Uru:
- Ndozi nnwale ọtụtụ (p-uru emeziri) na nyocha okwu dị iche iche yana ikike ịkọwa mgbanwe mpịaji nke ọma ma zere ezigbo ụgha.
- Ịchọpụta mmetụta batch na ịgbakwunye ya na ihe nlereanya ya na PCA na ikewapụta ụzụ ụzụ na ọdịiche dị ndụ.
- Ikike ijikọ njirimara ụzọ ọ bụla na isi iyi wee jikwaa ya na nkwụsi ike nke ndu na nkwalite ụzọ yana njikọta multi-omics.
Otu cell abụghị otu nọmba; Ọ bụ usoro ebe ọtụtụ puku mkpụrụ ndụ ihe nketa, protein na metabolites na-agba egwu n'otu oge. Omics (aha mkpokọta maka ịbịaru nso na-atụle oyi akwa n'ozuzu) na-agbalị ijide egwu a dum: genomics (DNA), transcriptomics (RNA - nke mkpụrụ ndụ ihe nketa na-arụ ọrụ na ole), proteomics (protein), metabolomics (obere ụmụ irighiri ihe). Igwe omics ọ bụla na-emepụta puku kwuru puku data akụkụ, mkpọtụ na ọnụ ahịa. AI dị ike na nyochaa data a dị elu na usoro akara; Ma ị bụ onye na-ekpebi ụkpụrụ bụ eziokwu ndu na nke bụ ụzụ ụzụ.
N'ime nkeji a, anyị ga-aga n'ihu site na transcriptomics, nyocha nke omics kachasị; Ụkpụrụ na-emetụtakwa ọkwa ndị ọzọ. ahụkarị workflow: okwu matrix si raw data (ahịrị bụ mkpụrụ ndụ ihe nketa, ogidi bụ sample, mkpụrụ ndụ bụ okwu ọkwa), normalization (wepụ teknuzu iche), iche iche okwu analysis (ịchọta mkpụrụ ndụ ihe nketa na-agbanwe nke ukwuu n'etiti ọnọdụ abụọ), ụzọ enrichment (ịchọta nke ndu ụzọ ndị gbanwere mkpụrụ ndụ ihe nketa na-clustered na) na nkọwa.
Okwu dị iche iche: mpịakọta mgbanwe na mezie p-uru
Iji mara ma ọ bụrụ na mkpụrụ ndụ 'gbanwere', a na-elele ọnụọgụ abụọ: mgbanwe mpịachi - ugboro ole okwu na-abawanye / na-ebelata, na-emekarị na ọnụ ọgụgụ log2 - ma gbanwee p-value (padj - ọnụ ọgụgụ nke na-achịkwa maka nkwụsị ụgha mgbe a na-eme ọtụtụ ule). Gịnị kpatara idozi? N'ihi na ị na-anwale mkpụrụ ndụ ihe nketa 20,000 n'otu oge; Ọbụna na ndabara, ọtụtụ narị mkpụrụ ndụ ihe nketa pụrụ ịpụta “dị mkpa”. Na-enweghị ọtụtụ mgbazi ule — na-amachi ọnụego nchoputa ụgha na ụzọ dị ka Benjamini-Hochberg—ndepụta ahụ na-eduhie eduhie. AI nwere ike dee edemede nke na-agbakọ ọnụ ọgụgụ a, mana ọ bụrụ na ọ hapụ mmezi ahụ, nsonaazụ gị enweghị mgbagha na sayensị.
Akpachara anya: Otu AI nwere ike ịsị "n'ime mkpụrụ ndụ ihe nketa 500 gbanwere nke ukwuu" dabere na raw p-uru. N'ileghachi anya na p-uru emeziri, ọnụ ọgụgụ ahụ nwere ike ịdaba na 30. Na-elele mmezi ule ọtụtụ ugboro n'onwe gị; Nke a bụ ọdịiche dị n'etiti nnabata na ịjụ akwụkwọ.
Mmetụta batch: ọnyà kachasị aghụghọ
Mmetụta batch (ọdịiche teknụzụ na-esite na nhazi nke nlele site na ụbọchị dị iche iche, ngwaọrụ ma ọ bụ ndị mmadụ) bụ isi iyi nke njehie na nyocha omics. Ọ bụrụ na edoziri ọnọdụ gị abụọ n'ụbọchị abụọ dị iche iche, "ọdịiche ndu" ị na-ahụ nwere ike ịbụ n'ezie ọdịiche ụbọchị. AI nwere ike ịtụ aro ịgbakwunye mgbanwe ogbe na ụdị (dịka ~ batch + ọnọdụ), mana ọ bụ ọrụ gị ịtọlite ya nke ọma ma ghara ịgwakọta ya na nhazi nnwale.
NDỤMỌDỤ: Tupu ịmalite nyocha ahụ, see eserese PCA (Ntụle akụrụngwa nke isi - usoro na-achịkọta ma na-ahụ anya data dị elu n'ọtụtụ axes). Ọ bụrụ na ejiri ogbe chịkọta ihe nlele karia site na ọnọdụ ndu, mmetụta batch na-achị ma a ga-edozirịrị ya nke mbụ.
Multi-omics mwekota
Ezi nghọta na-abịakarị site n'ịkọba ọnụ: ọ bụrụ na mkpụrụ ndụ ihe nketa na-arụ ọrụ siri ike mana protein ya anaghị abawanye, ụkpụrụ dị na ọkwa ntụgharị. Multi-omics mwekota-ijikọta dị iche iche omics layers n'ime otu nlereanya-bụ ebe AI na-akawanye ike kamakwa ebe ọ na-eduhie ndị kasị; n'ihi na akpịrịkpa, mkpọtụ na sample matches nke n'ígwé dị iche iche. AI na-atụ aro usoro ntinye ọrụ, mana ị na-achịkwa nkwekọ nke ndu nke nsonaazụ ya.
Obere ikpe atọ
Ikpe 1 - emelitere ngwa ngwa. Achọtara mkpụrụ ndụ ihe dị iche iche 1,240 n'ọrụ ọrịa kansa. AI mebere ha maka ịba ụba nke ụzọ, na-akọwapụta okirikiri cell na ụzọ ndozi DNA; Ndị otu ahụ mepụtara map hypothesis n'ime awa 2. Mana ha jiri ngwa nwere onwe (g:Profiler) nwale ụzọ nke ọ bụla wee chọpụta na AI ejirila otu ụzọ mebie ya.
Ikpe 2 - ọnyà ogbe. Otu ụlọ nyocha hụrụ ọdịiche dị 900 dị egwu n'etiti otu ọgwụgwọ abụọ. Mgbe ha rụrụ PCA, ha hụrụ na e kewapụrụ ihe nlele ahụ site n'usoro nhazi usoro. Ka emezichara ogbe, ezigbo ọdịiche ahụ gbadara ruo mkpụrụ ndụ ihe nketa iri isii. AI ewepụla mgbanwe ogbe n'amaghị ama na nyocha nke mbụ.
Ikpe 3 - aha ụzọ ụzọ emebere. Otu nwa akwụkwọ nyere AI ndepụta mkpụrụ ndụ ihe nketa wee jụọ, "Olee ụzọ KEGG?" AI nyere ID ụzọ na aha dị ka ọ dị adị. Mgbe nwa akwụkwọ ahụ nyochara na KEGG, ọ hụrụ na ID ahụ adịghị; nkwenye gbochiri nsonaazụ echepụtara.
Ndebiri anọ enwere ike iṅomi
1) DESeq2 nkọwapụta usoro ọrụ:
Ọrụ gị: ọkà mmụta ihe omimi. Jiri R/DESeq2 dee edemede nke nzọụkwụ site na nzọụkwụ maka nyocha okwu dị iche iche RNA-seq: gụọ ọgụgụ matriks, usoro nhazi (~ ogbe + ọnọdụ), nhazigharị, tebụl nsonaazụ. KPỤKWUO tinye ọtụtụ mmezi nnwale (BH) wee jiri padjcolumn. Kọwaa ihe nzọụkwụ ọ bụla na-eme n'ahịrị okwu.
2) Ogo / njikwa ogbe:
Nye m ndepụta nyocha RNA-seq QC: njikwa ogbe nwere PCA, nha ọbá akwụkwọ, ọnụọgụ nchọpụta mkpụrụ ndụ ihe nketa, nchọpụta pụrụ iche. Maka metrik ọ bụla, kọpụta “ihe m na-ahụ na-eme m ụjọ” ọnụ ụzọ. Kọwaa ihe m kwesịrị ime ma ọ bụrụ na agwakọta ogbe na ọnọdụ ndu.
3) Nnwapụta nsonaazụ nkwalite:
M ga-enye gị ndepụta ụzọ bara ụba (ọnụọgụ ụzọ, padj, mkpụrụ ndụ ihe nketa). Dee njirimara ụzọ ọ bụla (KEGG/GO ID) n'ọnụ ọnụ ma emela ya. Jiri padj mee ihe nzacha <0.05. Kpebie ụzọ ụzọ ndụ na-akwado ibe ha, mana kaa njirimara ọ bụla dị ka "a ga-enyocharịrị na nchekwa data."
4) Multi-omics anọgidesi n'otu:
Ntụgharị ederede na proteomic na-ewepụta ntụzịaka okwu na-emegiderịta onwe ya maka otu mkpụrụ ndụ ihe nketa/protein. Depụta ihe ndị nwere ike ime ihe ndị dị ndụ (ndezigharị ntụgharị asụsụ gachara) na teknụzụ (mkpọtụ nlegharị anya, nha nha nhata) ihe kpatara nke a wee gwa m ka m ga-esi nwalee nke ọ bụla.
Ngwa ngwa adịghị ike / Ike siri ike
Ngwa ngwa adịghị ike:
Kpọọ ụzọ ndị dị mkpa na ndepụta mkpụrụ ndụ ihe nketa a.
Enweghị isi mmalite, enweghị ọnụ ọgụgụ, nnukwu ihe ize ndụ nke ụzọ a kpụrụ akpụ.
Mgbasa ozi siri ike:
Ọrụ gị: ọkà mmụta ihe omimi. Na tebụl mkpụrụ ndụ ihe dị iche agbakwunyere (gene, log2FC, padj) were naanị mkpụrụ ndụ ihe nketa na padj <0.05. Gwa m usoro nyocha GO ga-eji mkpụrụ ndụ ihe nketa ndị a na ngwa (g: Profiler) m ga-eji mee. Aha ụzọ bụ FAKE; M ga-agba ọsọ ngwa ahụ ma mee nyocha ahụ, naanị ị na-akọwa usoro ziri ezi na ọtụtụ mgbazi ule.
Ọdịiche: nzacha doro anya, usoro mgbado anya, mmachibido iwu imepụta na ịhapụ nkwenye n'aka onye ọrụ.
Usoro nyocha Omics
nzọụkwụ
Ebumnuche
nkịtị mmejọ
Ọrụ AI
normalization
Wepụ ọdịiche teknụzụ
Nhọrọ usoro ezighi ezi
Ederede + echiche
PCA/QC
Nchọpụta ogbe na outlier
tuo ukwu m
Foto + nkọwa
okwu di iche
Ịchọta mkpụrụ ndụ ihe nketa na-agbanwe agbanwe
Emezighị p
Ederede ederede
ịba ọgaranya
chọta ụzọ
ụzọ emepụtara
usoro
mwekota
jikota n'ígwé
Njehie nha nha/nha
Nkwanye usoro ọrụ
Single cell omics: ọkwa ọhụrụ
N'afọ ndị na-adịbeghị anya, usoro otu mkpụrụ ndụ - na-atụ profaịlụ okwu nke otu puku mkpụrụ ndụ iche iche - ewerela omics gaa n'ụzọ ọhụrụ. Ugbu a, kama "nkezi ngosipụta nke anụ ahụ", anyị nwere ike ịhụ ụdị sel ọ bụla n'ime anụ ahụ ahụ iche. Ike a na-ewebata ọnyà ọhụrụ: data dị ntakịrị (ọtụtụ mkpụrụ ndụ ihe nketa nwere efu na-agụ n'ime ọtụtụ mkpụrụ ndụ-dropout), nha ya bụ iri puku kwuru iri puku mkpụrụ ndụ × puku iri abụọ na puku mkpụrụ ndụ ihe nketa, na ikewa ụdị sel na-abụkarị site na nchịkọta. AI dị ike n'ịmepụta nchịkọta nchịkọta na akara ụdị cell na data otu cell; mana ị na-eji mkpụrụ ndụ ihe nrịbama ama ama ma ụyọkọ nke ọ bụla bụ ụdị sel n'ezie ma ọ bụ ihe arụrụ arụ (dịka sel nwụrụ anwụ, sel abụọ ejikọtara ọnụ). Anabatala akara ụdị cell nke AI tụrụ aro na-akwadoghị mkpụrụ ndụ ihe nrịbama nke ụyọkọ ahụ n'ime akwụkwọ n'ezie.
NDỤMỌDỤ: Na nyocha otu cell, ọ bụrụ na AI na-atụ aro akara "T cell" na ụyọkọ, lelee onwe gị na akara T cell (dịka CD3) na-egosipụta nke ọma na ụyọkọ ahụ. Ọ bụrụ na akara ahụ akwadoghị akara ahụ, ọ bụ echiche, ọ bụghị nkwubi okwu.
Mmejọ ndị nkịtị
- Na-awụgharị mgbazi ule ọtụtụ. Ndepụta ahụ na-ejupụta na raw p-uru; ekwesịrị iji padj mee ihe.
- Na-emejọ mmetụta ogbe maka bayoloji. Ekwesịrị ibu ụzọ lelee ya site na PCA.
- Ime ka ala gbanwee naanị akara. Mgbanwe mpịaji dị elu nwere ike iduhie na mkpụrụ ndụ ihe nketa dị ala, nke na-eme mkpọtụ.
- Ịnabata ụzọ emebere/GO njirimara. A ga-enyocharịrị njirimara ọ bụla na nchekwa data.
- Na-eleda nha nlele anya. Ike ọnụ ọgụgụ dị ala na nhazi 2 site na 2; Ekwesịrị iji nlezianya kọwaa nsonaazụ ya.
Na nchịkọta
Nyocha Omics na-arụ ọrụ na akụkụ dị elu, data na-eme mkpọtụ, na AI na-eme ka data a dịkwuo elu site na nyocha ya, ide edemede na akara akara. Mana ọtụtụ mgbazi ule na ngosipụta dị iche iche, njikwa ogbe na PCA na nkwenye isi mmalite na nkwalite dị mkpa. Multi-omics mwekota dị ike ma na-eduhie eduhie; Lelee nsonaazụ nke ọ bụla site na usoro ndu, na-eburu n'uche nha na mkpọtụ dị iche iche nke ọkwa.
Ọrụ ngwa
Chọta matriks RNA-seq dị n'ihu ọha (dịka site na GEO). Mee ka AI jiri ndebiri "DESeq2 workflow" dee edemede nyocha wee lelee koodu na etinyere ọtụtụ mmezi ule n'ezie. Jụọ AI maka nkọwa ịba ụba ma chọpụta ID ụzọ ọ na-eweghachi otu otu megide nchekwa data KEGG ma ọ bụ GO; Rịba ama ole dị adị.
ndetu
- M na-eji padj (doziri) na nyocha dị iche iche, ọ bụghị raw p-uru.
- [] Eji m PCA lelee mmetụta batch ma tinye ya na ihe nlereanya ma ọ dị mkpa.
- [] Akọwara m mkpụrụ ndụ ihe nketa nwere nnukwu mgbanwe n'ogige atụrụ mana okwu dị ala na-akpachara anya.
- [ ] Ekwenyere m n'ụzọ ọ bụla/GO ID megide ezigbo nchekwa data.
- [] M enyochala ike ọnụ ọgụgụ nke nha nlele ahụ.
- [ ] Ekewara m ọtụtụ ihe na-emegiderịta onwe ya n'ime ihe kpatara ndụ na teknụzụ.