Name: Wybór wielu podzbiorów biomarkerów o podobnie skutecznych wynikach klasyfikacji binarnej (Wideo) | JoVE Journal
Uploaded: 2018-10-11T13:00:00.000+00:00
Duration: 7 min 35 s
Description: Poznaj metodę wyboru wielu podzbiorów biomarkerów o podobnej skuteczności klasyfikacji binarnej. Oprogramowanie z interfejsem graficznym ułatwia badaczom analizę danych biomedycznych i identyfikację cech.

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

playerTrialDesktop

Ta praca była wspierana przez Program Badań Strategicznych Chińskiej Akademii Nauk (XDB13040400) oraz grant na rozpoczęcie działalności z Uniwersytetu Jilin. Anonimowi recenzenci i użytkownicy testów biomedycznych zostali docenieni za konstruktywne uwagi na temat poprawy użyteczności i funkcjonalności kSolutionVis.

Nie mamy żadnych konfliktów interesów w związku z tym raportem.

Badanie to przedstawia łatwy do naśladowania, wielorozwiązaniowy protokół wykrywania i charakteryzacji biomarkerów dla określonego przez użytkownika binarnego zestawu danych klasyfikacji. Oprogramowanie kładzie nacisk na łatwość obsługi i elastyczne interfejsy importu/eksportu dla różnych formatów plików, umożliwiając badaczom biomedycznym łatwe badanie zestawu danych za pomocą graficznego interfejsu użytkownika oprogramowania. Badanie to podkreśla również konieczność generowania więcej niż jednego rozwiązania o podobnie...

Klasyfikacja binarna, jeden z najczęściej badanych i najtrudniejszych problemów eksploracji danych w obszarze biomedycznym, jest wykorzystywana do budowy modelu klasyfikacyjnego wytrenowanego na dwóch grupach próbek o najdokładniejszej zdolności rozróżniania1,2,3,4,5,6,7. Jednak duże dane generowane w dziedzinie biomedycyny mają nieodłączny paradygmat "duże p małe n", z liczbą cech zwykle znacznie większą niż liczba próbek6,8,9. W związku z tym badacze biomedyczni muszą zmniejszyć wymiar cechy przed zastosowaniem algorytmów klasyfikacji, aby uniknąć problemu nadmiernego dopasowania8,9. Biomarkery diagnostyczne definiuje się jako podzbiór wykrytych cech oddzielających pacjentów z daną chorobą od zdrowych próbek kontrolnych10,11. Pacjenci są zwykle definiowani jako próbki dodatnie, a zdrowe grupy kontrolne są definiowane jako próbki ujemne12.
Ostatnie badania sugerują, że istnieje więcej niż jedno rozwiązanie o identycznych lub podobnie skutecznych parametrach klasyfikacyjnych dla zbioru danych biomedycznych5. Prawie wszystkie algorytmy wyboru funkcji są algorytmami deterministycznymi, tworzącymi tylko jedno rozwiązanie dla tego samego zestawu danych. Algorytmy genetyczne mogą jednocześnie generować wiele rozwiązań o podobnych parametrach, ale nadal starają się wybrać jedno rozwiązanie z najlepszą funkcją dopasowania jako dane wyjściowe dla danego zbioru danych13,14.
Algorytmy wyboru funkcji mogą być z grubsza pogrupowane jako filtry lub opakowania12. Algorytm filtrowania wybiera pierwsze k cech uszeregowanych według ich znaczącego indywidualnego powiązania z etykietami klas binarnych w oparciu o założenie, że cechy są od siebie niezależne15,16,17. Chociaż to założenie nie jest prawdziwe w przypadku prawie wszystkich rzeczywistych zestawów danych, reguła filtrowania heurystycznego działa dobrze w wielu przypadkach, na przykład algorytm mRMR (minimalna nadmiarowość i maksymalna istotność), algorytm filtrowania cech oparty na teście Wilcoxona (WRank) oraz algorytm filtrowania opartego na wykresie ROC (Receiver operating characteristic) (ROCRank). mRMR, jest wydajnym algorytmem filtrującym, ponieważ przybliża problem estymacji kombinatorycznej za pomocą serii znacznie mniejszych problemów, w porównaniu z algorytmem wyboru cech maksymalnej zależności, z których każdy obejmuje tylko dwie zmienne, a zatem wykorzystuje łączne prawdopodobieństwa parami, które są bardziej solidne18,19. Jednak mRMR może nie doceniać użyteczności niektórych funkcji, ponieważ nie mierzy interakcji między cechami, które mogą zwiększyć trafność, a tym samym pomija niektóre kombinacje cech, które są indywidualnie bezużyteczne, ale są przydatne tylko po połączeniu. Algorytm WRank oblicza nieparametryczny wynik rozróżniania cechy między dwiema klasami próbek i jest znany ze swojej odporności na wartości odstające20,21. Ponadto algorytm ROCRank ocenia, jak istotny jest obszar pod krzywą ROC (AUC) danej cechy dla badanej wydajności klasyfikacji binarnej22,23.
Z drugiej strony, opakowanie ocenia wydajność predefiniowanego klasyfikatora danego podzbioru cech, iteracyjnie generowanego przez regułę heurystyczną, i tworzy podzbiór cech z najlepszym pomiarem wydajności24. Opakowanie zazwyczaj przewyższa filtr pod względem wydajności klasyfikacji, ale działa wolniej25. Na przykład algorytm Regularized Random Forest (RRF)26,27 wykorzystuje regułę zachłanności, oceniając cechy w podzbiorze danych treningowych w każdym losowym węźle lasu, którego wyniki ważności funkcji są oceniane przez indeks Giniego. Wybór nowej funkcji zostanie ukarany, jeśli jej pozyskanie informacji nie poprawi wyników wybranych funkcji. Ponadto algorytm Prediction Analysis for Microarrays (PAM)28,29, również algorytm opakowujący, oblicza centroid dla każdej z etykiet klas, a następnie wybiera cechy, aby zmniejszyć centroidy genów w kierunku centroidu całej klasy. PAM jest niezawodny dla obiektów odstających.
Dla każdego danego zestawu danych może być konieczne wiele rozwiązań o najwyższej wydajności klasyfikacji. Po pierwsze, cel optymalizacyjny algorytmu deterministycznego jest zdefiniowany za pomocą wzoru matematycznego, np. minimalny poziom błędów30, co niekoniecznie jest idealne dla próbek biologicznych. Po drugie, zbiór danych może zawierać wiele, znacznie różniących się od siebie rozwiązań o podobnej efektywnej lub nawet identycznej wydajności. Prawie wszystkie istniejące algorytmy wyboru cech losowo wybierają jedno z tych rozwiązań jako output31.
To badanie wprowadzi protokół analityczny do generowania wielu rozwiązań wyboru cech o podobnych parametrach dla dowolnego zestawu danych klasyfikacji binarnej. Biorąc pod uwagę, że większość badaczy biomedycznych nie jest zaznajomiona z technikami informatycznymi ani kodowaniem komputerowym, opracowano przyjazny dla użytkownika graficzny interfejs użytkownika (GUI), aby ułatwić szybką analizę biomedycznych zestawów danych klasyfikacji binarnej. Protokół analityczny składa się z ładowania i podsumowywania danych, dostrajania parametrów, wykonywania potoku i interpretacji wyników. Za pomocą jednego kliknięcia badacz jest w stanie wygenerować podzbiory biomarkerów i wykresy wizualizacji o jakości publikacji. Protokół został przetestowany przy użyciu transkryptomów dwóch binarnych zestawów danych klasyfikacyjnych ostrej białaczki limfoblastycznej (ALL), tj. ALL1 i ALL212. Zestawy danych ALL1 i ALL2 zostały pobrane z Centrum Analizy Danych Genomu Broad Institute, dostępnego pod adresem http://www.broadinstitute.org/cgi-bin/cancer/datasets.cgi. ALL1 zawiera 128 próbek z 12 625 cechami. Spośród tych próbek 95 to ALL z komórek B, a 33 to ALL z komórek T. ALL2 zawiera 100 próbek z 12 625 cechami. Spośród tych próbek jest 65 pacjentów, u których doszło do nawrotu choroby, i 35 pacjentów, u których nie wystąpił. ALL1 był łatwym zestawem danych do klasyfikacji binarnej, z minimalną dokładnością czterech filtrów i czterech opakowań wynoszącą 96,7%, a 6 z 8 algorytmów wyboru cech osiągnęło 100%12. Podczas gdy ALL2 był trudniejszym zbiorem danych, a powyższe 8 algorytmów wyboru cech osiągnęło dokładność nie lepszą niż 83,7%12. Ta najlepsza dokładność została osiągnięta przy użyciu 56 cech wykrytych przez algorytm opakowania, Correlation-based Feature Selection (CFS).

<table><tbody><tr><td><mocny>Sprzęt</mocny></td><td></td><td></td><td></td></tr><tr><td>laptop</td><td>Lenovo</td><td>X1 carbon</td><td>Każdy komputer działa. Zalecana minimalna konfiguracja: 1 GB dodatkowego miejsca na dysku twardym, 1 GB pamięci, procesor 2,0 MHz<</td></tr><tr><td>strong>Nazwa</td><td>Company</td><td>Numer katalogowy</td><td>Komentarze</td></tr><tr><td>Software</td><td></td><td></td><td></td></tr><tr><td>Python 3.0</td><td>WingWare</td><td>Wing Personal</td><td>Wszystkie środowiska programowania i uruchamiania w języku Python obsługują język Python w wersji 3.0 lub nowszej</td></tr></tbody></table>

wybór wielu podzbiorów biomarkerów o podobnie skutecznych wynikach klasyfikacji binarnej

Selecting Multiple Biomarker Subsets with Similarly Effective Binary Classification Performances

Wykrywanie biomarkerów jest jednym z ważniejszych zagadnień biomedycznych dla wysokoprzepustowych badaczy "omiki", a prawie wszystkie istniejące algorytmy wykrywania biomarkerów generują jeden podzbiór biomarkerów ze zoptymalizowanym pomiarem wydajności dla danego zestawu danych. Jednak niedawne badanie wykazało istnienie wielu podzbiorów biomarkerów o podobnie skutecznych lub nawet identycznych wynikach klasyfikacji. Protokół ten przedstawia prostą i nieskomplikowaną metodologię wykrywania podzbiorów biomarkerów z binarnymi parametrami klasyfikacji, lepszą niż zdefiniowana przez użytkownika wartość odcięcia. Protokół składa się z przygotowania i wczytywania danych, podsumowania informacji wyjściowych, dostrajania parametrów, badania przesiewowego biomarkerów, wizualizacji i interpretacji wyników, adnotacji genów biomarkerów oraz eksportu wyników i wizualizacji w jakości publikacji. Proponowana strategia badań przesiewowych biomarkerów jest intuicyjna i przedstawia ogólną zasadę opracowywania algorytmów wykrywania biomarkerów. Przyjazny dla użytkownika graficzny interfejs użytkownika (GUI) został opracowany przy użyciu języka programowania Python, dzięki czemu badacze zajmujący się biomedycyną mają bezpośredni dostęp do swoich wyników. Kod źródłowy i instrukcję kSolutionVis można pobrać ze strony http://www.healthinformaticslab.org/supp/resources.php.

Celem tego przepływu pracy (Rysunek 6) jest wykrycie wielu podzbiorów biomarkerów o podobnej skuteczności dla binarnego zestawu danych klasyfikacyjnych. Cały proces jest zilustrowany dwoma przykładowymi zestawami danych ALL1 i ALL2 wyodrębnionymi z niedawno opublikowanego badania wykrywania biomarkerów12,48. Użytkownik może zainstalować kSolutionVis, postępując zgodnie z instrukcjami zawartymi w mater...

Istniejące algorytmy generują jedno rozwiązanie dla zestawu danych do wykrywania biomarkerów. Protokół ten pokazuje istnienie wielu podobnie skutecznych rozwiązań i przedstawia przyjazne dla użytkownika oprogramowanie, które pomaga naukowcom biomedycznym badać swoje zestawy danych pod kątem proponowanego wyzwania. Informatycy mogą również zapewnić tę funkcję w swoich algorytmach wykrywania biomarkerów.

Wybór wielu podzbiorów biomarkerów o podobnie skutecznych wynikach klasyfikacji binarnej

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

Miara ta może pomóc w znalezieniu odpowiedzi na kluczowe pytania w dziedzinie wykrywania biomedycznego dotyczące generowania wielu rozwiązań. Główną zaletą tej techniki jest to, że zapewnia ona przyjazny dla użytkownika graficzny interfejs użytkownika, który pomaga badaczom biomedycznym w wykrywaniu wielu wad funkcjonalnych. Zacznij od załadowania macierzy danych i etykiet klas do oprogramowania.Kliknij przycisk Załaduj macierz danych, aby wybrać plik metryk danych określony przez użytkownika, a następnie załaduj etykiety klas, aby wybrać odpowiedni plik etykiety klasy. Aby określić etykiety klas w liczbie najwyżej sklasyfikowanych obiektów, wybierz nazwy klas dodatnich i ujemnych w odpowiednich polach rozwijanych, a następnie wybierz liczbę 10 jako liczbę najwyżej sklasyfikowanych obiektów w polu listy rozwijanej X pierwszych, aby wyświetlić kompleksowy ekran podzbioru obiektów. Aby dostroić parametry systemu do różnych parametrów, wybierz dokładność pomiaru wydajności jako pole rozwijane dokładności zrównoważonej dokładności dla wybranego klasyfikatora maszyn uczących się ekstremalnie.Następnie wybierz wartość odcięcia 0,7 dla określonego pomiaru wydajności w polu wejściowym odci

selecting-multiple-biomarker-subsets-with-similarly-effective-binary

Research

JoVE Journal

Cancer Research

Badania nad rakiem

Techniki wielowymiarowe, w tym analiza głównych składowych (PCA), zostały wykorzystane do identyfikacji wzorców sygnatur zmian regionalnych w funkcjonalnych obrazach mózgu. Opracowaliśmy algorytm identyfikacji powtarzalnych biomarkerów sieciowych do diagnostyki chorób neurodegeneracyjnych, oceny progresji choroby oraz obiektywnej oceny efektów leczenia w populacjach pacjentów.

Identyfikacja wzorców kowariancji przestrzennej związanych z chorobą przy użyciu danych neuroobrazowych

Ta metodologia tworzy drzewa decyzyjne, które są skierowane do grup populacji bardziej podatnych na łagodne zaburzenia poznawcze i są przydatne do efektywnych kosztowo selektywnych badań przesiewowych choroby.

Podejście oparte na uczeniu maszynowym do projektowania skutecznych selektywnych badań przesiewowych w kierunku łagodnych zaburzeń poznawczych

LEfSe (LDA Effect Size) to narzędzie do wysokowymiarowego poszukiwania biomarkerów w celu identyfikacji cech genomu (takich jak geny, szlaki i taksonomie), które znacząco charakteryzują dwie lub więcej grup w danych mikrobiomu.

Wspomagana selekcja biomarkerów za pomocą liniowej wielkości efektu analizy dyskryminacyjnej (LEfSe) w danych mikrobiomu

Tutaj wprowadzamy protokół do przekształcania danych transkryptomicznych w widok mqTrans, umożliwiając identyfikację ciemnych biomarkerów. Chociaż biomarkery te nie są wyrażane różnicowo w konwencjonalnych analizach transkryptomicznych, wykazują różnicową ekspresję w ujęciu mqTrans. Podejście to służy jako technika uzupełniająca tradycyjne metody, odsłaniając wcześniej pomijane biomarkery.

Generowanie widoku regulacji transkrypcji cech transkryptomicznych na potrzeby zadania predykcyjnego i wykrywania ciemnych biomarkerów na małych zestawach danych

Tutaj prezentujemy adresowalne mikromacierze kropelkowe (ADM), metodę opartą na tablicy kropelkowej, która jest w stanie określić bezwzględną obfitość białek w pojedynczych komórkach. Wykazujemy zdolność ADM do charakteryzowania niejednorodności ekspresji białka supresorowego p53 w ludzkiej linii komórek nowotworowych.

Zliczanie białek w pojedynczych komórkach za pomocą adresowalnych mikromacierzy kropelkowych

Laparoskopowa pankreatoduodenctomia (LPD) może oferować korzyści w porównaniu z otwartą pankreatoduodenektomią, w tym wczesną mobilizację pooperacyjną, mniej opóźnione opróżnianie żołądka i krótszy pobyt w szpitalu. Jednak LPD jest technicznie trudne i nie jest dobrze ustandaryzowane, zwłaszcza w odniesieniu do zespolenia trzustki. Opisujemy standaryzowaną technikę zespolenia trzustki podczas LPD: zmodyfikowaną pankreatynojejunostomię Blumgart.

Laparoskopowa pankreatodenektomia ze zmodyfikowaną pankreatykojejunostomią Blumgart

Tutaj używamy obrazowania bioluminescencyjnego, rentgenowskiego i pozytonowej tomografii emisyjnej/tomografii komputerowej, aby zbadać, jak hamowanie aktywności mTOR wpływa na guzy szpiczaka kostnego przeszczepionego szpiczakiem kostnym w modelu ksenoprzeszczepu. Pozwala to na fizjologicznie istotne, nieinwazyjne i multimodalne analizy działania przeciwszpiczaka mózgu terapii ukierunkowanych na guzy szpiczaka kostnego przeszczepione szpiczakiem kostnym in vivo.

Multimodalna bioluminescencyjna i pozytroniczna tomografia emisyjna/tomografia obliczeniowa ksenoprzeszczepów szpiczaka mnogiego szpiku kostnego u myszy NOG

Tutaj przedstawiono protokół średnio- i wysokoprzepustowej analizy zdarzeń fosforylacji białek na poziomie komórkowym. Fosfomorfometria przepływowa to potężne podejście do charakteryzowania aberracji sygnałowych, identyfikacji i walidacji biomarkerów oraz oceny farmakodynamiki.

Fosfomorfometria przepływowa z fluorescencyjnym kodowaniem kreskowym komórek do analizy sygnalizacji pojedynczej komórki i odkrywania biomarkerów

Ten manuskrypt opisuje syntezę jednościennego oligonukleotydu antysensownego DNA MALAT1 z nanorurkami węglowymi (SWCNT) (SWCNT-anty-MALAT1), który demonstruje niezawodne dostarczanie SWCNT i silny efekt terapeutyczny anty-MALAT1 in vitro i in vivo. Opisano metody stosowane do syntezy, modyfikacji, koniugacji i wstrzykiwania SWCNT-anty-MALAT1.

Zahamowanie wzrostu komórek szpiczaka mnogiego in vivo za pomocą jednościennych nanorurek węglowych (SWCNT) dostarczanych przez antysensowne oligonukleotydy MALAT1

Tutaj prezentujemy protokół do badania biomarkera i predyktora przeżycia raka piersi na podstawie kompleksowej analizy zbiorczych zestawów danych klinicznych pochodzących z różnych publicznie dostępnych baz danych, wykorzystując strategię ekspresji, korelacji i analizy przeżycia krok po kroku.

Eksploracja danych i analiza integracyjna biomarkera raka piersi przy użyciu wielu publicznie dostępnych baz danych

Poznaj metodę wyboru wielu podzbiorów biomarkerów o podobnej skuteczności klasyfikacji binarnej. Oprogramowanie z interfejsem graficznym ułatwia badaczom analizę danych biomedycznych i identyfikację cech.

Wybór wielu podzbiorów biomarkerów o podobnie skutecznych wynikach klasyfikacji binarnej

Przeglądaj więcej filmów