Summary
Visual analitik (VA), etkileşimli veri analiz yeni bir yaklaşım. Bu video, yüksek verimli biyolojik deneyler tarafından getirilen veri aşırı sorunu tartışmak ve bu soruna bir çözüm olarak VA teklif. Içinde ve immünolojik veri setleri arasındaki Tableau denilen bir VA aracını kullanarak video analizi göstermektedir.
Abstract
Visual analitik (VA), interaktif görsel ekran üzerinden büyük veri analiz etmek için yeni bir yol olarak ortaya çıkmıştır. Biz programı ve biyolojik veri setlerinin analizi VA yaklaşımın esnekliği göstermiştir. Immünoloji, bu veri setlerinin Örnekler flow sitometri, LUMINEX veri ve genotipleme (örneğin, tek nükleotid polimorfizmi) verileri içerir. Geleneksel bilgi görselleştirme yaklaşımının aksine, VA, analist, gerçek zamanlı veri arama sürecinde yapmaya izin vererek analistin elinde analiz gücünü tekrar geri kazandırır. Biz, çeşitli VA araçları değerlendirdikten sonra Tableau adlı VA yazılım seçti. İki tür veri setleri içinde ve arasında analiz analiz görevleri eşleştirilmiş analizi olarak adlandırılan bir yaklaşım kullanarak video sunumu gösterildi. VA olarak tanımlanan Eşleştirilmiş analizi, bir VA aracı uzmanı analizi sırasında bir etki alanı uzmanı ile yan yana çalıştığı bir analiz yaklaşımı. Etki alanı uzman verilerin önemini anlıyor ve toplanan verilerin ele sorular sorar. Aracı uzman daha sonra, bu sorulara cevap olabilecek veri desenleri bulmanıza yardımcı olmak için görselleştirme oluşturur. Hipotez üretme ve verilerin hızlı bir görsel ekran arasında kısa bir gecikme süresi VA yaklaşımın en önemli avantajlarından biridir.
Protocol
1. Keşif-tabanlı Tableau Analizi
- Bir veri kümesi varsa ve içinde veri sütunları arasında çeşitli ilişkiler keşfetmek istiyorsanız.
- (Şekil 1) 'verilere bağlanma' tıklayarak veri kümesi alma. Veri kaynağı türünü seçin ve veri kümesi almak için yönergeleri izleyin.
- (Şekil 1) önlemler raf dataset sayısal sütunları içerir boyutları raf kategorik sütun içerdiğini emin olun. Bazen teselsül ise konu tanımlayıcı olarak bir boyut sütun tedbir olarak listelenmiş olabilir. Üzerine sağ tıklayarak boyutları değiştirin ve 'Boyuta Dönüştür' seçeneğini belirleyin. Şekil 1, uyaran konsantrasyon seviyesi ve konu tanımlayıcıları olarak dataset kategorik sütun boyutları raf doğru yerleştirilir ve sitokin gözlenen konsantrasyon doğru önlemler rafa yerleştirilir.
- (Şekil 2) analiz işlemi sırasında, hesaplanmış bir alana ihtiyaç duyulması halinde, sadece boyutları ya da önlemler raf ya da sağ tıklatın ve 'Hesaplanmış Alan'ı oluşturun' seçeneğini seçin. Formül kutusunda, fonksiyonlar ya da matematiksel işlemleri ile birlikte alanları ile hesaplama Giriş. Şekil 2 PFD2, PFD3 ve PFD4 değerleri bir araya> 2 PFD olarak adlandırılan yeni bir alan oluşturmak için nasıl gösterir.
- (Şekil 3) bir boyut ve ilgi bir ölçüsüdür, tipik bir 2-B Tableau arsa oluşturun. Arayüzü basit bir sürükle-bırak etkileşim sunduğu için, ölçü ve ölçü seçimi kolayca değiştirilebilir. Boyutları genellikle satır sütun raf, ve tedbirler raf yerleştirilir. Şekil 3, boyutları raf uyaran konsantrasyon seviyesini içerir ve önlemler raf sitokinlerin gözlenen konsantrasyon seviyesi içerir.
- (Şekil 3) belirli bir boyut, yer görselleştirme ayırt etmek için boyut doğasına bağlı olarak, metin, renk veya boyutunu raf boyut etiket,. Metin raf seçilen boyut tarafından sağlanan metin bilgi etiketleme veri görselleştirme ayırt etmek için çalışır. Renk ve boyut raf her raf alt kısmında bulunan kaydırma çubuğu ile ayarlanabilir renk ve boyut verileri otomatik olarak ayırt. Şekil 3, renk raf genotip yerleştirerek farklı renklerde üç genotipleri ayrılmasına yol açar.
- Diğer boyut belirli sütun değişkenler tarafından görselleştirme Filtresi (Şekil 3). Bu boyut etiketi filtre raf içine sürükleyerek yapılabilir. Değerlerin listesini seçmek için bir pencere belirecektir. Seçilen değer görselleştirme kalan tek değerleri olacaktır.
- (Şekil 4) diğer boyut görselleştirme birleştirmek veya görselleştirme bir matris üretmek için ölçmek olabilir. Bu sütun raf birden fazla boyutlar bırakarak ve birden fazla satır raf önlemler yapılabilir. Şekil 4, iki farklı boyutta sütunları raf koyarak, iki sütunlu bir görselleştirme matris bir örnek içerir.
- Benzer bir görselleştirme üretmek için, sol alt köşedeki Geçerli sayfanın sağ tıklatın ve 'kopya sayfa seçilir.
- Veriler hakkında yeni bir hipotez oluşturmaya yardımcı olabilir ilginç eğilimler ya da aykırı belirlemek için analiz süreci yineleme.
- Aynı kaynaktan birden fazla veri kümesi var ve bu veri setleri arasındaki olası bağlantıları keşfetmek istiyorsanız.
- Tableau aynı bağlantı üzerinden bu veri kümesi bağlanmak için izin vermek için, aynı çalışma kitabında bir aynı kaynaktan, yani yerde iki elektronik tablolar birden fazla veri setleri yerleştirin.
- (Şekil 5) Birden fazla veri setleri için aynı boyutları seçili olduğundan emin olun, anahtar değerleri mantıksal birleştirme yoluyla veri setleri bağlayın. Şekil 5, katıldığınız için beş temel değerleri vardır: hücre tipi, uyaran konsantrasyon seviyesi, sahne ya da grup, uyarıcı, ve konu tanımlayıcısı.
- Bölüm 1.1 'e benzer bir analiz yapın.
2. Sunum Gereksinimler
- Veriler arasındaki ilişkileri bilmek, ancak hızlı bir şekilde sunumu için görselleştirme bir listesini oluşturmak için mümkün olmak istiyorum.
- Bölüm 1.1 'de belirtilen protokol izleyin, ve buna göre görselleştirme açıklama.
- Görselleştirme görüntüleri üretmek için Tableau ihracat fonksiyonu kullanın.
- Güçlü görselleştirme Tableau çalışma kitabındaki bir dizi oluşturulur ve bu çalışma kitabı paylaşmak istiyorum.
- Tableau ambalajlı çalışma kitabı olarak çalışma kitabını kaydedin ve bu dosyayı paylaşmak.
- Tableau Masaüstü olmadan Meslektaşlarım paketlenmiş bir çalışma kitabını açmak için Tableau Reader'ı ücretsiz indirebilirsiniz. Tableau Okuyucu, meslektaşları yarattığı görselleştirme ile etkileşim sağlar.
3. TEMSİLCİSİ SONUÇLAR
Şekil 1 A ekranExcel dosyası demo.xls NFKBIA adlı tablo ithal sonra Tableau. Boyutları ve önlemler raflara doğru sırasıyla, kategorik ve sayısal veri ile doldurulur.
Şekil 2 Hesaplanmış Alan pencere Tableau olarak kullanmak için özel bir hesaplanan alan oluşturmak için çağrılır. Sol alt kutusunda liste tanımlamak mümkün alanlarda yardımcı olur ve sağ taraftaki liste, formülde kullanılan işlevleri kısaltma içerir. Bu örnekte, PFD> 2 olarak işaret ettiği nihai bir değer elde etmek için PFD4, PFD3 ve PFD2 değerler eklemek istedim
Şekil 3 uyaran konsantrasyon seviyesi vs gözlenen sitokin konsantrasyon Görselleştirme. Görselleştirme uyaran 3M-002 farklı konsantrasyon seviyeleri sitokin TNF-α yoğunluklara karşı bir komplo gösterir. Çizgilerin renkleri NFKBIA gen, doğuştan gelen bağışıklık çalışmada bireylerin bir tek nükleotid polimorfizmi için farklı genotipleri bakın.
Şekil 4, iki sütunlu bir görselleştirme matris bir ekran görüntüsü . Biz iki uyaranlara, 3M-003 ve LPS verilen yanıtlar bir yan-yana karşılaştırma kolaylaştırmak için bir iki sütunlu bir matris oluşturulur. X-eksenleri iki uyaranların farklı konsantrasyon düzeyleri, ve y-ekseni araziler hesaplanan alan değerleri, PFD> 2.
Şekil 5 Bu Tableau pencerelerde farklı tablolarınızda kaydedilen veriler nasıl bağlanacağını göstermektedir. Farklı elektronik tablolar bağlanma veriler bu anahtar değerleri kullanarak, mantıksal katılmak hükümler birleştirerek yapılabilir.
| Görselleştirme ve Analiz Aracı | ||||||||||
| Fonksiyon | Tablo | VIS-STAMP | xmdvtool | GGobi | Yıldız ışığı | Gapminder | Visulab | InfoVis Toolkit | Geotime | Ilham vermek |
| Paralel araziler koordine | Evet | Evet | Evet | Evet | Evet | Yok | Evet | Evet | Yok | Yok |
| Scatter plot matrisler | Evet | Yok | Evet | Evet | Evet | Yok | Evet | Yok | Yok | Yok |
| Boyutlu azalma | Yok | Yok | Evet | Evet | Yok | Yok | Yok | Yok | Yok | Yok |
| Geçici boyutları | Evet | Evet | Yok | Evet | Evet | Evet | Yok | Evet | Evet | Yok |
| Geospatial boyutları | Evet | Evet | Yok | Yok | Evet | Evet | Yok | Yok | Evet | Yok |
| Metin madenciliği | Yok | Yok | Yok | Yok | Evet | Yok | Yok | Yok | Yok | Evet |
| Doğrudan veri manipülasyonu | Evet | Evet | Evet | Evet | Evet | Evet | Evet | Yok | Evet | Yok |
| Süzme | Evet | Evet | Evet | Evet | Evet | Evet | Evet | Yok | Evet | Evet |
| Genişletilebilirlik diğer platformlar için (örneğin, R) | Evet | Yok | Evet | Evet | Yok | Evet | Yok | Evet | Yok | Yok |
| CSV tablo biçimleri | Evet | Evet | Evet | Evet | Yok | Yok | Evet | Evet | Evet | Yok |
| XML veri formatları | Evet | Yok | Yok | Evet | Evet | Yok | Evet | Evet | Evet | Yok |
| 1 ile başa çıkabilirim0000 + satır | Evet | Yok | Yok | Yok | Evet | Yok | Yok | Yok | Yok | Evet |
| Belgeleme | Evet | Evet | Evet | Evet | Evet | Evet | Evet | Evet | Evet | Evet |
| Ticari ürün | Evet | Yok | Yok | Yok | Evet | Yok | Yok | Yok | Evet | Evet |
Tablo 1. görsel analiz araçları ve bazı özellikler listesi.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Modern biyomedikal araştırma yüksek verimlilik teknolojisinin gelişiyle araştırma verileri daha verimli bir şekilde analiz gerektiren bir patlamaya yol açtı. Visual analitik (VA), analitik akıl interaktif görsel arayüzleri (1) kolaylaştırdı bilim dalıdır. VA yaklaşım bilgisayar tarafından kalıplarını tespit etmek için geleneksel yaklaşımın aksine, insan analisti elinde analitik güç, geri yükler. Visual analitik savunma araştırma (1) ve kasırga eğilimleri (2) gibi çeşitli alanları, araştırma uygulanmıştır. Şimdiye kadar, biyoloji (3) VA uygulamalar sadece birkaç örnek vardır. Bu video makalede VA analiz araçları biyolog cephanelik için eklenebilir bir yaklaşım olduğunu gösterdi. Birçok VA yazılımları geliştirme piyasada bulunan bu akademik laboratuvarlarında bu kadar mevcuttur. Yenidoğan doğuştan gelen bağışıklık (4) bizim için, laboratuarda bulunan elektronik tablo tarzı veri setlerini analiz uygunluğu nedeniyle Tableau seçti. Video makalede bahsedilen bazıları diğer VA araçları, biyolojik veriler diğer türleri için daha uygun olabilir. Biz daha popüler VA araçları Tablo 1'de bazı fonksiyonları ve özellikleri sıraladı. Bu liste, bu çalışmanın kapsamı dışındadır, ama kendi özel veri setleri için uygun VA aracı belirlemek için bilim adamları için iyi bir başlangıç noktası olmalıdır, çünkü ayrıntılı anlamına gelmez.
VA ile ilgili vurgulamak istediğim iki önemli nokta vardır. Bir VA yaklaşım veriler genel eğilimler ve taşmalar gibi spot modelleri hızlı bir şekilde analist yardımcı bir keşif süreci olarak tasarlanmıştır. VA ana odak noktası, büyük veri setleri için güçlü bir görüntüleme tekniği sağlamaktır. Istatistiksel analiz için bir alternatif değildir. Aslında, VA araçları çok bu yakın gelecekte değiştirmek için tahmin rağmen istatistiksel analiz yeteneklerini sınırlıdır. Bahsetmek istediğim ikinci nokta dataset VA bir aracı ithal önce ön işleme veri analizinin başarısı için önemli olduğunu. Tabloları bir insan tarafından okunabilir bir şekilde sunulan veriler bazen bir makine tarafından okunabilir bir formatta farklı olduğunu unutmayın. Veri ön-işleme verilerin özgün biçimini VA aracı uygun değilse, genellikle veri büyük dönüşüm gerektiren, zaman alıcı bir adım olabilir. Biz, son derece VA gibi aşağı analiz yazılımı araçları esnek ve verimli bir yüklenenler izin vermek, veri giriş ve kodlama dikkatli bir planlama tavsiye ederiz.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Çıkar çatışması ilan etti.
Acknowledgments
Biz proje için bir yorum ve öneriler sunmak için Visual Analytics (VIVA) Vancouver Enstitüsü üyelerine teşekkür etmek istiyorum. Özellikle, biz, John Dereotu, Brian Fisher ve David Darvill teşekkür etmek istiyorum. Ayrıca, verdikleri destek ve yararlı tartışmalar için Kollmann laboratuar üyelerine teşekkür etmek istiyorum. Bu çalışma, Ulusal Alerji Enstitüsü ve Bulaşıcı Hastalıklar, Ulusal Sağlık Hibe N01 AI50023 Enstitüsü tarafından desteklenen; allerjen NCE Hibeler 07-A1A ve 07-B2B ve Michael Smith Sağlık Araştırma Vakfı. TRK Hasta Çocuk Vakfı, Çocuk ve Aile Araştırma Enstitüsü ile işbirliği içinde, Sağlık Araştırma Eğitim Kanada Çocuk Sağlığı Klinisyen Scientist Programı Hibe için Kanadalı bir Enstitüleri tarafından Burroughs Wellcome Fonu reklam Biyomedikal Bilim Kariyer Ödülü, (kısmen desteklenir British Columbia), Kadın ve Çocuk Sağlığı Araştırma Enstitüsü (Alberta) ve Manitoba Çocuk Sağlığı Enstitüsü.
References
- Thomas, J., Cook, K. Illuminating the Path: The Research and Development Agenda for Visual Analytics. , IEEE CS Press. (2005).
- Steed, C., Swan, J., Jankun-Kelly, T., Fitzpatrick, P. Guided Analysis of Hurricane Trends Using Statistical Processes Integrated with Interactive Parallel Coordinates. IEEE Symposium on Visual Analytics Science and Technology. , IEEE. Atlantic City. 19-26 (2009).
- Saraiya, P., North, C., Lam, V., Duca, K. An Insight-Based Longitudinal Study of Visual Analytics. IEEE Transactions on Visualization and Computer Graphics. 12, 1511-1522 (2006).
- Kollmann, T. R., Crabtree, J., Rein-Weston, A., Blimkie, D., Thommai, F., Wang, X. Y., Lavoie, P. M., Furlong, J., Fortuno, E. S. 3rd, Hajjar, A. M., Hawkins, N. R., Self, S. G., Wilson, C. B. Neonatal innate TLR-mediated responses are distinct from those of adults. J. Immunol. 183, 7150-7160 (2009).
