Name: Facilitare lanalisi dei dati immunologici con Visual tecniche analitiche (Video) | JoVE Journal
Uploaded: 2011-01-02T17:00:00.000+00:00
Duration: 10 min 58 s
Description: Impara le tecniche di visual analytics per analizzare grandi dataset immunologici utilizzando Tableau. Questo metodo permette di identificare pattern e trend nei dati complessi in modo rapido ed efficiente.

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

Vorremmo ringraziare i membri di Vancouver Istituto di Visual Analytics (VIVA) per offrire commenti e consigli per il progetto. In particolare, vorremmo ringraziare John Dill, Brian Fisher e David Darvill. Vorremmo anche ringraziare i membri del laboratorio Kollmann per il sostegno e utili discussioni. Questo lavoro è stato sostenuto in parte dal National Institute of Allergy and Infectious Diseases, Istituto Superiore di Sanità di Grant N01 AI50023; Borse di NCE Allergen 07-07-A1A e B2B, e il Michael Smith Fondazione per la Ricerca Sanitaria. TRK è sostenuto in parte da un Premio alla carriera nella scienza biomedica dal annuncio Burroughs Wellcome Fondo da un Istituti canadesi per Grant formazione per la ricerca in sanità canadese Health Program Scientist Bambino Clinico, in collaborazione con Sick-Kids Foundation, Child and Family Research Institute ( British Columbia), Donne e salute dei bambini Research Institute (Alberta), e Manitoba Institute of Child Health.

1. Esplorazione a base di analisi su Tableau <ol><li> Hai un set di dati e si desidera esplorare le varie relazioni tra le colonne all'interno dei dati. <ol><li> (Figura 1) Importare il set di dati cliccando su 'Connect ai dati'. Scegliere il tipo di origine dati e seguire le istruzioni per importare i set di dati. </li><li> (Figura 1) Verificare che la mensola dimensioni contiene colonne categorico, mentre la mensola misure contiene colonne numeriche dal set di dati. A volte una colonna dimensione come identificatore del soggetto possono essere elencati come misura se è numerata. Modificarlo in dimensioni facendo clic destro su di esso e scegliere 'Converti in Dimension'. Nella Figura 1, colonne categorico dal set di dati come il livello di concentrazione e stimolo identificatori soggetto sono correttamente collocati in scaffali dimensioni, e la concentrazione delle citochine osservate sono correttamente collocati in misure di ripiano. </li><li> (Figura 2) Se durante il processo di analisi, un campo calcolato è necessario, basta fare clic destro in entrambe le dimensioni o misure di ripiano, e seleziona 'Crea campo calcolato'. Inserire il calcolo nella casella della formula con i campi e le numerose funzioni o operazioni matematiche. La figura 2 mostra come creare un nuovo campo chiamato PFD&gt; 2 aggregando PFD2, PFD3 e PFD4 valori. </li><li> (Figura 3) Generare un 2-D trama in Tableau, in genere con una dimensione e una misura di interesse. Poiché l'interfaccia offre semplice drag-and-drop interazione, la scelta della dimensione e misura può essere facilmente cambiata. Le dimensioni sono di solito collocati in scaffali colonne, e le misure di ripiano righe. Nella Figura 3, la mensola dimensioni contiene concentrazione a livello di stimolo, e la mensola contiene misure di livello osservato concentrazione delle citochine. </li><li> (Figura 3) Per differenziare la visualizzazione di una dimensione specifica, posto che l'etichetta dimensione in scaffale testo, il colore o la dimensione, a seconda della natura della dimensione. Scaffale testo tentativi per differenziare i dati nella visualizzazione, mediante l'etichettatura con informazioni testuali fornite dal dimensione selezionata. Mensola a colori e le dimensioni automaticamente differenziare i dati per colore e dimensioni, che può essere regolato con la barra di scorrimento nella parte inferiore di ogni ripiano. In figura 3, ponendo genotipo a scaffale colore porta alla separazione di tre genotipi di colori distinti. </li><li> (Figura 3) Filtrare la visualizzazione dalle variabili colonna specifica in altra dimensione. Questo può essere fatto trascinando l'etichetta dimensione nello scaffale filtro. Apparirà una finestra con l'elenco di valori tra cui scegliere. Il valore selezionato saranno gli unici valori rimasti nella visualizzazione. </li><li> (Figura 4) Si può unire visualizzazione con altra dimensione o misura per la produzione di una matrice di visualizzazione. Questo può essere fatto facendo cadere più dimensioni in scaffale colonne, e le misure di ripiano in più righe. Figura 4 contiene un esempio di due colonne della matrice di visualizzazione mettendo due dimensioni diverse nello scaffale colonne. </li><li> Per produrre una visualizzazione simile, fate clic destro sul foglio corrente sul basso a sinistra, e selezionate 'foglio duplicato'. </li><li> Iterare il processo di analisi per identificare tendenze interessanti o valori anomali che possono aiutare a generare nuove ipotesi sui dati. </li></ol></li><li> Hai set di dati multipli generati dalla stessa fonte, e vogliono esplorare le possibili connessioni tra questi gruppi di dati. <ol><li> Luogo più set di dati in una stessa fonte, luogo cioè due fogli di calcolo nella stessa cartella di lavoro, per consentire Tableau di connettersi a questi set di dati attraverso la stessa connessione. </li><li> (Figura 5) Collegare il set di dati attraverso la logica di unire valori chiave, facendo attenzione che le dimensioni che sono le stesse per più set di dati selezionati. Nella Figura 5, ci sono cinque valori chiave per unire: identificatore tipo di cellula, la concentrazione a livello di stimolo, la fase o gruppo, stimolo, e soggetto. </li><li> Effettuare analisi simile alla sezione 1.1. </li></ol></li></ol> 2. Presentazione a base di bisogni <ol><li> Sapete le relazioni tra dati, ma si vuole essere in grado di generare rapidamente un elenco di visualizzazioni per l'uso in presentazione. <ol><li> Seguire il protocollo di cui al punto 1.1, e annotare le visualizzazioni di conseguenza. </li><li> Utilizzare la funzione di esportazione in Tableau per produrre immagini di visualizzazioni. </li></ol></li><li> Lei ha generato una serie di visualizzazioni potente nella cartella di lavoro Tableau e vogliono condividere tale cartella di lavoro. <ol><li> Salvare la cartella di lavoro come cartella di lavoro Tableau confezionati e condividere questo file. </li><li> Colleghi senza Desktop Tableau Tableau Reader può essere scaricato per aprire la cartella di lavoro confezionato. Reader permette tableau tuoi colleghi di interagire con le visualizzazioni che hai creato. </li></ol></li></ol> 3. RAPPRESENTANTE RISULTATI <img src="/files/ftp_upload/2397/2397fig1.jpg" alt="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. Uno screenshotdi Tableau dopo l'importazione il foglio di calcolo chiamato NFKBIA dal demo.xls file di Excel. Le dimensioni e le mensole misure sono state opportunamente compilato con i dati categorici e numerici, rispettivamente. <img src="/files/ftp_upload/2397/2397fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. La finestra di campo calcolato è invocato per creare un campo calcolato speciale da usare in Tableau. La lista in basso a sinistra della finestra consente di individuare possibili campi, e la lista sulla destra contiene un'abbreviazione di funzioni che possono essere utilizzati nella formula. In questo esempio, abbiamo voluto aggiungere i valori per PFD4, PFD3 e PFD2 per ottenere il valore finale che noi chiamiamo PFD&gt; 2 <img src="/files/ftp_upload/2397/2397fig3.jpg" alt="Figura 3" data-altupdatedat="1787634011000" data-alt="Figura 3"> Figura 3. Visualizzazione del livello di concentrazione stimolo contro la concentrazione delle citochine osservato. La visualizzazione mostra un grafico dei diversi livelli di concentrazione dello stimolo 3M-002 contro la concentrazione osservata della citochina TNF-α. I colori delle linee di consultare i genotipi differenti per un polimorfismo a singolo nucleotide nel gene NFKBIA degli individui nel nostro studio immunitario innato. <img src="/files/ftp_upload/2397/2397fig4.jpg" alt="Figura 4" data-altupdatedat="1787634011000" data-alt="Figura 4"> Figura 4. Uno screenshot di un due colonne della matrice di visualizzazione. Abbiamo generato una matrice a due colonne per facilitare un side-by-side di confronto delle risposte a due stimoli, 3M-003 e LPS. L'x-assi sono i diversi livelli di concentrazione dei due stimoli, e l'asse y trame i valori del campo calcolato, PFD&gt; 2. <img src="/files/ftp_upload/2397/2397fig5.jpg" alt="Figura 5" data-altupdatedat="1787634011000" data-alt="Figura 5"> Figura 5. Tableau Queste finestre di dialogo illustrano come collegare i dati registrati in fogli di calcolo diversi. Connessione dati da fogli di calcolo che può essere svolto dalla combinazione di questi con logiche unire le clausole dei valori chiave. <table border="1"><tbody><tr><td></td><td colspan="10"> Visualizzazione e strumento di analisi </td></tr><tr><td> Funzione </td><td> Quadro </td><td> VIS-STAMP </td><td> xmdvtool </td><td> GGobi </td><td> Luce stellare </td><td> Gapminder </td><td> Visulab </td><td> InfoVis Toolkit </td><td> Geotime </td><td> Ispirare </td></tr><tr><td> Grafici delle coordinate parallele </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td><td> No </td></tr><tr><td> Scatter plot matrici </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> No </td><td> No </td><td> No </td></tr><tr><td> Riduzione dimensionale </td><td> No </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> No </td><td> No </td><td> No </td></tr><tr><td> Dimensioni temporali </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td></tr><tr><td> Geospaziali dimensioni </td><td> Sì </td><td> Sì </td><td> No </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td><td> No </td><td> Sì </td><td> No </td></tr><tr><td> Text mining </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sì </td></tr><tr><td> La manipolazione diretta dei dati </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> No </td></tr><tr><td> Filtraggio </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td></tr><tr><td> Estensibilità ad altre piattaforme (ad esempio, R) </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> No </td><td> Sì </td><td> No </td><td> No </td></tr><tr><td> CSV tavolo formati </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td><td> No </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td></tr><tr><td> Formati di dati XML </td><td> Sì </td><td> No </td><td> No </td><td> Sì </td><td> Sì </td><td> No </td><td> Sì </td><td> Sì </td><td> Sì </td><td> No </td></tr><tr><td> Sa muoversi con 10000 + file </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> No </td><td> Sì </td></tr><tr><td> Documentazione </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td><td> Sì </td></tr><tr><td> Prodotto commerciale </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> Sì </td><td> No </td><td> No </td><td> No </td><td> Sì </td><td> Sì </td></tr></tbody></table> Tabella 1. Elenco degli strumenti di analisi visiva e alcune delle loro caratteristiche.

<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>

Nessun conflitto di interessi dichiarati.

L&#39;avvento della tecnologia high-throughput nella moderna ricerca biomedica portato a un&#39;esplosione dei dati di ricerca che richiede un modo più efficiente di analisi. Visual analytics (VA) è la scienza del ragionamento analitico facilitato da interfacce visuali interattivi (1). L&#39;approccio VA ripristina la potenza analitica nelle mani di analista umano, in contrasto con l&#39;approccio tradizionale di individuare modelli di computer. Analisi visiva è stata applicata alla ricerca in vari campi, come la difesa...

facilitare l&#39;analisi dei dati immunologici con visual tecniche analitiche

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

Visual analytics (VA) è emerso come un nuovo modo di analizzare insieme di dati di grandi dimensioni attraverso interattivo di visualizzazione. Abbiamo dimostrato l&#39;utilità e la flessibilità di un approccio VA nell&#39;analisi dei set di dati biologici. Esempi di questi set di dati in immunologia comprendono citometria a flusso, i dati di Luminex, e la genotipizzazione (ad esempio, singolo polimorfismo del nucleotide) di dati. Contrariamente all&#39;approccio tradizionale visualizzazione delle informazioni, VA ripristina la potenza di analisi nelle mani di analista, consentendo l&#39;analista di impegnarsi in tempo reale processo di esplorazione dei dati. Abbiamo scelto il software VA chiamato Tableau dopo aver valutato diversi strumenti VA. Due tipi di attività di analisi di analisi all&#39;interno e tra i set di dati sono state dimostrate nel video di presentazione con un approccio chiamato analisi associati. Analisi appaiati, come definito in VA, è un approccio di analisi in cui un esperto strumento VA lavora fianco a fianco con un esperto di dominio durante l&#39;analisi. L&#39;esperto di dominio è colui che capisce il significato dei dati, e pone le domande che i dati raccolti potrebbero affrontare. L&#39;esperto strumento crea poi visualizzazioni per aiutare a trovare modelli nei dati che potrebbero rispondere a queste domande. Il breve intervallo di tempo tra la generazione di ipotesi e la visualizzazione rapida visiva dei dati è il principale vantaggio di un approccio VA.

Visual analytics (VA) è un nuovo approccio di analisi dei dati in modo interattivo. In questo video si discute il problema di sovraccarico di dati causata da esperimenti biologici high-throughput, VA e proporre come soluzione a tale problema. Il video mostra l&#39;analisi all&#39;interno e tra le serie di dati immunologici usando uno strumento chiamato Tableau VA.

Facilitare l&#39;analisi dei dati immunologici con Visual tecniche analitiche

L'analisi visiva (Visual Analytics, VA) è emersa come un nuovo metodo per analizzare grandi set di dati attraverso la visualizzazione interattiva. Abbiamo dimostrato l'utilità e il...

Agevolare l'analisi di dati immunologici con tecniche di analisi visiva. Mentre la capacità di raccogliere e archiviare dati è progredita rapidamente, la capacità di elaborarli e analizzarli ha invece compiuto scarsi progressi. Di conseguenza, nei laboratori biomedici esistono spesso grandi insiemi di dati che non vengono analizzati in modo efficace o efficiente.Con ciò, informazioni potenzialmente ricche e preziose vanno perdute nell'abisso dei sistemi di archiviazione. L'analisi visiva, o VA, si è affermata come un nuovo metodo per analizzare set di dati complessi e di grandi dimensioni. Le tecniche di VA si basano su visualizzazioni che consentono agli analisti di utilizzare la propria intelligenza visiva per individuare schemi nei dati, come tendenze generali o valori anomali.Queste visualizzazioni rapide permettono una formazione rapida di ipotesi durante l'esplorazione dei dati. La flessibilità degli strumenti di analisi visiva consente all'analista di ingrandire, approfondire ed elaborare collegamenti tra più set di dati esaminandone le relazioni. Attraverso l'applicazione dell'analisi visiva a fonti di dati integrate, l'utente può rivelare scoperte nuove e importanti.L'anal

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

Research

Ricerca

JoVE Journal

Immunology and Infection

Immunologia e Infezioni

L'immunofenotipizzazione del sangue intero è indispensabile per monitorare il sistema immunitario umano. Tuttavia, il numero di reagenti necessari e l'instabilità di fluorocromi specifici nei cocktail premiscelati richiedono la preparazione quotidiana dei reagenti. Qui dimostriamo che la preparazione semi-automatica del cocktail di anticorpi coloranti aiuta a stabilire un'immunofenotipizzazione affidabile riducendo al minimo la variabilità nella dispensazione del reagente.

Un approccio semi-automatico di preparare anticorpi cocktail per l&#39;analisi immunofenotipica di Human sangue periferico

Qui, descriviamo un completo flusso di lavoro per l'analisi qualitativa e quantitativa del sistema immunitarie sinapsi tra cellule T umane primarie e cellule presentanti l'antigene. Il metodo si basa su imaging citometria a flusso, che permette l'acquisizione e la valutazione di diverse immagini di migliaia di cellule all'interno di un periodo di tempo relativamente breve.

Analisi qualitativa e quantitativa della sinapsi Immune nel sistema umano utilizzando Imaging citometria a flusso

Studiando il microambiente tumorale può identificare biomarcatori prognostici o predittivi della risposta clinica all'immunoterapia. Presentato qui, è un metodo innovativo basato su in situ di fluorescenza multispectral imaging per analizzare e contare automaticamente varie sottopopolazioni di CD8+ T cellule. Questa tecnica riproducibile ed affidabile è adatta per analisi di grande gruppo.

Multiplexed immunofluorescenza analisi e quantificazione di Intratumoral PD-1+ + Tim-3 CD8+ T cellule

ExCYT è una base di MATLAB utente interfaccia grafica (GUI) che consente agli utenti di analizzare i dati di cytometry di flusso tramite comunemente impiegate tecniche analitiche per alto-dimensionali dati compresa la riduzione della dimensionalità via t-SNE, una varietà di manuali e automatiche clustering di metodi, heatmaps e flusso alto-dimensionali romanzo trame.

ExCYT: Un'interfaccia utente grafica per semplificare l'analisi dei dati Cytometry alto-dimensionali

Cytofast è uno strumento di visualizzazione utilizzato per analizzare l'output dal clustering. Cytofast può essere utilizzato per confrontare due metodi di clustering: FlowSOM e Cytosplore. Cytofast può generare rapidamente una panoramica quantitativa e qualitativa dei dati sulla citometria di massa ed evidenziare le principali differenze tra i diversi algoritmi di clustering.

Visualizzazione e quantificazione dei dati di citometria ad alta dimensione utilizzando Cytofast e i metodi di clustering a monte FlowSOM e Cytosplore

Qui, descriviamo una strategia semplice e accessibile per visualizzare, quantificare e mappare le cellule immunitarie nelle sezioni del tessuto tumorale incorporate con paraffina. Questa metodologia combina le tecniche di imaging e analisi digitale esistenti con lo scopo di espandere la capacità di multiplexing e l'analisi multiparametrica dei saggi di imaging.

Visualizzazione, quantificazione e mappatura delle popolazioni di cellule immunitarie nel microambiente tumorale

Nell'era dell'immunoterapia e della profilazione genomica a singola cellula, la biologia del cancro richiede nuovi strumenti in vitro e computazionali per studiare l'interfaccia tumore-immunità in un contesto spaziotemporale appropriato. Descriviamo protocolli per sfruttare co-colture microfluidiche tumore-immunitarie in contesti 2D e 3D, compatibili con il monitoraggio dinamico e multiparametrico delle funzioni cellulari.

Modelli di co-coltura microfluidica per la dissezione della risposta immunitaria in microambienti tumorali in vitro

In questo articolo viene descritto un protocollo per l'immunofluorescenza multipla (mIF) manuale di amplificazione del segnale di tiramido (TSA) combinato con l'analisi delle immagini e l'analisi spaziale. Questo protocollo può essere utilizzato con sezioni FFPE (paraffina-embedded fissate in formalina) per la colorazione di due o sei antigeni per vetrino a seconda dello scanner di vetrini disponibile in laboratorio.

Immunofluorescenza multipla combinata con analisi di immagini spaziali per la valutazione clinica e biologica del microambiente tumorale

Questo protocollo descrive in dettaglio come viene effettuata la caratterizzazione delle cellule immunitarie del microambiente tumorale utilizzando l'immunoistochimica multiplex.

Analisi immunoistochimica multiplex del panorama spaziale delle cellule immunitarie del microambiente tumorale

Qui descriviamo un romanzo ad alto contenuto di test infiammazione indotta chimicamente finalizzate alla individuazione di immuno-modulatori bioattivi. Abbiamo unito con successo la microscopia automatizzata con software sviluppati script personalizzati che consentano la quantificazione automatizzata della risposta infiammatoria, nonché ulteriore elaborazione dati, analisi, estrazione e stoccaggio.

Facilitare Drug Discovery: un sistema automatico di alta Tenore infiammazione in Zebrafish

Impara le tecniche di visual analytics per analizzare grandi dataset immunologici utilizzando Tableau. Questo metodo permette di identificare pattern e trend nei dati complessi in modo rapido ed efficiente.

Facilitare l'analisi dei dati immunologici con Visual tecniche analitiche

Esplora altri video