Name: Facilitar a Análise de Dados com Visual imunológicos Técnicas Analíticas (Vídeo) | JoVE Journal
Uploaded: 2011-01-02T17:00:00.000+00:00
Duration: 10 min 58 s
Description: Aprenda a usar técnicas de análise visual para examinar grandes conjuntos de dados imunológicos complexos. Este método demonstra como identificar padrões e tendências em dados biomédicos usando ferramentas interativas como Tableau.

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

Gostaríamos de agradecer aos membros do Vancouver Institute of Visual Analytics (VIVA) para oferecer comentários e sugestões para o projeto. Em particular, gostaríamos de agradecer a John Dill, Brian Fisher, e David Darvill. Gostaríamos também de agradecer aos membros do laboratório Kollmann pelo apoio e discussões úteis. Este trabalho foi financiado em parte pelo Instituto Nacional de Alergia e Doenças Infecciosas, Instituto Nacional de Saúde Grant N01 AI50023; Grants Allergen NCE 07-07-A1A e B2B, eo Michael Smith Fundação para a Pesquisa em Saúde. TRK é suportado, em parte, por um Prémio Carreira na Ciência Biomédica da ad Burroughs Wellcome Fund por um Canadian Institutes for Health Research Grant Formação em Canadian Criança Programa de Saúde Clínico Scientist, em parceria com Doente-Kids Foundation, Criança e Família (Instituto de Pesquisa British Columbia), Saúde da Mulher e da Criança Research Institute (Alberta), e Manitoba Institute of Child Health.

1. Exploração baseada em Análise de Tableau <ol><li> Você tem um conjunto de dados e você deseja explorar as várias relações entre as colunas dentro dos dados. <ol><li> (Figura 1) Importe o conjunto de dados, clicando em 'Connect aos dados ". Escolha o tipo de fonte de dados e siga as instruções para importar o seu conjunto de dados. </li><li> (Figura 1) Certifique-se que a plataforma dimensões contém colunas categóricas, enquanto a prateleira medidas contém colunas do conjunto de dados numéricos. Às vezes, uma coluna de dimensão, tais como identificador de assunto podem ser listados como medir se é numerada. Alterá-lo para dimensões clicando sobre ele e selecione "Convert to Dimension". Na Figura 1, as colunas do conjunto de dados categóricos tais como o nível de concentração e estímulo identificadores sujeitos estão correctamente colocados na prateleira dimensões, ea concentração de citocinas são observadas corretamente colocado na prateleira de medidas. </li><li> (Figura 2) Se durante o processo de análise, um campo calculado é necessário, simplesmente clique direito em dimensões ou medidas de prateleira, e selecione 'Criar Campo Calculado. Entrada de cálculo da fórmula na caixa com os campos combinadas com funções ou operações matemáticas. A Figura 2 mostra como criar um novo campo chamado PFD&gt; 2 agregando PFD2, PFD3 e PFD4 valores. </li><li> (Figura 3) Gerar um lote 2-D no Tableau, tipicamente com uma dimensão e uma medida de interesse. Já que a interface oferece interação de arrastar e soltar-simples, a escolha da dimensão e medida pode ser facilmente alterada. Dimensões são normalmente colocadas em colunas de prateleira, e medidas em prateleira linhas. Na Figura 3, a plataforma dimensões contém nível de concentração de estímulo, ea plataforma medidas contém nível de concentração de citocinas observadas. </li><li> (Figura 3) Para diferenciar a visualização de uma dimensão específica, coloque esse rótulo dimensão na prateleira cor do texto, ou tamanho, dependendo da natureza da dimensão. Prateleira texto tentativas para diferenciar de dados na visualização, rotulando-os com informações textuais fornecidas pela dimensão selecionada. Prateleira Cor e tamanho será automaticamente diferenciar dados por cor e tamanho, que pode ser ajustado com a barra de rolagem localizada na parte inferior de cada prateleira. Na figura 3, colocando genótipo na prateleira cor leva à separação de três genótipos de cores distintas. </li><li> (Figura 3) Filtrar a visualização pelas variáveis ​​coluna específica em outra dimensão. Isto pode ser feito arrastando o rótulo dimensão na prateleira do filtro. Aparecerá uma janela com a lista de valores para escolher. O valor selecionado será os únicos valores restantes na visualização. </li><li> (Figura 4) Você pode combinar visualização com outra dimensão ou medida para produzir uma matriz de visualização. Isto pode ser feito por queda múltiplas dimensões na prateleira colunas e múltiplas medidas na prateleira linhas. Figura 4 contém um exemplo de duas colunas da matriz de visualização, colocando duas dimensões diferentes na prateleira colunas. </li><li> Para produzir uma visualização semelhante, clique direito sobre a planilha atual no canto inferior esquerdo, e selecionou 'página duplicada. </li><li> Iterar o processo de análise para identificar as tendências interessantes ou outliers que podem ajudar a gerar novas hipóteses sobre os dados. </li></ol></li><li> Você tem múltiplos dataset gerado a partir da mesma fonte, e querem explorar as possíveis ligações entre estes conjuntos de dados. <ol><li> Coloque vários conjuntos de dados em uma mesma fonte, lugar ou seja, duas planilhas no mesmo livro, para permitir Tableau para se conectar a estes dataset através da mesma conexão. </li><li> (Figura 5) Conecte os conjuntos de dados por meio de unir lógica de valores-chave, certificando-se que as dimensões que são as mesmas para vários conjuntos de dados são selecionados. Na Figura 5, existem cinco valores-chave para adesão: identificador de tipo de célula, nível de concentração de estímulo palco, ou grupo, de estímulo, e assunto. </li><li> Realizar uma análise semelhante a seção 1.1. </li></ol></li></ol> 2. Apresentação baseada em Necessidades <ol><li> Você sabe que as relações entre os dados, mas você quer ser capaz de gerar rapidamente uma lista de visualizações para uso em apresentações. <ol><li> Seguir o protocolo descrito na secção 1.1, e anotar as visualizações de acordo. </li><li> Use a função de exportação no Tableau para produzir imagens de visualizações. </li></ol></li><li> Você tem gerado um conjunto de visualizações poderoso livro Tableau e quero compartilhar essa pasta de trabalho. <ol><li> Guardar o livro como livro Tableau embalados e compartilhar esse arquivo. </li><li> Colegas sem desktop Tableau pode baixar Leitor Tableau para abrir o livro embalado. Leitor Tableau permite que os seus colegas de interagir com as visualizações que você criou. </li></ol></li></ol> 3. RESULTADOS REPRESENTANTE <img src="/files/ftp_upload/2397/2397fig1.jpg" alt="Figura 1" data-altupdatedat="1787634011000" data-alt="Figura 1"> Figura 1. A screenshotTableau de depois de importar a planilha denominada NFKBIA do demo.xls arquivo do Excel. As dimensões e as prateleiras medidas foram devidamente preenchidos com os dados categóricos e numéricos, respectivamente. <img src="/files/ftp_upload/2397/2397fig2.jpg" alt="Figura 2" data-altupdatedat="1787634011000" data-alt="Figura 2"> Figura 2. A janela de Campo Calculado é chamado para criar um campo especial calculado para uso em Tableau. A lista na caixa inferior esquerda ajuda a identificar possíveis campos, ea lista no lado direito contém abreviação de funções que podem ser usados ​​na fórmula. Neste exemplo, nós queríamos adicionar os valores para PFD4, PFD3 PFD2 e para obter o 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. Visualização do nível de estímulo de concentração versus concentração de citocinas observadas. A visualização mostra um gráfico dos diferentes níveis de concentração do estímulo 3M-002 contra a concentração observada da citocina TNF-α. As cores das linhas referem-se os diferentes genótipos para o polimorfismo de nucleotídeo único no gene NFKBIA dos indivíduos em nosso estudo imunológico inato. <img src="/files/ftp_upload/2397/2397fig4.jpg" alt="Figura 4" data-altupdatedat="1787634011000" data-alt="Figura 4"> Figura 4. Um screenshot de uma matriz de visualização de duas colunas. Geramos uma matriz de duas colunas para facilitar uma comparação lado a lado de respostas a dois estímulos, a 3M-003 e LPS. O x-eixos são os diferentes níveis de concentração dos dois estímulos, e as parcelas do eixo y os valores do 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. Essas janelas diálogo Tableau ilustram como conectar dados registrados em planilhas diferentes. De dados conectando a partir de planilhas diferentes pode ser realizado através da combinação destes usando lógica juntar cláusulas de valores de chave. <table border="1"><tbody><tr><td></td><td colspan="10"> Ferramenta de visualização e análise </td></tr><tr><td> Função </td><td> Quadro </td><td> VIS-STAMP </td><td> xmdvtool </td><td> GGobi </td><td> Luz das estrelas </td><td> Gapminder </td><td> Visulab </td><td> InfoVis Toolkit </td><td> Geotime </td><td> Inspirar </td></tr><tr><td> Paralelo coordenar parcelas </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td><td> Não </td></tr><tr><td> Enredo matrizes dispersão </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td></tr><tr><td> Redução dimensional </td><td> Não </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td></tr><tr><td> Dimensões temporais </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td></tr><tr><td> Dimensões geoespaciais </td><td> Sim </td><td> Sim </td><td> Não </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td><td> Não </td><td> Sim </td><td> Não </td></tr><tr><td> Mineração de texto </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td></tr><tr><td> Manipulação direta de dados </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Não </td></tr><tr><td> Filtragem </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td></tr><tr><td> Extensibilidade para outras plataformas (por exemplo, R) </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Não </td><td> Sim </td><td> Não </td><td> Não </td></tr><tr><td> Tabela formatos CSV </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td><td> Não </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td></tr><tr><td> Formatos de dados XML </td><td> Sim </td><td> Não </td><td> Não </td><td> Sim </td><td> Sim </td><td> Não </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Não </td></tr><tr><td> Pode lidar com um0000 + linhas </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td></tr><tr><td> Documentação </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td><td> Sim </td></tr><tr><td> Produto comercial </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td><td> Não </td><td> Não </td><td> Não </td><td> Sim </td><td> Sim </td></tr></tbody></table> Lista Tabela 1. Análises de ferramentas visuais e algumas de suas 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>

Não há conflitos de interesse declarados.

O advento da tecnologia de alto rendimento na pesquisa biomédica moderna conduziu a uma explosão de dados de pesquisa que requer uma maneira mais eficiente de análise. Visual analytics (VA) é a ciência do raciocínio analítico facilitada pela interativo interfaces visuais (1). A abordagem VA restaura o poder analítico nas mãos do analista humano, ao contrário da abordagem tradicional para detectar padrões por computador. Visual analytics tem sido aplicada à pesquisa em vários campos, tais como a defesa de pesquisa (1) e ...

facilitar a análise de dados com visual imunológicos técnicas analíticas

Facilitating the Analysis of Immunological Data with Visual Analytic Techniques

Visual analytics (VA) tem emergido como uma nova forma de analisar grande volume de dados através de display visual interativo. Demonstramos a utilidade ea flexibilidade de uma abordagem VA na análise de conjuntos de dados biológicos. Exemplos destes conjuntos de dados em imunologia incluem citometria de fluxo, dados Luminex e genotipagem (por exemplo, o polimorfismo de nucleotídeo único) de dados. Contrariamente à abordagem tradicional de visualização de informação, VA restaura o poder de análise nas mãos do analista, permitindo que o analista se engajar em tempo real processo de exploração de dados. Nós selecionamos o software chamado VA Tableau após avaliar várias ferramentas VA. Dois tipos de tarefas de análise de análise dentro e entre os conjuntos de dados foram demonstrados na apresentação de vídeo utilizando uma abordagem chamada análise pareada. Análise pareada, conforme definido no VA, é uma abordagem de análise em que um especialista ferramenta VA trabalha lado a lado com um especialista de domínio durante a análise. O especialista de domínio é aquele que entende o significado dos dados, e faz as perguntas que os dados coletados possam endereço. O especialista ferramenta cria visualizações para ajudar a encontrar padrões nos dados que possam responder a estas perguntas. O curto intervalo de tempo entre a geração de hipóteses ea exibição rápida visual dos dados é a principal vantagem de uma abordagem VA.

Visual analytics (VA) é uma nova abordagem de análise de dados de forma interativa. Neste vídeo, discutimos o problema de sobrecarga de dados causada por high-throughput experimentos biológicos, e propor VA como uma solução para esse problema. O vídeo demonstra a análise dentro e entre os conjuntos de dados imunológicos usando uma ferramenta chamada Tableau VA.

Facilitar a Análise de Dados com Visual imunológicos Técnicas Analíticas

A análise visual (AV) surgiu como uma nova maneira de analisar grandes conjuntos de dados por meio de exibição visual interativa. Demonstramos a utilidade e a...

Facilitando a análise de dados imunológicos com técnicas de análise visual. Embora a capacidade de coletar e armazenar dados tenha avançado rapidamente, a capacidade de processá-los e analisá-los, em comparação, progrediu pouco. Como resultado, grandes conjuntos de dados frequentemente existem em laboratórios biomédicos, os quais não são analisados de forma eficaz ou eficiente.Com isso, informações potencialmente ricas e poderosas são perdidas no abismo dos sistemas de armazenamento. A análise visual, ou VA, surgiu como uma nova forma de analisar conjuntos de dados grandes e complexos. As técnicas de VA baseiam-se em visualizações que permitem aos analistas utilizar sua inteligência visual para identificar padrões nos dados, como tendências gerais ou valores atípicos.Essas visualizações rápidas permitem a formação rápida de hipóteses durante a exploração de dados. A flexibilidade das ferramentas de VA permite ao analista ampliar, aprofundar e estabelecer conexões entre múltiplos conjuntos de dados ao investigar suas relações. Por meio da aplicação de VA a fontes de dados integradas, o usuário pode revelar descobertas novas e importantes.A análise de pais é uma abordagem de VA na qu

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

Research

JoVE Journal

Immunology and Infection

Imunologia e Infecção

A imunofenotipagem de sangue total é indispensável para monitorar o sistema imunológico humano. No entanto, o número de reagentes necessários e a instabilidade de fluorocromos específicos em coquetéis pré-misturados exigem a preparação diária do reagente. Aqui mostramos que a preparação semiautomatizada do coquetel de anticorpos de coloração ajuda a estabelecer uma imunofenotipagem confiável, minimizando a variabilidade na distribuição de reagentes.

Uma abordagem automatizada-Semi Preparando Antibody Cocktails para Análise imunofenotípica de Sangue Periférico Humano

Aqui, descrevemos um fluxo de trabalho completo para a análise qualitativa e quantitativa das sinapses imunes entre primárias células T humanas e células apresentadoras de antígeno. O método baseia-se na imagem citometria de fluxo, que permite a aquisição e a avaliação de várias imagens de milhares de células dentro de um período relativamente curto de tempo.

Análise qualitativa e quantitativa de sinapse imunológica no sistema humano usando a imagem latente de citometria de fluxo

Estudar o microambiente do tumor pode identificar biomarcadores prognósticos ou preditivos de resposta clínica à imunoterapia. Apresentado aqui, é um método inovador baseado em situ fluorescência multiespectral de imagens para analisar e contar automaticamente várias subpopulações de CD8+ T células. Esta técnica reprodutível e confiável é apropriada para análises de grandes coorte.

Multiplexado imunofluorescência análise e quantificação de Intratumoral PD-1+ + Tim-3 CD8+ T células

ExCYT é um baseado em MATLAB Graphical User Interface (GUI) que permite aos usuários analisar seus dados de citometria de fluxo via comumente empregadas técnicas de análise dos dados de alta dimensão incluindo redução de dimensionalidade através de t-PND, uma variedade de automático e manual fluxo de alta dimensão romance, heatmaps e métodos de clustering parcelas.

ExCYT: Uma Interface gráfica do usuário para racionalizar a análise de dados de alta dimensão Cytometry

Cytofast é uma ferramenta de visualização usada para analisar a saída do agrupamento. Cytofast pode ser usado para comparar dois métodos de agrupamento: FlowSOM e Cytosplore. Cytofast pode rapidamente gerar uma visão quantitativa e qualitativa dos dados de citometria de massa e destacar as principais diferenças entre diferentes algoritmos de agrupamento.

Visualização e quantificação de dados de citometria de alta dimensão usando Cytofast e os métodos de agrupamento upstream FlowSOM e Cytosplore

Aqui, descrevemos uma estratégia simples e acessível para visualizar, quantificar e mapear células imunes em seções de tecido tumoral parafina fixada em formalina. Essa metodologia combina técnicas de imagem e análise digital existentes com o objetivo de ampliar a capacidade de multiplexação e a análise multiparâmetro de ensaios de imagem.

Visualização, Quantificação e Mapeamento de Populações de Células Imunes no Microambiente tumoral

Na era da imunoterapia e do perfil genômico de célula única, a biologia do câncer requer novas ferramentas in vitro e computacionais para investigar a interface tumor-imune em um contexto espaço-temporal adequado. Descrevemos protocolos para explorar co-culturas microfluídicas imunes a tumores em cenários 2D e 3D, compatíveis com monitoramento dinâmico e multiparamétrico de funções celulares.

Modelos de Co-Cultura Microfluídica para Dissecar a Resposta Imune em Microambientes Tumorais in vitro

Neste artigo, um protocolo para amplificação manual do sinal de tiramida (TSA) por imunofluorescência multiplex (mIF) combinado com análise de imagem e análise espacial é descrito. Este protocolo pode ser usado com cortes fixados em formalina e embebidos em parafina (FFPE) para a coloração de dois a seis antígenos por lâmina, dependendo do scanner de lâminas disponível no laboratório.

Imunofluorescência Multiplex Combinada com Análise Espacial de Imagens para Avaliação Clínica e Biológica do Microambiente Tumoral

Este protocolo descreve em detalhes como é realizada a caracterização das células imunes do microambiente tumoral usando imuno-histoquímica multiplex.

Análise Imuno-Histoquímica Multiplex da Paisagem Espacial de Células Imunes do Microambiente Tumoral

Aqui nós descrevemos um romance de alto teor de ensaio inflamação induzido quimicamente visando a identificação de moduladores-imune bioativos. Temos sucesso combinado microscopia automatizada com scripts personalizados de software desenvolvidos permitindo a quantificação automática da resposta inflamatória, bem como processamento de dados ainda mais, a análise, mineração e de armazenamento.

Facilitar Drug Discovery: um ensaio automatizado de alta Inflamação conteúdo em Zebrafish

Aprenda a usar técnicas de análise visual para examinar grandes conjuntos de dados imunológicos complexos. Este método demonstra como identificar padrões e tendências em dados biomédicos usando ferramentas interativas como Tableau.

Facilitar a Análise de Dados com Visual imunológicos Técnicas Analíticas

Explorar mais vídeos