Calculated Field)의 값을, PFD> 2입니다.

그림 5. 이러한 테이블오 대화 창이 다른 스프레드 시트에 기록된 데이터를 연결하는 방법을 보여줍니다. 다른 스프레드 시트에서 연결 데이터는 키 값을 사용하여 이러한 논리 가입 조항을 결합하여 수행할 수 있습니다.

	시각화 및 분석 도구
기능	테이블오	VIS - 스탬프	xmdvtool	GGobi	별빛	Gapminder	Visulab	InfoVis 툴킷	Geotime	영감
병렬 음모를 조정	예	예	예	예	예	아니	예	예	아니	아니
스캐터 플롯 매트릭스	예	아니	예	예	예	아니	예	아니	아니	아니
차원 감소	아니	아니	예	예	아니	아니	아니	아니	아니	아니
시간적 차원	예	예	아니	예	예	예	아니	예	예	아니
지리 크기	예	예	아니	아니	예	예	아니	아니	예	아니
텍스트 마이닝	아니	아니	아니	아니	예	아니	아니	아니	아니	예
데이터를 직접 조작	예	예	예	예	예	예	예	아니	예	아니
필터링	예	예	예	예	예	예	예	아니	예	예
다른 플랫폼으로 확장 (예를 들어, R)	예	아니	예	예	아니	예	아니	예	아니	아니
CSV 테이블 형식	예	예	예	예	아니	아니	예	예	예	아니
XML 데이터 형식	예	아니	아니	예	예	아니	예	예	예	아니
1 대처할 수0000 + 행	예	아니	아니	아니	예	아니	아니	아니	아니	예
문서	예	예	예	예	예	예	예	예	예	예
상용 제품	예	아니	아니	아니	예	아니	아니	아니	예	예

시각적 분석 도구와 기능 중 일부 표 1. 목록.

Discussion

현대 생물 의학 연구에 높은 처리량 기술의 출현은 분석보다 효율적인 방법을 필요로 연구 데이터의 폭발되었다. 영상 분석 (VA)는 인터랙티브 비주얼 인터페이스 (1)에 의해 촉진 분석 추론의 과학이다. VA 방식은 컴퓨터에 의해 패턴을 감지하는 전통적인 접근에 반하는 인간 분석의 손에있는 분석 능력을 복원합니다. 영상 분석은 이러한 국방 연구 (1) 허리케인 동향 (2) 등 다양한 분야의 연구에 적용되었습니다. 지금까지 생물학 VA 애플 리케이션 (3) 몇 예가있다. 우리는 VA 분석 도구의 생물학의 무기고에 추가할 수있는 방법입니다이 동영상을 문서에 보여주었다. 많은 VA 소프트웨어는 상업적으로 사용할 수 있습니다 - 사람을 학문 연구소에서 개발하는 사람에 이르기까지 사용할 수 있습니다. 신생아 타고난 면역력 (4)에서 저희가하는 일을 위해, 우리는 때문에 실험실에서 사용할 수있는 스프레드 시트 스타일의 데이터 세트를 분석에서의 적합성 테이블오를 선택했습니다. 우리가 비디오 문서에서 설명하는 일부의 다른 VA 도구, 생물 학적 데이터를 다른 유형의 더 적절한 수 있습니다. 우리는 표 1에서 더 인기 VA 도구의 일부 기능과 특성을 나열. 이 목록은 그것이 연구의 범위를 넘어이지만, 자신의 특정 데이터 세트에 대해 적합한 VA 도구를 결정하는 과학자를위한 좋은 출발점이되어야하기 때문에 완전한 될 운명이되지 않습니다.

우리가 강조하고자하는 VA에 대한 두 가지 주요 포인트가 있습니다. 하나는, VA 방식은 빠르게 같은 데이터의 일반적인 경향과 outliers 같은 장소 패턴을 분석을함으로써 탐구 과정으로 것입니다. VA의 주요 초점은 대형 데이터 세트를위한 강력한 시각화 기술을 제공하는 것입니다. 그것은 통계 분석에 대한 대안이되지 않습니다. 사실, VA 도구의 대부분은 매우 우리가 이것은 가까운 미래에 변화 기대하지만, 통계 분석을 수행하기 위해 자신의 능력에 한계가 있습니다. 우리가 언급하려는 두 번째 지점은 사전 VA 도구에 DataSet을 수입하기 위해 미리 처리 데이터가 분석의 성공을 위해 중요합니다 것입니다. 스프레드 시트에서 사람이 읽을 수있는 방식으로 제공 데이터가 때로는 기계 판독 형식에서 다르다는 것을 명심. 데이터의 원래 형식 VA 도구에 적합하지 않은 경우 데이터 사전 처리, 종종 데이터의 거대한 변형을 요구하는, 시간이 많이 걸리는 단계하실 수 있습니다. 우리는 매우 같은 VA에서 사용할 수있는 것과 같은 스트림 분석 소프트웨어 도구에 유연하고 효율적인 업로드를 허용하는 데이터 입력 및 인코딩의 신중한 계획을 권장합니다.