Nkeji
1. Okwu Mmalite nke ọgụgụ isi Artificial na Molecular Biology and Genetics: Ọrụ, ókèala, nkwado, ụkpụrụ omume na nzuzo 2. Nyocha usoro DNA/RNA: Nhazi, Motif, Frame Reading Open na Basic Bioinformatics 3. Ntụgharị asụsụ dị iche iche: Ọrịa nje sitere na VCF, Nhọpụta HGVS, yana akara ACMG 4. Nhazi Protein na AlphaFold: Amụma Ọdịdị Ọgụgụ, akara ntụkwasị obi, na nkwado 5. Nkwado imewe CRISPR: Nhọrọ gRNA, Nwepu-Ezubere, yana Nnwale nnwale 6. Nyocha data Omics: RNA-seq, nkwupụta, ọnụ ọgụgụ na nkwalite ụzọ 7. Nyochaa akwụkwọ na ọdịde sayensị: Nnwale isi mmalite na ihe egwu dị n'okwu ụgha 8. Nkọwa ụlọ ọgwụ: mkpesa, nnabata ndị ọkachamara, nkwado na oke 9. Ịdọ aka ná ntị nke nhụsianya na nyocha: mkpụrụ ndụ ihe nketa mebere, usoro, ụdị dị iche iche, na njirimara. 10. Ụkpụrụ, Nzuzo na Nchedo Data: Ọrụ Pụrụ Iche nke Data Genetic 11. Ikpe ngwụcha ruo ngwụcha: Njem dị iche iche site na nchọpụta gaa na mkpesa ụlọ ọgwụ
Nkeji 6 / 11

Nyocha data Omics: RNA-seq, nkwupụta, ọnụ ọgụgụ na nkwalite ụzọ

Uru:

  • Ikike ịghọta usoro ọrụ RNA-seq, nyocha okwu dị iche na mgbazi nnwale (FDR) ma nwee ọgụgụ isi na-emepụta koodu nyocha ga-ekwe omume.
  • Ikike ịkọwa nsonaazụ nkwalite ụzọ n'ụzọ agụkọ ọnụ na usoro ndu
  • Ikike iji ọzụzụ na-enyocha echiche ndekọ ọnụ ọgụgụ yana ọtụtụ ọnyà ule yana n'onwe ya na-enyocha mkpa ndu.

"Omics" bụ aha mkpokọta maka ụzọ na-atụle mkpụrụ ndụ niile nke cell ma ọ bụ anụ ahụ ọnụ: genomics (DNA niile), transcriptomics (RNA / nkwupụta niile), proteomics (protein niile), metabolomics (niile metabolites). Data a buru ibu - nnwale RNA-seq gụnyere nha nke iri puku kwuru iri puku mkpụrụ ndụ ihe nketa. Na ngalaba a, ị ga-amụta ka esi eji ọgụgụ isi mmadụ (AI) dị ka onye na-enyere aka na nyocha omics nke na-ede koodu, họrọ ọnụ ọgụgụ, na ịkọwa nkọwa ndu; mana ị ga-amụta ihe kpatara ị ga-eji nyochaa ọnụọgụgụ na nsonaazụ ndu.

Ịdọ aka ná ntị dị egwu: Na Omics, njehie kachasị dị ize ndụ bụ ọnụ ọgụgụ na-adịghị ahụ anya. AI nwere ike dee koodu na-agafe ọtụtụ mmezi ntụnyere (n'okpuru), họrọ ule na-ezighi ezi, ma ọ bụ mepụta ndepụta mkpụrụ ndụ “ụgha”. Na mgbakwunye, AI nwere ike mejupụta nkwuputa ndu dị ka “gene a na-abawanye na ọrịa ahụ” na-enweghị isi mmalite ọ bụla. The ụzọ ziri ezi: ime analysis na executable, auditable koodu na-akwado onye ọ bụla ndu na-ekwu na akwụkwọ.

Echiche ndị bụ isi

  • Okwu: Ego ole ka a na-atụgharị mkpụrụ ndụ ihe nketa na RNA; atụ nke "ọrụ".
  • Okwu dị iche iche (DE): Genes ndị okwu ha na-agbanwe nke ukwuu n'etiti otu abụọ (dịka, ndidi / ahụike).
  • p-uru: Ihe gbasara nke puru omume na ihe di iche bu ihe ndaba; ọ bụrụ na ọ dị ntakịrị, a na-ewere ọdịiche ahụ dị ka "dị mkpa".
  • Ndozi ntụnyere ọtụtụ: Mgbe a na-elele ọtụtụ iri puku mkpụrụ ndụ ihe nketa n'otu oge, na mberede, a ga-enwe ụfọdụ ndị "dị mkpa". Iji dozie nke a, a na-eji ụzọ ndị dị ka FDR (ọnụego nchọpụta ụgha) / Benjamini-Hochberg. Ọ bụrụ na ewepụrụ mgbazi a, ọtụtụ narị nchoputa ụgha ga-ebilite.
  • log2 mkpụgharị mgbanwe (log2FC): Logarithm nke usoro okwu nke mkpụrụ ndụ n'etiti otu abụọ na ntọala 2; +1 pụtara mmụba okpukpu abụọ, -1 pụtara mbelata okpukpu abụọ.
  • Nkwalite ụzọ: Ịchọta ụzọ ndụ ndụ (dịka nkewa cell, mgbochi) mkpụrụ ndụ ihe nketa gbanwere na-etinye uche; A na-eji ọdụ data dị ka GO na KEGG.
  • Mmetụta batch: Ọdịiche na-abụghị nke ndu na-esite na nhazi nlele n'ụbọchị / ngwaọrụ dị iche iche.

Nzọụkwụ site na nzọụkwụ: nyocha omics nke AI kwadoro

1. Kọwaa nhazi na ajụjụ nnwale. Ihe nlele ole, otu ole, ugboro ole ugboro ole? Ike ọnụ ọgụgụ ezuola? Kọwaa atụmatụ ahụ na AI.

2. Họrọ ngwá ọrụ / usoro kwesịrị ekwesị na AI. Maka RNA-seq, họrọ usoro ọkọlọtọ dị ka DESeq2/edgeR (ngwungwu ndekọ ahaziri maka ịgụta data); Jiri ụzọ egosipụtara kama ịdekọ ọnụ ọgụgụ na AI "mebere".

3. Gbaa koodu ahụ wee lelee ntinye nke etiti. Aga n'ihu na nyocha DE na-enweghị normalization, njikwa mmetụta batch, atụmatụ mma (PCA).

4. Manye ọtụtụ mmezi ntụnyere. Wepụta nsonaazụ site na uru agbaziri (padj/FDR), ọ bụghị uru p-uru.

5. Kwado nkọwa nke ndu na akwụkwọ. Jiri AI tụgharịa mmepụta nkwalite ụzọ, mana nyochaa nkwupụta ọ bụla na isi mmalite.

NDỤMỌDỤ: N'ime nyocha DE, buru ụzọ leba anya na ịdịmma na mkpokọta mmetụta eserese. Ọ bụrụ na a na-achịkọta ihe nlele site n'ụbọchị a haziri ha kama ịbụ ndị otu ndu, ọtụtụ n'ime mkpụrụ ndụ ihe nketa "dị mkpa" ị na-ahụ bụ mmetụta mkpokọta, ọ bụghị ezigbo usoro ndu.

Obere ikpe atọ

Ikpe 1 - p-uru emezighị. Otu nwa akwụkwọ nwalere mkpụrụ ndụ ihe nketa 20,000 na koodu AI dere wee chọta "genes 540 dị ịrịba ama." Mgbe ọ nyochara koodu ahụ, ọ hụrụ na AI ahapụla ọtụtụ mmezi ntụnyere. Mgbe agbakwunyere mgbazi FDR, ọnụ ọgụgụ nke mkpụrụ ndụ ihe nketa dị ịrịba ama gbadara ruo 32. Na-enweghị mgbazi, ihe karịrị mkpụrụ ndụ ihe nketa ụgha 500 ga-adabere na akụkọ ahụ.

Ikpe 2 - Nkwuputa ndu emepụtara. Maka mkpụrụ ndụ ihe nketa na ndepụta DE, onye nyocha jụrụ AI "gịnị ka mkpụrụ ndụ ihe nketa a na-eme na ọrịa a?" ọ jụrụ; AI kọwara usoro nkwenye na isiokwu ahụ. Mgbe ọ nyochara na PubMed, ọ hụrụ na ọ nweghị usoro ahụ ma ọ bụ akụkọ ahụ adịghị. Ewepụrụ nkwupụta ahụ na akụkọ ahụ.

Ikpe 3 - Nkwenye nwetara. Otu nwa akwụkwọ PhD chọpụtara na e kewapụrụ ihe nlele ahụ site na ụbọchị abụọ n'ime atụmatụ PCA. Jụrụ AI ka ọ gbakwunye mgbanwe mmetụta batch na koodu; Mgbe emezigharịrị, ndepụta mkpụrụ ndụ ihe nketa gbanwere kpamkpam wee bụrụ ihe dị mkpa n'usoro ihe ọmụmụ. Enweghị chaatị njikwa mma, enwere ike ibipụta nsonaazụ adịgboroja.

Ọmụmaatụ: iji p-uru emeziri nzacha

mbubata pandas dị ka pd# ka table 'de' bụrụ nsonaazụ sitere na ngwá ọrụ DE (DESeq2/edgeR): # kọlụm: gene, log2FC, pvalue, padj (FDR-corrected) de = pd.read_csv ("de_results.csv") dị ịrịba ama = de [(de["padj"] & FC 0." ab 1)] bipụta ("Raw p <0.05:", (de["pvalue") <0.05).sum()) mbipụta ("FDR-corrected padj<0.05 & | log2FC|>=1:", len(dị mkpa))

Ọdịiche dị n'etiti nọmba raw na agbaziri na-egosi ihe kpatara ọtụtụ ntụnyere ji dị oke mkpa.

Ndebiri anọ enwere ike iṅomi

1) Atụmatụ nyocha na nhọrọ usoro:

Ọrụ gị: onye enyemaka bioinformatics. Hazie atụmatụ nyocha maka nnwale RNA-seq ndị a: Kedu ngwá ọrụ ọkọlọtọ (DESeq2/edgeR) ka m ga-ahọrọ na gịnị kpatara, olee usoro njikwa mma (PCA, batch effect) achọrọ, kedu ka m ga-esi tinye ọtụtụ mmezi ntụnyere? Dee nzọụkwụ site nzọụkwụ.

2) Koodu + mmanye ndenye ego:

Dee koodu executable nke na-eme nyocha DE ndị a: [nkọwa]. Koodu a ga-agụnye nhazigharị nke ọma, nkata mma PCA, njikwa mmetụta batch, yana mgbazi FDR (Benjamini-Hochberg). Kwuo nzọụkwụ ọ bụla. Jiri p-uru emeziri, ọ bụghị p-uru nke raw.

3) Okwu nkwalite okporo ụzọ:

Nyere aka ịkọwa rịzọlt nkwalite ụzọ maka ndepụta mkpụrụ ndụ ihe nketa dị mkpa: [ndepụta/ mmepụta]. Kọwaa ụzọ ndị a ma ama, mana gwa m na isi mmalite (GO, KEGG, isiokwu ndị ọgbọ nyochara) iji kwado nkwupụta ndu ọ bụla. Usoro / edemede dabara adaba.

4) Nyocha ndekọ ọnụ ọgụgụ:

Lelee koodu nyocha nke a maka njehie ndekọ ọnụ ọgụgụ: [koodu]. Kpọmkwem: nhọrọ nnwale ezighi ezi, ịhapụ ọtụtụ mmezi ntụnyere, na-eleghara mmetụta batch anya, ezughị ezu ntugharị. Depụta nsogbu ọ bụla ịchọtara yana ndozi ya.

Ngwa ngwa adịghị ike / Ike siri ike

Adịghị ike: "Chọta mkpụrụ ndụ ihe nketa dị mkpa na data RNA-seq a."

Nsogbu: A naghị akọwapụta usoro, njikwa mma, na ọtụtụ ntụnyere; AI nwere ike inye ndepụta zuru oke nke ụgha na-enweghị mgbazi.

siri ike: "Dee koodu nke na-eme nyocha DE maka data RNA-seq a na mgbagha DESeq2, gụnyere njikwa mma na njikwa mmetụta dị ukwuu na PCA, yana nzacha na mgbazi FDR; kwuo okwu ọ bụla ma kọwaa ihe mere i ji họrọ usoro a."

Ihe mere o ji dị ike: Usoro a bụ ọkọlọtọ, ịdị mma na mgbazi bụ iwu, a ga-enyocha ya.

Ihe ize ndụ

akara

ịkpachara anya

adịgboroja

Ọtụtụ mkpụrụ ndụ ihe nketa "bara uru".

FDR/mmezi ntụnyere ọtụtụ

mkpokọta mmetụta

A na-achịkọta ihe nlele kwa ụbọchị

PCA + agbanwe agbanwe

ule na-ezighi ezi

Nnwale nkịtị iji gụọ data

Usoro dabara adaba dị ka DESeq2/edgeR

mejupụtara bayoloji

Usoro enweghị weld

Nkwenye akwụkwọ

ike ezughi oke

1-2 ugboro

Nkwughachi zuru oke na imewe

Mmejọ ndị nkịtị

  • Na-amapụ mmezi ntụnyere ọtụtụ. Njehie ndekọ ọnụ ọgụgụ na-adịkarị na nke kachasị emerụ ahụ.
  • Na-eleghara mmetụta mkpokọta anya. Ọ na-emepụta ọdịiche ndu ụgha.
  • Itinye ule na-ezighi ezi iji gụọ data. RNA-seq chọrọ ụzọ pụrụ iche.
  • Ịnabata nkwupụta ndu na-enweghị isi mmalite. AI nwere ike ịmepụta usoro na isiokwu.
  • Ịchịkọta ọnụ na-ezughị ezu ikwugharị. Enweghị ike ọnụ ọgụgụ, ihe a na-apụghị ịdabere na ya.
Ịdọ aka ná ntị: "Ihe ndekọ ọnụ ọgụgụ dị ịrịba ama" abụghị otu "dị mkpa n'ụzọ ndụ." Mgbanwe mkpụkọ dị ntakịrị mana nke teknụzụ nwere ike ịbụ ihe na-adịghị mkpa na usoro ndu; N'ihe atụ buru ibu, ihe niile nwere ike ịpụta "dị mkpa". Nyochaa log2FC na p-uru ọnụ.

Omimi: ndabere na ọnyà ọnụọgụ abụọ n'ime nkwalite ụzọ

Nsonaazụ ịba ụba nke ụzọ na-adabere n'echiche abụọ zoro ezo nke ọtụtụ ndị mmadụ na-aghọtaghị, AI nwere ike jiri nwayọọ gafere ha. Nke mbụ bụ ndabere/nhọpụta eluigwe na ala: ịba ọgaranya na-atụnyere nhazi nke "genes ndị gbanwere" na nhazi nke "nke mkpụrụ ndụ ihe nketa na-ele anya". Ọ bụrụ na ewepụtara ndabere site na genome niile mana nnwale gị na-atụ naanị otu akụkụ anụ ahụ, nsonaazụ ya na-apụta n'ụdị “bara ọgaranya.” Nzụlite ziri ezi bụ mkpụrụ ndụ ihe nketa nwere ike igosipụta/ tụọ n'ezie na nnwale ahụ. Otu otu hụrụ "mmebawanye nke ọma nke ụzọ mgbochi ọrịa" site n'ụzọ hiere ụzọ zụlite genome dum; Mgbe a na-emeghachi nyocha ahụ na nzụlite ziri ezi (genes ndị a tụrụ atụ), ịba ụba na-apụ n'anya-nchọta ahụ bụ usoro ihe eji eme ihe.

Nke abụọ, mkpụrụ ndụ ihe nketa setịpụrụ nha na ọnụọgụ abụọ: nnukwu ụzọ na n'ozuzu (dịka "usoro metabolic", ọtụtụ puku mkpụrụ ndụ ihe nketa) pụtara "dị mkpa" n'ihe fọrọ nke nta ka ọ bụrụ ndepụta ọ bụla; ụzọ ndị dị nta, kpọmkwem na-enye ihe ọmụma. Na mgbakwunye, n'ihi na a na-ahụ otu mkpụrụ ndụ ihe nketa n'ọtụtụ ụzọ, ọ bụ ihe na-eduhie eduhie ilele ụzọ mkpirisi dị ka ihe akaebe nọọrọ onwe ya. Isi ihe nke atọ: ọ naghị egosi ntụzịaka nke ịba ụba; Enwere ike ịbawanye ụzọ, mana ọkara nke mkpụrụ ndụ ihe nketa dị n'ime ya nwere ike ịbawanye ma ọkara nke ọzọ nwere ike ibelata. Iji hụ nke a, ọ dị mkpa inyocha ozi ntụzịaka iche iche (dị ka GSEA).

ọnyà

akara

ịkpachara anya

ndabere na-ezighi ezi

Ihe niile dị ka ọgaranya

Nweta ndabere mkpụrụ ndụ ihe atụ

Ụzọ n'ozuzu oke

"Metabolism" na-apụta mgbe niile

Lekwasị anya n'obere ụzọ a kapịrị ọnụ

ọnụọgụ abụọ

ụzọ na-ejikọta ọnụ

Ejila ya dị ka ihe akaebe nke onwe

kwue uzo

agwakọta rịgoro/rịdata

Njikwa ntuziaka na GSEA

Na nchịkọta

  • AI na nyocha omics; bụ onye inyeaka nke na-ahọrọ ụzọ, na-ede koodu, ma depụta nkọwa; ọnụ ọgụgụ na mkpebi nke bayoloji ga-abụ nke ziri ezi.
  • Ekwesịrị iji ọkọlọtọ, ụzọ egosipụtara (DESeq2 / EdgeR); E kwesịghị ịfefe njikwa ogo na nyocha mkpokọta mmetụta.
  • Ndozi ntụnyere ọtụtụ (FDR) bụ iwu; A na-enyocha nsonaazụ ya na uru edoziziri.
  • A ga-ekwenyerịrị nkwuputa ndu ọ bụla na akwụkwọ; "dị mkpa" kwesịrị ịdị iche na "dị mkpa".

Ọrụ ngwa

Were ihe atụ tebụl rịzọlt DE (ma ọ bụ RNA-seq dataset mepere emepe). Tulee ọnụ ọgụgụ mkpụrụ ndụ ihe nketa pụtara ìhè dabere na uru p-uru yana snippet dị n'elu. Kwuo ihe dị iche na otu ahịrịokwu. Wee jụọ maka nkọwa nke ndu ya na ndebiri 3 maka mkpụrụ ndụ egosipụtara wee lelee nkwupụta ahụ n'onwe gị na PubMed.

ndetu

  • [] Atụlere m nyocha nnwale na ike ọnụ ọgụgụ.
  • [ ] M họọrọ usoro ọkọlọtọ, dabara adaba.
  • [] Emere m PCA na njikwa ogo mmetụta batch.
  • [] Etinyere m mgbazi ọtụtụ ntụnyere (FDR).
  • [ ] Eji m uru p-uru dezie nsonaazụ ya.
  • [] Ekwenyere m na nkwupụta ndu na akwụkwọ.
Nke gara aga Na-esote