Name: Facilitar el análisis de los datos inmunológicos con Visual técnicas analíticas (Video) | JoVE Journal
Uploaded: 2011-01-02T17:00:00.000+00:00
Duration: 10 min 58 s
Description: Aprende técnicas de análisis visual para datos inmunológicos complejos usando Tableau. Este método permite identificar patrones genéticos y respuestas de citocinas de forma rápida y eficiente en investigación biomédica.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Nos gustaría agradecer a los miembros de Vancouver Instituto de Visual Analytics (VIVA) para ofrecer comentarios y consejos para el proyecto. En particular, nos gustaría agradecer a John Dill, Brian Fisher, y Darvill David. También nos gustaría agradecer a los miembros del laboratorio de Kollmann por su apoyo y sus útiles comentarios. Este trabajo fue apoyado en parte por el Instituto Nacional de Alergias y Enfermedades Infecciosas, Instituto Nacional de Salud Grant N01 AI50023; Becas alérgenos NCE 07-A1A y 07 B2B-, y la Michael Smith Fundación para la Investigación en Salud. TRK es apoyado en parte por una concesión de carrera en la ciencia biomédica del anuncio Fondo Burroughs Wellcome por Institutos Canadienses de Salud de subvención en el Programa de Capacitación en Investigación Canadiense de Salud Infantil Científico Médica, en colaboración con la Fundación Niños Enfermos, Niño y la Familia del Instituto de Investigación ( Columbia Británica), la Mujer y la Infancia del Instituto de Investigación de la Salud (Alberta), Manitoba y el Instituto de Salud Infantil.

1. Exploración basada en el análisis de Tableau <ol><li> Usted tiene un conjunto de datos y desea explorar las diversas relaciones entre las columnas de los datos. <ol><li> (Figura 1) Importar el conjunto de datos, haga clic en "Conectar a los datos. Seleccione el tipo de fuente de datos y siga las instrucciones para importar el conjunto de datos. </li><li> (Figura 1) Asegúrese de que la plataforma contiene columnas de dimensiones categóricas a la vez la plataforma de medidas contiene las columnas numéricas del conjunto de datos. En ocasiones una columna de dimensión, tales como identificador de objeto se puede enumerar como medida si es numerado. El cambio a las dimensiones haciendo clic derecho sobre él y seleccione "Convertir a la dimensión". En la Figura 1, las columnas del conjunto de datos categóricos como el nivel de concentración de estímulo y los identificadores de objeto se colocan correctamente en la plataforma dimensiones, y la concentración observada de las citoquinas están correctamente colocados en el estante medidas. </li><li> (Figura 2) Si durante el proceso de análisis, un campo calculado que se necesita, simplemente haga clic derecho en cualquiera de las dimensiones o la plataforma de medidas, y seleccione "Crear un campo calculado. De entrada para el cálculo en el cuadro de fórmula con campos combinados con las funciones u operaciones matemáticas. La figura 2 muestra cómo crear un nuevo campo llamado PFD&gt; 2 mediante la agregación de PFD2, PFD3, y los valores PFD4. </li><li> (Figura 3) Generar un gráfico 2-D en el Tableau, por lo general con una dimensión y una medida de interés. Puesto que la interfaz ofrece una sencilla función de arrastrar y soltar la interacción, la elección de la dimensión y la medida puede ser cambiado fácilmente. Las dimensiones se suelen colocar en el estante columnas, y las medidas de conservación en las filas. En la figura 3, la plataforma dimensiones contiene un nivel de concentración de estímulo, y la plataforma contiene las medidas de nivel de concentración observada de las citoquinas. </li><li> (Figura 3) Para diferenciar la visualización de una dimensión específica, lugar que marca la dimensión en la plataforma de texto, color o tamaño, dependiendo de la naturaleza de la dimensión. Estante texto intenta diferenciar los datos en la visualización, mediante el etiquetado con información textual proporcionada por la dimensión seleccionada. Estante de color y el tamaño automáticamente diferenciar los datos por color y tamaño, que se puede ajustar con la barra de desplazamiento situada en la parte inferior de cada estante. En la figura 3, colocando en el estante de color genotipo conduce a la separación de los tres genotipos de distintos colores. </li><li> (Figura 3) Filtrar la visualización de las variables de columna específica en otra dimensión. Esto se puede hacer arrastrando la etiqueta de dimensión en la plataforma de filtrado. Aparecerá una ventana con la lista de valores para elegir. El valor seleccionado será el único valor que queda en la visualización. </li><li> (Figura 4) Usted puede combinar la visualización con otra dimensión o medida para producir una matriz de visualización. Esto puede hacerse dejando caer las múltiples dimensiones en el estante columnas, y múltiples medidas de conservación filas. Figura 4 muestra un ejemplo de dos columnas de la matriz de visualización mediante la colocación de dos dimensiones diferentes en la plataforma columnas. </li><li> Para producir una visualización similar, haga clic derecho en la hoja actual en la esquina inferior izquierda, y selecciona "hoja duplicada. </li><li> Iterar el proceso de análisis para identificar las tendencias interesantes o atípicos que pueden ayudarle a generar nuevas hipótesis sobre los datos. </li></ol></li><li> Usted tiene múltiples conjuntos de datos generados a partir de la misma fuente, y desea explorar las posibles conexiones entre estos conjuntos de datos. <ol><li> Coloque varios conjuntos de datos en una misma fuente, es decir, dos hojas de cálculo a cabo en el mismo libro, para que Tableau para conectarse a estos datos a través de la misma conexión. </li><li> (Figura 5) Conectar los conjuntos de datos a través de unirse lógica de los valores clave, asegurándose de que las dimensiones que son los mismos para varios conjuntos de datos seleccionados. En la figura 5, hay cinco valores clave para ingresar: identificador del tipo de célula, nivel de concentración de estímulo, etapa o grupo, el estímulo, y el sujeto. </li><li> Realizar un análisis similar a la sección 1.1. </li></ol></li></ol> 2. Basado en la presentación-las necesidades <ol><li> Usted sabe las relaciones entre los datos, pero desea ser capaz de generar rápidamente una lista de visualizaciones para su uso en la presentación. <ol><li> Siga el protocolo descrito en la sección 1.1, y anotar las visualizaciones en consecuencia. </li><li> Utilice la función de exportación en el Tableau para producir imágenes de visualizaciones. </li></ol></li><li> Que han generado una serie de visualizaciones de gran alcance en el libro de Tableau y queremos compartir ese libro. <ol><li> Guarde el libro como libro Tableau envasados ​​y compartir este archivo. </li><li> Colegas sin escritorio Tableau puede descargar lector de Tableau para abrir el libro envasados. Lector de Tableau permite a sus colegas para interactuar con las visualizaciones que ha creado. </li></ol></li></ol> 3. Los resultados representativos <img src="/files/ftp_upload/2397/2397fig1.jpg" alt="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. Una captura de pantallade Tableau después de importar la hoja de cálculo llamada NFKBIA de la demo.xls archivo de Excel. Las dimensiones y medidas de los estantes estaban pobladas correctamente con los datos categóricos y numéricos, respectivamente. <img src="/files/ftp_upload/2397/2397fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. La ventana de campo calculado que se invoca para crear un campo especial calculada para su uso en el Tapete. La lista en la parte inferior izquierda de caja ayuda a identificar posibles campos, y la lista de la derecha contiene la abreviatura de las funciones que se pueden utilizar en la fórmula. En este ejemplo, queremos sumar los valores de PFD4, PFD3 y PFD2 para obtener el valor final que nos referimos como PFD&gt; 2 <img src="/files/ftp_upload/2397/2397fig3.jpg" alt="Figura 3" data-altupdatedat="1787634011000" data-alt="Figura 3"> Figura 3. Visualización del nivel de estímulo de concentración frente a la concentración de citoquinas observados. La visualización muestra un gráfico de los diferentes niveles de concentración del estímulo 3M-002 frente a la concentración observada de la citoquina TNF-α. Los colores de las líneas se refieren a los diferentes genotipos para un polimorfismo de un solo nucleótido en el gen NFKBIA de los individuos en nuestro estudio inmunológico innato. <img src="/files/ftp_upload/2397/2397fig4.jpg" alt="Figura 4" data-altupdatedat="1787634011000" data-alt="Figura 4"> Figura 4. Una captura de pantalla de visualización de una matriz de dos columnas. Hemos generado una matriz de dos columnas para facilitar una comparación lado a lado de las respuestas a dos estímulos, 3M-003 y LPS. El x-ejes son los diferentes niveles de concentración de los dos estímulos, y las parcelas del eje y los valores del campo calculado, PFD&gt; 2. <img src="/files/ftp_upload/2397/2397fig5.jpg" alt="Figura 5" data-altupdatedat="1787634011000" data-alt="Figura 5"> Figura 5. Estas ventanas de diálogo Tableau ilustran cómo conectar los datos registrados en las hojas de cálculo diferente. Conexión de datos de hojas de cálculo diferente se puede lograr mediante la combinación de estos con lógica unirse a las cláusulas de los valores clave. <table border="1"><tbody><tr><td></td><td colspan="10"> Visualización y análisis de herramientas </td></tr><tr><td> Función </td><td> Cuadro </td><td> VIS-STAMP </td><td> xmdvtool </td><td> GGobi </td><td> Luz de las estrellas </td><td> Gapminder </td><td> Visulab </td><td> InfoVis Toolkit </td><td> Geotime </td><td> Inspirar </td></tr><tr><td> Paralelo coordinar las parcelas </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td><td> No </td></tr><tr><td> Matrices gráfico de dispersión </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> No </td><td> No </td><td> No </td></tr><tr><td> Reducción dimensional </td><td> No </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> No </td><td> No </td><td> No </td></tr><tr><td> Dimensiones temporales </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td></tr><tr><td> Geoespaciales dimensiones </td><td> Sí </td><td> Sí </td><td> No </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td><td> No </td><td> Sí </td><td> No </td></tr><tr><td> De minería de texto </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sí </td></tr><tr><td> La manipulación directa de los datos </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> No </td></tr><tr><td> Filtración </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td></tr><tr><td> De ampliación para otras plataformas (por ejemplo, R) </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> No </td><td> Sí </td><td> No </td><td> No </td></tr><tr><td> CSV formatos de tabla </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td><td> No </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td></tr><tr><td> XML formatos de datos </td><td> Sí </td><td> No </td><td> No </td><td> Sí </td><td> Sí </td><td> No </td><td> Sí </td><td> Sí </td><td> Sí </td><td> No </td></tr><tr><td> Puede hacer frente a una0000 + filas </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sí </td></tr><tr><td> Documentación </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td><td> Sí </td></tr><tr><td> Producto comercial </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> Sí </td><td> No </td><td> No </td><td> No </td><td> Sí </td><td> Sí </td></tr></tbody></table> Tabla 1. Lista de herramientas visuales de análisis y algunas de sus características.

<ol><li>Thomas, J., Cook, K. Illuminating the Path: The Research and Development Agenda for Visual Analytics. , IEEE CS Press. (2005).</li>
<li>Steed, C., Swan, J., Jankun-Kelly, T., Fitzpatrick, P. Guided Analysis of Hurricane Trends Using Statistical Processes Integrated with Interactive Parallel Coordinates. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSteed%2C+C+%22IEEE+Symposium+on+Visual+Analytics+Science+and+Technology%22">IEEE Symposium on Visual Analytics Science and Technology</a>. , IEEE. Atlantic City. 19-26 (2009).</li>
<li>Saraiya, P., North, C., Lam, V., Duca, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+Insight-Based+Longitudinal+Study+of+Visual+Analytics%5BTitle%5D)+AND+%22IEEE+Transactions+on+Visualization+and+Computer+Graphics%22%5BJournal%5D)">An Insight-Based Longitudinal Study of Visual Analytics.</a> IEEE Transactions on Visualization and Computer Graphics. 12, 1511-1522 (2006).</li>
<li>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. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neonatal+innate+TLR-mediated+responses+are+distinct+from+those+of+adults%5BTitle%5D)+AND+%22J.+Immunol%22%5BJournal%5D)">Neonatal innate TLR-mediated responses are distinct from those of adults.</a> J. Immunol. 183, 7150-7160 (2009).</li>
</ol>

El advenimiento de la tecnología de alto rendimiento en la investigación biomédica moderna llevó a una explosión de datos de investigación que requiere de una forma más eficiente de los análisis. La analítica visual (AV) es la ciencia del razonamiento analítico facilitada por interfaces interactivas visuales (1). El enfoque VA restaura el poder analítico en las manos del analista humano, a diferencia del enfoque tradicional para detectar patrones por ordenador. La analítica visual se ha aplicado a la investigación en di...

facilitar el análisis de los datos inmunológicos con visual técnicas analíticas

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

La analítica visual (VA) ha surgido como una nueva forma de analizar la gran base de datos a través de pantallas de visualización interactiva. Hemos demostrado la utilidad y la flexibilidad de un enfoque de VA en el análisis de conjuntos de datos biológicos. Ejemplos de estos conjuntos de datos en inmunología incluyen la citometría de flujo, los datos de Luminex, y el genotipo (por ejemplo, el polimorfismo de nucleótido único) de datos. A diferencia del enfoque tradicional de visualización de información, VA restaura el poder de análisis en las manos del analista, al permitir que el analista de participar en tiempo real proceso de exploración de datos. Hemos seleccionado el software VA llamado Tableau después de evaluar varias herramientas de VA. Hay dos tipos de tareas de análisis de análisis dentro y entre los conjuntos de datos se demuestra en el video de presentación usando un método llamado análisis de pares. El análisis de pares, tal como se define en el VA, es un método de análisis en el que un experto en la herramienta VA trabaja codo a codo con un experto en el campo durante el análisis. El experto en el campo es el que entiende la importancia de los datos, y hace las preguntas que los datos recogidos podrían abordar. El experto herramienta crea visualizaciones para ayudar a encontrar patrones en los datos que puedan responder a estas preguntas. El corto tiempo de retardo entre la generación de hipótesis y la visualización rápida visual de los datos es la principal ventaja de un enfoque de VA.

La analítica visual (AV) es un nuevo enfoque de análisis de datos de forma interactiva. En este video, se discute el problema de la sobrecarga de datos causada por experimentos de alto rendimiento biológico y proponer VA como una solución a tal problema. El video muestra el análisis dentro y entre los conjuntos de datos inmunológicos utilizando una herramienta llamada Tableau VA.

Facilitar el análisis de los datos inmunológicos con Visual técnicas analíticas

La analítica visual (AV) ha surgido como una nueva forma de analizar grandes conjuntos de datos mediante pantallas visuales interactivas. Hemos demostrado la utilidad y el ...

Facilitar el análisis de datos inmunológicos con técnicas de análisis visual. Si bien la capacidad de recopilar y almacenar datos ha avanzado rápidamente, la capacidad de procesarlos y analizarlos, en comparación, ha progresado poco. Como resultado, en los laboratorios biomédicos a menudo existen grandes conjuntos de datos que no se analizan de manera efectiva ni eficiente.Con ello, información potencialmente rica y poderosa se pierde en el abismo de los sistemas de almacenamiento. La analítica visual o VA ha surgido como una nueva forma de analizar conjuntos de datos grandes y complejos. Las técnicas de VA se basan en visualizaciones que permiten a los analistas utilizar su inteligencia visual para detectar patrones en los datos, como tendencias generales o valores atípicos.Estas visualizaciones rápidas permiten la formación rápida de hipótesis mientras se exploran los datos. La flexibilidad de las herramientas de VA permite al analista acercarse, profundizar y establecer conexiones entre múltiples conjuntos de datos mientras explora sus relaciones. A través de la aplicación de VA a fuentes de datos integradas, el usuario puede revelar hallazgos nuevos e importantes.El análisis de

facilitating-analysis-immunological-data-with-visual-analytic

Research

Investigación

JoVE Journal

Immunology and Infection

Inmunología e Infección

El inmunofenotipado de sangre total es indispensable para monitorizar el sistema inmunitario humano. Sin embargo, el número de reactivos necesarios y la inestabilidad de fluorocromos específicos en los cócteles premezclados requieren la preparación diaria de reactivos. Aquí mostramos que la preparación semiautomatizada del cóctel de anticuerpos de tinción ayuda a establecer un inmunofenotipado confiable al minimizar la variabilidad en la dispensación de reactivos.

Un enfoque semi-automatizado de preparación de cócteles de anticuerpos para el Análisis Inmunofenotípicos de la sangre periférica humana

Aquí, describimos un completo flujo de trabajo para el análisis cualitativo y cuantitativo de la sinapsis inmunes entre las células de T humanas primarias y células presentadoras de antígeno. El método se basa en imágenes por citometría de flujo, que permite la adquisición y evaluación de varias imágenes de miles de células en un período relativamente corto de tiempo.

Análisis cualitativo y cuantitativo de la sinapsis inmune en el sistema humano utilizando imágenes de citometría de flujo

Estudio de microambiente tumoral puede identificar biomarcadores pronósticos o predictivos de la respuesta clínica a la inmunoterapia. Presentado aquí, es un método innovador basado en situ de la fluorescencia multiespectral de imágenes para analizar y contar automáticamente varias subpoblaciones de CD8+ T las células. Esta técnica reproducible y confiable es adecuada para análisis de grandes cohortes.

Multiplexado de análisis de la inmunofluorescencia y la cuantificación de Intratumoral PD-1+ + de Tim-3 CD8 células+ T

ExCYT es una basada en MATLAB usuario interfaz gráfica (GUI) que permite a los usuarios analizar sus datos de citometría de flujo mediante comúnmente empleado técnicas de análisis de datos multidimensional, incluyendo la reducción de la dimensionalidad mediante t-SNE, una variedad de automatizados y manuales métodos de clustering, heatmaps, novela flujo multidimensional parcelas.

ExCYT: Una interfaz gráfica de usuario para simplificar el análisis de datos multidimensional de citometría de

Cytofast es una herramienta de visualización utilizada para analizar la salida de la agrupación en clústeres. Cytofast se puede utilizar para comparar dos métodos de agrupación en clústeres: FlowSOM y Cytosplore. Cytofast puede generar rápidamente una visión cuantitativa y cualitativa de los datos de citometría de masa y resaltar las principales diferencias entre los diferentes algoritmos de agrupación en clústeres.

Visualización y cuantificación de datos de citometría de alta dimensión mediante citorápido y los métodos de agrupación en clústeres ascendentes FlowSOM y Cytosplore

Aquí, describimos una estrategia simple y accesible para visualizar, cuantificar y mapear células inmunitarias en secciones de tejido tumoral incrustado en parafina fija de formalina. Esta metodología combina las técnicas existentes de análisis de imágenes y digitales con el propósito de ampliar la capacidad de multiplexación y el análisis multiparámetro de ensayos de imágenes.

Visualización, cuantificación y mapeo de poblaciones de células inmunes en el microambiente tumoral

En la era de la inmunoterapia y el perfil genómico unicelular, la biología del cáncer requiere nuevas herramientas in vitro y computacionales para investigar la interfaz tumor-inmune en un contexto espaciotemporal adecuado. Describimos protocolos para explotar cocultivos microfluídicos inmunes al tumor en entornos 2D y 3D, compatibles con el monitoreo dinámico y multiparamétrico de las funciones celulares.

Modelos de cocultivo microfluídico para diseccionar la respuesta inmune en microambientes tumorales in vitro

En este artículo, se describe un protocolo para la inmunofluorescencia múltiple (mIF) de amplificación manual de señal de tiramida (TSA) combinada con análisis de imágenes y análisis espacial. Este protocolo se puede utilizar con secciones fijadas en parafina con formalina (FFPE) para la tinción de dos a seis antígenos por portaobjetos, dependiendo del escáner de portaobjetos disponible en el laboratorio.

Inmunofluorescencia múltiple combinada con análisis de imágenes espaciales para la evaluación clínica y biológica del microambiente tumoral

Este protocolo describe en detalle cómo se lleva a cabo la caracterización de las células inmunitarias del microambiente tumoral mediante inmunohistoquímica multiplex.

Análisis inmunohistoquímico multiplex del paisaje espacial de células inmunitarias del microambiente tumoral

Aquí se describe una novela de alto contenido de ensayo de la inflamación inducida químicamente con miras a la identificación de moduladores bioactivos inmune. Hemos combinado con éxito con la microscopía automatizada de scripts de software desarrollado que permite la cuantificación automática de la respuesta inflamatoria, así como el procesamiento de datos aún más, el análisis, la minería, y el almacenamiento.

Facilitar el descubrimiento de fármacos: Un sistema automatizado de alta el contenido del ensayo La inflamación en el pez cebra

Aprende técnicas de análisis visual para datos inmunológicos complejos usando Tableau. Este método permite identificar patrones genéticos y respuestas de citocinas de forma rápida y eficiente en investigación biomédica.

Facilitar el análisis de los datos inmunológicos con Visual técnicas analíticas

Explorar más videos