ਲਾਭ:
- RNA-seq ਵਰਕਫਲੋ, ਵਿਭਿੰਨ ਸਮੀਕਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮਲਟੀਪਲ ਟੈਸਟਿੰਗ ਸੁਧਾਰ (FDR) ਨੂੰ ਸਮਝਣ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਪ੍ਰਮਾਣਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਪੈਦਾ ਕਰਦੀ ਹੈ
- ਅੰਕੜਾਤਮਕ ਅਤੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਮਾਰਗ ਸੰਸ਼ੋਧਨ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਆਲੋਚਨਾਤਮਕ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਅੰਕੜਿਆਂ ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਅਤੇ ਕਈ ਟੈਸਟਿੰਗ ਕਮੀਆਂ ਦੀ ਜਾਂਚ ਕਰਨ ਅਤੇ ਜੈਵਿਕ ਮਹੱਤਤਾ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੇ ਅਨੁਸ਼ਾਸਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ.
"ਓਮਿਕਸ" ਉਹਨਾਂ ਪਹੁੰਚਾਂ ਦਾ ਸਮੂਹਿਕ ਨਾਮ ਹੈ ਜੋ ਇੱਕ ਸੈੱਲ ਜਾਂ ਟਿਸ਼ੂ ਦੇ ਸਾਰੇ ਅਣੂਆਂ ਨੂੰ ਇਕੱਠੇ ਮਾਪਦੇ ਹਨ: ਜੀਨੋਮਿਕਸ (ਸਾਰੇ ਡੀਐਨਏ), ਟ੍ਰਾਂਸਕ੍ਰਿਪਟੌਮਿਕਸ (ਸਾਰੇ ਆਰਐਨਏ/ਐਕਸਪ੍ਰੈਸ਼ਨ), ਪ੍ਰੋਟੀਓਮਿਕਸ (ਸਾਰੇ ਪ੍ਰੋਟੀਨ), ਮੈਟਾਬੋਲੋਮਿਕਸ (ਸਾਰੇ ਮੈਟਾਬੋਲਾਈਟਸ)। ਇਹ ਡੇਟਾ ਬਹੁਤ ਵੱਡਾ ਹੈ - ਇੱਕ RNA-seq ਪ੍ਰਯੋਗ ਵਿੱਚ ਹਜ਼ਾਰਾਂ ਜੀਨਾਂ ਦੇ ਮਾਪ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨੂੰ ਓਮਿਕਸ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਇੱਕ ਸਹਾਇਕ ਵਜੋਂ ਕਿਵੇਂ ਵਰਤਣਾ ਹੈ ਜੋ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਅੰਕੜੇ ਚੁਣਦਾ ਹੈ, ਅਤੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਵਿਆਖਿਆ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਪਰ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ ਤੁਹਾਨੂੰ ਅੰਕੜਾ ਅਤੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਿਉਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
ਗੰਭੀਰ ਚੇਤਾਵਨੀ: ਓਮਿਕਸ ਵਿੱਚ, ਸਭ ਤੋਂ ਖਤਰਨਾਕ ਗਲਤੀਆਂ ਅੰਕੜਾਤਮਕ ਅਤੇ ਅਦਿੱਖ ਹੁੰਦੀਆਂ ਹਨ। AI ਕੋਡ ਲਿਖ ਸਕਦਾ ਹੈ ਜੋ ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰਦਾ ਹੈ (ਹੇਠਾਂ), ਗਲਤ ਟੈਸਟ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਜਾਂ "ਗਲਤ ਸਕਾਰਾਤਮਕ" ਜੀਨ ਸੂਚੀਆਂ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, AI ਬਿਨਾਂ ਕਿਸੇ ਸਰੋਤ ਦੇ ਜੈਵਿਕ ਦਾਅਵੇ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ "ਇਹ ਜੀਨ ਉਸ ਬਿਮਾਰੀ ਵਿੱਚ ਵਧਦਾ ਹੈ"। ਸਹੀ ਤਰੀਕਾ: ਐਗਜ਼ੀਕਿਊਟੇਬਲ, ਆਡੀਟੇਬਲ ਕੋਡ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨਾ ਅਤੇ ਸਾਹਿਤ ਵਿੱਚ ਹਰੇਕ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ।
ਬੁਨਿਆਦੀ ਧਾਰਨਾਵਾਂ
- ਸਮੀਕਰਨ: ਇੱਕ ਜੀਨ ਦਾ ਆਰਐਨਏ ਵਿੱਚ ਕਿੰਨਾ ਅਨੁਵਾਦ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; "ਸਰਗਰਮੀ" ਦਾ ਮਾਪ.
- ਵਿਭਿੰਨ ਸਮੀਕਰਨ (DE): ਉਹ ਜੀਨ ਜਿਨ੍ਹਾਂ ਦੀ ਸਮੀਕਰਨ ਦੋ ਸਮੂਹਾਂ (ਉਦਾਹਰਨ ਲਈ, ਮਰੀਜ਼/ਸਿਹਤਮੰਦ) ਵਿਚਕਾਰ ਮਹੱਤਵਪੂਰਨ ਰੂਪ ਵਿੱਚ ਬਦਲ ਜਾਂਦੀ ਹੈ।
- p-ਮੁੱਲ: ਸੰਭਾਵਨਾ ਕਿ ਇੱਕ ਅੰਤਰ ਇੱਕ ਇਤਫ਼ਾਕ ਹੈ; ਜੇ ਇਹ ਛੋਟਾ ਹੈ, ਤਾਂ ਅੰਤਰ ਨੂੰ "ਮਹੱਤਵਪੂਰਨ" ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ.
- ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰ: ਜਦੋਂ ਇੱਕੋ ਸਮੇਂ 'ਤੇ ਹਜ਼ਾਰਾਂ ਜੀਨਾਂ ਨੂੰ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸੰਯੋਗ ਨਾਲ ਕੁਝ ਅਜਿਹੇ ਹੋਣਗੇ ਜੋ "ਮਹੱਤਵਪੂਰਨ" ਹੋਣਗੇ। ਇਸ ਨੂੰ ਠੀਕ ਕਰਨ ਲਈ, FDR (ਗਲਤ ਖੋਜ ਦਰ) / ਬੈਂਜਾਮਿਨੀ-ਹੋਚਬਰਗ ਵਰਗੇ ਢੰਗ ਵਰਤੇ ਜਾਂਦੇ ਹਨ। ਜੇ ਇਸ ਸੁਧਾਰ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਜਾਵੇ, ਤਾਂ ਸੈਂਕੜੇ ਗਲਤ ਖੋਜਾਂ ਪੈਦਾ ਹੋ ਜਾਣਗੀਆਂ।
- log2 ਫੋਲਡ ਪਰਿਵਰਤਨ (log2FC): ਦੋ ਸਮੂਹਾਂ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਜੀਨ ਦੇ ਅਧਾਰ 2 ਦੇ ਸਮੀਕਰਨ ਅਨੁਪਾਤ ਦਾ ਲਘੂਗਣਕ; +1 ਦਾ ਮਤਲਬ ਹੈ ਦੁੱਗਣਾ ਵਾਧਾ, −1 ਦਾ ਮਤਲਬ ਹੈ ਦੁੱਗਣਾ ਕਮੀ।
- ਪਾਥਵੇਅ ਸੰਸ਼ੋਧਨ: ਇਹ ਪਤਾ ਲਗਾਉਣਾ ਕਿ ਕਿਹੜੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਰਸਤੇ (ਜਿਵੇਂ ਸੈੱਲ ਡਿਵੀਜ਼ਨ, ਇਮਿਊਨਿਟੀ) ਬਦਲੇ ਹੋਏ ਜੀਨ ਕੇਂਦਰਿਤ ਹਨ; ਡਾਟਾਬੇਸ ਜਿਵੇਂ ਕਿ GO ਅਤੇ KEGG ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।
- ਬੈਚ ਪ੍ਰਭਾਵ: ਵੱਖ-ਵੱਖ ਦਿਨਾਂ/ਡਿਵਾਈਸਾਂ 'ਤੇ ਨਮੂਨਿਆਂ ਦੀ ਪ੍ਰੋਸੈਸਿੰਗ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲਾ ਗੈਰ-ਜੈਵਿਕ ਜਾਅਲੀ ਅੰਤਰ।
ਕਦਮ ਦਰ ਕਦਮ: ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਓਮਿਕਸ ਵਿਸ਼ਲੇਸ਼ਣ
1. ਪ੍ਰਯੋਗਾਤਮਕ ਡਿਜ਼ਾਈਨ ਅਤੇ ਸਵਾਲ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ। ਕਿੰਨੇ ਨਮੂਨੇ, ਕਿੰਨੇ ਸਮੂਹ, ਕਿੰਨੇ ਦੁਹਰਾਓ? ਕੀ ਅੰਕੜਾ ਸ਼ਕਤੀ ਕਾਫ਼ੀ ਹੈ? AI ਨੂੰ ਡਿਜ਼ਾਈਨ ਦੀ ਵਿਆਖਿਆ ਕਰੋ।
2. AI ਨਾਲ ਢੁਕਵੇਂ ਟੂਲ/ਵਿਧੀ ਦੀ ਚੋਣ ਕਰੋ। RNA-seq ਲਈ, ਮਿਆਰੀ ਢੰਗਾਂ ਦੀ ਚੋਣ ਕਰੋ ਜਿਵੇਂ ਕਿ DESeq2/edgeR (ਗਣਨਾ ਡੇਟਾ ਲਈ ਤਿਆਰ ਕੀਤੇ ਅੰਕੜਾ ਪੈਕੇਜ); ਇੱਕ ਅੰਕੜੇ ਦੀ ਬਜਾਏ ਸਾਬਤ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰੋ ਜੋ AI “ਬਣਾਇਆ” ਹੈ।
3. ਕੋਡ ਚਲਾਓ ਅਤੇ ਵਿਚਕਾਰਲੇ ਆਉਟਪੁੱਟ ਦੀ ਜਾਂਚ ਕਰੋ। ਸਧਾਰਣਕਰਨ, ਬੈਚ ਪ੍ਰਭਾਵ ਨਿਯੰਤਰਣ, ਗੁਣਵੱਤਾ ਪਲਾਟ (ਪੀਸੀਏ) ਤੋਂ ਬਿਨਾਂ ਡੀਈ ਵਿਸ਼ਲੇਸ਼ਣ ਵੱਲ ਅੱਗੇ ਨਾ ਵਧੋ।
4. ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰ ਲਾਗੂ ਕਰੋ। ਸਹੀ ਕੀਤੇ ਮੁੱਲ (padj/FDR) ਦੁਆਰਾ ਨਤੀਜਿਆਂ ਨੂੰ ਫਿਲਟਰ ਕਰੋ, ਨਾ ਕਿ ਕੱਚਾ p-ਮੁੱਲ।
5. ਸਾਹਿਤ ਵਿੱਚ ਜੀਵ-ਵਿਗਿਆਨਕ ਵਿਆਖਿਆ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। AI ਨਾਲ ਪਾਥਵੇਅ ਸੰਸ਼ੋਧਨ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰੋ, ਪਰ ਸਰੋਤ 'ਤੇ ਹਰੇਕ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ।
ਸੰਕੇਤ: ਇੱਕ DE ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਪਹਿਲਾਂ ਗੁਣਵੱਤਾ ਅਤੇ ਕੁੱਲ ਪ੍ਰਭਾਵ ਗ੍ਰਾਫਾਂ ਨੂੰ ਦੇਖੋ। ਜੇ ਨਮੂਨਿਆਂ ਨੂੰ ਜੀਵ-ਵਿਗਿਆਨਕ ਸਮੂਹ ਦੀ ਬਜਾਏ ਸੰਸਾਧਿਤ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਦਿਨ ਦੁਆਰਾ ਕਲੱਸਟਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਤੁਹਾਡੇ ਦੁਆਰਾ ਲੱਭੇ ਗਏ ਜ਼ਿਆਦਾਤਰ "ਮਹੱਤਵਪੂਰਨ" ਜੀਨ ਸੰਚਤ ਪ੍ਰਭਾਵ ਹਨ, ਅਸਲ ਜੀਵ ਵਿਗਿਆਨ ਨਹੀਂ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਗਲਤ ਪੀ-ਮੁੱਲ। ਇੱਕ ਵਿਦਿਆਰਥੀ ਨੇ AI ਦੁਆਰਾ ਲਿਖੇ ਕੋਡ ਨਾਲ 20,000 ਜੀਨਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਅਤੇ "540 ਮਹੱਤਵਪੂਰਨ ਜੀਨਾਂ" ਲੱਭੀਆਂ। ਜਦੋਂ ਉਸਨੇ ਕੋਡ ਦੀ ਜਾਂਚ ਕੀਤੀ, ਉਸਨੇ ਦੇਖਿਆ ਕਿ AI ਨੇ ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰ ਛੱਡ ਦਿੱਤੇ ਹਨ। ਜਦੋਂ FDR ਸੁਧਾਰ ਜੋੜਿਆ ਗਿਆ, ਤਾਂ ਮਹੱਤਵਪੂਰਨ ਜੀਨਾਂ ਦੀ ਗਿਣਤੀ ਘਟ ਕੇ 32 ਹੋ ਗਈ। ਸੁਧਾਰ ਦੇ ਬਿਨਾਂ, 500 ਤੋਂ ਵੱਧ ਝੂਠੇ ਜੀਨਾਂ ਕਹਾਣੀ 'ਤੇ ਆਧਾਰਿਤ ਹੋਣਗੇ।
ਕੇਸ 2 — ਮਨਘੜਤ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵਾ। ਡੀਈ ਸੂਚੀ ਵਿੱਚ ਇੱਕ ਜੀਨ ਲਈ, ਇੱਕ ਖੋਜਕਰਤਾ ਨੇ ਏਆਈ ਨੂੰ ਪੁੱਛਿਆ ਕਿ "ਇਹ ਜੀਨ ਇਸ ਬਿਮਾਰੀ ਵਿੱਚ ਕੀ ਕਰਦਾ ਹੈ?" ਉਸਨੇ ਪੁੱਛਿਆ; ਏਆਈ ਨੇ ਇੱਕ ਭਰੋਸੇਮੰਦ ਵਿਧੀ ਅਤੇ ਲੇਖ ਦੀ ਵਿਆਖਿਆ ਕੀਤੀ. ਜਦੋਂ ਉਸਨੇ PubMed 'ਤੇ ਖੋਜ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਦੇਖਿਆ ਕਿ ਨਾ ਤਾਂ ਉਹ ਵਿਧੀ ਅਤੇ ਨਾ ਹੀ ਲੇਖ ਮੌਜੂਦ ਸੀ। ਰਿਪੋਰਟ ਤੋਂ ਦਾਅਵਾ ਹਟਾ ਦਿੱਤਾ ਗਿਆ ਸੀ।
ਕੇਸ 3 - ਪੁਸ਼ਟੀ ਪ੍ਰਾਪਤ ਹੋਈ। ਇੱਕ ਪੀਐਚਡੀ ਵਿਦਿਆਰਥੀ ਨੇ ਦੇਖਿਆ ਕਿ ਪੀਸੀਏ ਪਲਾਟ ਵਿੱਚ ਨਮੂਨੇ ਦੋ ਦਿਨਾਂ ਵਿੱਚ ਵੱਖ ਕੀਤੇ ਗਏ ਸਨ। ਏਆਈ ਨੂੰ ਕੋਡ ਵਿੱਚ ਇੱਕ ਬੈਚ ਪ੍ਰਭਾਵ ਵੇਰੀਏਬਲ ਜੋੜਨ ਲਈ ਕਿਹਾ; ਸੁਧਾਰ ਤੋਂ ਬਾਅਦ, ਜੀਨ ਸੂਚੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਦਲ ਗਈ ਸੀ ਅਤੇ ਜੈਵਿਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਬਣ ਗਈ ਸੀ। ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਚਾਰਟ ਤੋਂ ਬਿਨਾਂ, ਇੱਕ ਜਾਅਲੀ ਨਤੀਜਾ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਸੀ।
ਉਦਾਹਰਨ: ਠੀਕ ਕੀਤੇ p-ਮੁੱਲ ਨਾਲ ਫਿਲਟਰ ਕਰਨਾ
ਪਾਂਡਾ ਨੂੰ pd# ਦੇ ਤੌਰ 'ਤੇ ਆਯਾਤ ਕਰੋ ਟੇਬਲ 'de' ਨੂੰ DE ਟੂਲ (DESeq2/edgeR):# ਕਾਲਮ: gene, log2FC, pvalue, padj (FDR-corrected)de = pd.read_csv("de_results.csv")significant = de[(de["]" <05dj. (de["log2FC"].abs() >= 1)]ਪ੍ਰਿੰਟ("ਕੱਚਾ p<0.05:", (de["pvalue"] <0.05).sum())print("FDR-ਸਹੀ ਪੈਡ<0.05 & |log2FC|>=1:", len(ਮਹੱਤਵਪੂਰਣ))
ਕੱਚੇ ਅਤੇ ਠੀਕ ਕੀਤੇ ਨੰਬਰਾਂ ਵਿੱਚ ਅੰਤਰ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਈ ਤੁਲਨਾਵਾਂ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹਨ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਵਿਸ਼ਲੇਸ਼ਣ ਯੋਜਨਾ ਅਤੇ ਵਿਧੀ ਦੀ ਚੋਣ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਬਾਇਓਇਨਫੋਰਮੈਟਿਕਸ ਸਹਾਇਕ। ਹੇਠਾਂ ਦਿੱਤੇ RNA-seq ਪ੍ਰਯੋਗ ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਯੋਜਨਾ ਸੈਟ ਅਪ ਕਰੋ: [ਸਮੂਹਾਂ ਦੀ ਸੰਖਿਆ, ਨਮੂਨਿਆਂ ਦੀ ਗਿਣਤੀ/ਰਿਪਲੀਕੇਟ, ਸਵਾਲ]। ਮੈਨੂੰ ਕਿਹੜਾ ਸਟੈਂਡਰਡ ਟੂਲ (DESeq2/edgeR) ਚੁਣਨਾ ਚਾਹੀਦਾ ਹੈ ਅਤੇ ਕਿਉਂ, ਕਿਹੜੇ ਕੁਆਲਿਟੀ ਕੰਟਰੋਲ ਸਟੈਪਸ (PCA, ਬੈਚ ਇਫੈਕਟ) ਦੀ ਲੋੜ ਹੈ, ਮੈਂ ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰ ਕਿਵੇਂ ਲਾਗੂ ਕਰਾਂ? ਕਦਮ ਦਰ ਕਦਮ ਲਿਖੋ.
2) ਕੋਡ + ਲਾਜ਼ਮੀ ਜਾਂਚ:
ਐਗਜ਼ੀਕਿਊਟੇਬਲ ਕੋਡ ਲਿਖੋ ਜੋ ਹੇਠਾਂ ਦਿੱਤੇ DE ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ: [ਵੇਰਵਾ]। ਕੋਡ ਵਿੱਚ ਸਧਾਰਣਕਰਨ, PCA ਗੁਣਵੱਤਾ ਪਲਾਟ, ਬੈਚ ਪ੍ਰਭਾਵ ਨਿਯੰਤਰਣ, ਅਤੇ FDR (ਬੈਂਜਾਮਿਨੀ-ਹੋਚਬਰਗ) ਸੁਧਾਰ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਹਰ ਕਦਮ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ। ਸਹੀ ਕੀਤੇ p-ਮੁੱਲ ਨਾਲ ਫਿਲਟਰ ਕਰੋ, ਨਾ ਕਿ ਕੱਚੇ p-ਮੁੱਲ ਨਾਲ।
3) ਮਾਰਗ ਸੰਸ਼ੋਧਨ ਟਿੱਪਣੀ:
ਮਹੱਤਵਪੂਰਨ ਜੀਨਾਂ ਦੀ ਇਸ ਸੂਚੀ ਲਈ ਮਾਰਗ ਸੰਸ਼ੋਧਨ ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰੋ: [ਸੂਚੀ/ਆਉਟਪੁੱਟ]। ਦੱਸੋ ਕਿ ਕਿਹੜੇ ਮਾਰਗ ਪ੍ਰਮੁੱਖ ਹਨ, ਪਰ ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਹਰੇਕ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਕਿਹੜੇ ਸਰੋਤ (GO, KEGG, ਪੀਅਰ-ਸਮੀਖਿਆ ਲੇਖ) ਵਿੱਚ ਹੈ। ਵਿਧੀ/ਲੇਖ ਫਿਟਿੰਗ।
4) ਅੰਕੜਾ ਆਡਿਟ:
ਅੰਕੜਾ ਗਲਤੀਆਂ ਲਈ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਦੀ ਜਾਂਚ ਕਰੋ: [ਕੋਡ]। ਖਾਸ ਤੌਰ 'ਤੇ: ਗਲਤ ਟੈਸਟ ਚੋਣ, ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰਾਂ ਨੂੰ ਛੱਡਣਾ, ਬੈਚ ਪ੍ਰਭਾਵ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ, ਨਾਕਾਫ਼ੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ। ਤੁਹਾਡੇ ਦੁਆਰਾ ਲੱਭੀ ਗਈ ਹਰੇਕ ਸਮੱਸਿਆ ਅਤੇ ਇਸ ਦੇ ਹੱਲ ਦੀ ਸੂਚੀ ਬਣਾਓ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ: "ਇਸ RNA-seq ਡੇਟਾ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਜੀਨ ਲੱਭੋ।"
ਸਮੱਸਿਆ: ਵਿਧੀ, ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ, ਅਤੇ ਕਈ ਤੁਲਨਾਵਾਂ ਨਿਰਧਾਰਤ ਨਹੀਂ ਹਨ; AI ਬਿਨਾਂ ਕਿਸੇ ਸੁਧਾਰ ਦੇ ਗਲਤ ਸਕਾਰਾਤਮਕ ਨਾਲ ਭਰੀ ਸੂਚੀ ਦੇ ਸਕਦਾ ਹੈ।
ਮਜ਼ਬੂਤ: "ਇੱਕ ਕੋਡ ਲਿਖੋ ਜੋ DESeq2 ਤਰਕ ਨਾਲ ਇਸ RNA-seq ਗਿਣਤੀ ਡੇਟਾ ਲਈ DE ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ, PCA ਨਾਲ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਅਤੇ ਬਲਕ ਪ੍ਰਭਾਵ ਨਿਯੰਤਰਣ, ਅਤੇ FDR ਸੁਧਾਰ ਨਾਲ ਫਿਲਟਰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ; ਹਰ ਪੜਾਅ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ ਅਤੇ ਦੱਸੋ ਕਿ ਤੁਸੀਂ ਇਹ ਤਰੀਕਾ ਕਿਉਂ ਚੁਣਿਆ ਹੈ।"
ਇਹ ਸ਼ਕਤੀਸ਼ਾਲੀ ਕਿਉਂ ਹੈ: ਵਿਧੀ ਮਿਆਰੀ ਹੈ, ਗੁਣਵੱਤਾ ਅਤੇ ਸੁਧਾਰ ਲਾਜ਼ਮੀ ਹਨ, ਨਤੀਜਾ ਆਡਿਟਯੋਗ ਹੈ।
ਜੋਖਮ
ਲੱਛਣ
ਸਾਵਧਾਨੀ
ਗਲਤ ਸਕਾਰਾਤਮਕ
ਬਹੁਤ ਸਾਰੇ "ਅਰਥਪੂਰਨ" ਜੀਨ
FDR/ਮਲਟੀਪਲ ਤੁਲਨਾ ਸੁਧਾਰ
ਸਮੂਹਿਕ ਪ੍ਰਭਾਵ
ਨਮੂਨੇ ਦਿਨ ਦੁਆਰਾ ਕਲੱਸਟਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ
PCA + ਬੈਚ ਵੇਰੀਏਬਲ
ਗਲਤ ਟੈਸਟ
ਡਾਟਾ ਗਿਣਨ ਲਈ ਸਧਾਰਨ ਟੈਸਟ
DESeq2/edgeR ਵਰਗਾ ਢੁਕਵਾਂ ਤਰੀਕਾ
ਜੀਵ ਵਿਗਿਆਨ ਦੀ ਬਣੀ ਹੋਈ ਹੈ
ਵੇਲਡ ਰਹਿਤ ਵਿਧੀ
ਸਾਹਿਤ ਦੀ ਪੁਸ਼ਟੀ
ਨਾਕਾਫ਼ੀ ਸ਼ਕਤੀ
1-2 ਦੁਹਰਾਓ
ਡਿਜ਼ਾਇਨ ਵਿੱਚ ਕਾਫ਼ੀ ਦੁਹਰਾਓ
ਆਮ ਗਲਤੀਆਂ
- ਕਈ ਤੁਲਨਾਤਮਕ ਸੁਧਾਰਾਂ ਨੂੰ ਛੱਡਣਾ। ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਨੁਕਸਾਨਦੇਹ ਅੰਕੜਾ ਗਲਤੀ।
- ਸਮੂਹਿਕ ਪ੍ਰਭਾਵ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ। ਇਹ ਝੂਠੇ ਜੈਵਿਕ ਅੰਤਰ ਪੈਦਾ ਕਰਦਾ ਹੈ।
- ਡੇਟਾ ਦੀ ਗਿਣਤੀ ਕਰਨ ਲਈ ਗਲਤ ਟੈਸਟਿੰਗ ਲਾਗੂ ਕਰਨਾ। RNA-seq ਨੂੰ ਖਾਸ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- ਬਿਨਾਂ ਸਰੋਤ ਦੇ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। AI ਵਿਧੀ ਅਤੇ ਲੇਖ ਬਣਾ ਸਕਦਾ ਹੈ।
- ਨਾਕਾਫ਼ੀ ਦੁਹਰਾਓ ਦੇ ਨਾਲ ਸਧਾਰਨੀਕਰਨ. ਅੰਕੜਾ ਸ਼ਕਤੀ ਤੋਂ ਬਿਨਾਂ, ਨਤੀਜਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ।
ਸਾਵਧਾਨ: "ਸੰਖਿਆਤਮਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ" "ਜੀਵ-ਵਿਗਿਆਨਕ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ" ਦੇ ਸਮਾਨ ਨਹੀਂ ਹੈ। ਇੱਕ ਬਹੁਤ ਛੋਟੀ ਪਰ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਗੁਣਾ ਤਬਦੀਲੀ ਜੈਵਿਕ ਤੌਰ 'ਤੇ ਮਾਮੂਲੀ ਹੋ ਸਕਦੀ ਹੈ; ਵੱਡੇ ਨਮੂਨਿਆਂ ਵਿੱਚ ਹਰ ਚੀਜ਼ "ਮਹੱਤਵਪੂਰਨ" ਹੋ ਸਕਦੀ ਹੈ। log2FC ਅਤੇ p-ਮੁੱਲ ਦਾ ਇਕੱਠੇ ਮੁਲਾਂਕਣ ਕਰੋ।
ਡੂੰਘਾਈ: ਮਾਰਗ ਸੰਸ਼ੋਧਨ ਵਿੱਚ ਪਿਛੋਕੜ ਅਤੇ ਡਬਲ-ਗਿਣਤੀ ਦੀਆਂ ਕਮੀਆਂ
ਪਾਥਵੇਅ ਸੰਸ਼ੋਧਨ ਦੇ ਨਤੀਜੇ ਦੋ ਛੁਪੀਆਂ ਧਾਰਨਾਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਜ਼ਿਆਦਾਤਰ ਲੋਕ ਨਹੀਂ ਸਮਝਦੇ, ਅਤੇ AI ਚੁੱਪਚਾਪ ਉਨ੍ਹਾਂ ਨੂੰ ਬਾਈਪਾਸ ਕਰ ਸਕਦਾ ਹੈ। ਪਹਿਲੀ ਹੈ ਬੈਕਗ੍ਰਾਊਂਡ/ਬ੍ਰਹਿਮੰਡ ਦੀ ਚੋਣ: ਸੰਸ਼ੋਧਨ "ਬਦਲਣ ਵਾਲੇ ਜੀਨਾਂ" ਦੇ ਸਮੂਹ ਦੀ ਤੁਲਨਾ "ਕਿਹੜੇ ਜੀਨਾਂ ਨੂੰ ਦੇਖਿਆ ਗਿਆ" ਦੇ ਸਮੂਹ ਨਾਲ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਬੈਕਗ੍ਰਾਊਂਡ ਪੂਰੇ ਜੀਨੋਮ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ ਪਰ ਤੁਹਾਡਾ ਪ੍ਰਯੋਗ ਸਿਰਫ਼ ਇੱਕ ਖਾਸ ਟਿਸ਼ੂ ਪੈਨਲ ਨੂੰ ਮਾਪਦਾ ਹੈ, ਤਾਂ ਨਤੀਜੇ ਨਕਲੀ ਤੌਰ 'ਤੇ "ਅਨੁਕੂਲਿਤ" ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ। ਸਹੀ ਬੈਕਗ੍ਰਾਊਂਡ ਉਹ ਜੀਨ ਹੁੰਦੇ ਹਨ ਜੋ ਅਸਲ ਵਿੱਚ ਪ੍ਰਯੋਗ ਵਿੱਚ ਪ੍ਰਗਟ/ਮਾਪੇ ਜਾ ਸਕਦੇ ਹਨ। ਇੱਕ ਟੀਮ ਨੇ "ਇਮਿਊਨ ਪਾਥਵੇਅ ਦੇ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਸੰਸ਼ੋਧਨ" ਨੂੰ ਗਲਤੀ ਨਾਲ ਪੂਰੇ ਜੀਨੋਮ ਦੀ ਪਿੱਠਭੂਮੀ ਵਿੱਚ ਪਾਇਆ; ਜਦੋਂ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਸਹੀ ਪਿਛੋਕੜ (ਮਾਪਿਆ ਗਿਆ ਜੀਨ) ਨਾਲ ਦੁਹਰਾਇਆ ਗਿਆ ਸੀ, ਤਾਂ ਸੰਸ਼ੋਧਨ ਗਾਇਬ ਹੋ ਗਿਆ ਸੀ - ਖੋਜ ਇੱਕ ਵਿਧੀ ਕਲਾਤਮਕ ਸੀ।
ਦੂਜਾ, ਜੀਨ ਸੈੱਟ ਦਾ ਆਕਾਰ ਅਤੇ ਦੋਹਰੀ ਗਿਣਤੀ: ਬਹੁਤ ਵੱਡੇ ਅਤੇ ਆਮ ਰਸਤੇ (ਜਿਵੇਂ ਕਿ "ਮੈਟਾਬੋਲਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ", ਹਜ਼ਾਰਾਂ ਜੀਨ) ਲਗਭਗ ਹਰ ਸੂਚੀ ਵਿੱਚ "ਮਹੱਤਵਪੂਰਨ" ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ; ਛੋਟੇ, ਖਾਸ ਮਾਰਗ ਵਧੇਰੇ ਜਾਣਕਾਰੀ ਭਰਪੂਰ ਹੁੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕਿਉਂਕਿ ਇੱਕੋ ਜੀਨ ਕਈ ਮਾਰਗਾਂ ਵਿੱਚ ਪਾਇਆ ਜਾਂਦਾ ਹੈ, ਇਸ ਲਈ ਓਵਰਲੈਪਿੰਗ ਮਾਰਗਾਂ ਨੂੰ ਸੁਤੰਤਰ ਸਬੂਤ ਵਜੋਂ ਮੰਨਣਾ ਗੁੰਮਰਾਹਕੁੰਨ ਹੈ। ਤੀਜਾ ਨੁਕਤਾ: ਇਹ ਸੰਸ਼ੋਧਨ ਦੀ ਦਿਸ਼ਾ ਨਹੀਂ ਦਿਖਾਉਂਦਾ; ਇੱਕ ਮਾਰਗ ਨੂੰ ਭਰਪੂਰ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਸਦੇ ਅੰਦਰ ਅੱਧੇ ਜੀਨਾਂ ਨੂੰ ਵਧਾਇਆ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਬਾਕੀ ਅੱਧਾ ਘਟਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਨੂੰ ਦੇਖਣ ਲਈ, ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ (ਜਿਵੇਂ ਕਿ GSEA) ਦੀ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਨੀ ਜ਼ਰੂਰੀ ਹੈ।
ਜਾਲ
ਲੱਛਣ
ਸਾਵਧਾਨੀ
ਗਲਤ ਪਿਛੋਕੜ
ਸਭ ਕੁਝ ਅਮੀਰ ਲੱਗਦਾ ਹੈ
ਮਾਪਿਆ ਜੀਨ ਪਿਛੋਕੜ ਪ੍ਰਾਪਤ ਕਰੋ
ਬਹੁਤ ਆਮ ਰਸਤਾ
"ਮੈਟਾਬੋਲਿਜ਼ਮ" ਹਮੇਸ਼ਾ ਸਾਹਮਣੇ ਆਉਂਦਾ ਹੈ
ਛੋਟੇ, ਖਾਸ ਮਾਰਗਾਂ 'ਤੇ ਫੋਕਸ ਕਰੋ
ਡਬਲ ਗਿਣਤੀ
ਓਵਰਲੈਪਿੰਗ ਮਾਰਗ
ਇਸ ਨੂੰ ਸੁਤੰਤਰ ਸਬੂਤ ਵਜੋਂ ਨਾ ਲਓ
ਦਿਸ਼ਾ ਛੱਡੋ
ਮਿਸ਼ਰਤ ਚੜ੍ਹਦਾ/ਉਤਰਦਾ
GSEA ਦੇ ਨਾਲ ਦਿਸ਼ਾ ਨਿਰਦੇਸ਼ਕ ਨਿਯੰਤਰਣ
ਸੰਖੇਪ ਵਿੱਚ
- ਓਮਿਕਸ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ AI; ਇੱਕ ਸਹਾਇਕ ਹੈ ਜੋ ਢੰਗਾਂ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਕੋਡ ਲਿਖਦਾ ਹੈ, ਅਤੇ ਟਿੱਪਣੀਆਂ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅੰਕੜੇ ਅਤੇ ਜੀਵ ਵਿਗਿਆਨ ਦੇ ਫੈਸਲੇ ਜਾਇਜ਼ ਹੋਣੇ ਚਾਹੀਦੇ ਹਨ।
- ਮਿਆਰੀ, ਸਾਬਤ ਢੰਗ (DESeq2/edgeR) ਵਰਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ; ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਅਤੇ ਸਮੂਹਿਕ ਪ੍ਰਭਾਵ ਆਡਿਟਿੰਗ ਨੂੰ ਛੱਡਿਆ ਨਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ।
- ਮਲਟੀਪਲ ਤੁਲਨਾ ਸੁਧਾਰ (FDR) ਲਾਜ਼ਮੀ ਹੈ; ਨਤੀਜੇ ਠੀਕ ਕੀਤੇ ਮੁੱਲ ਨਾਲ ਫਿਲਟਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
- ਸਾਹਿਤ ਵਿੱਚ ਹਰ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ; "ਮਹੱਤਵਪੂਰਨ" ਨੂੰ "ਮਹੱਤਵਪੂਰਨ" ਤੋਂ ਵੱਖਰਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ.
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਨਮੂਨਾ DE ਨਤੀਜੇ ਸਾਰਣੀ (ਜਾਂ ਇੱਕ ਖੁੱਲਾ RNA-seq ਡੇਟਾਸੈਟ) ਲਓ। ਉੱਪਰ ਦਿੱਤੇ ਸਨਿੱਪਟ ਦੇ ਨਾਲ ਕੱਚੇ ਪੀ-ਮੁੱਲ ਅਤੇ ਸਹੀ ਕੀਤੇ ਪੈਡਜ ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੇ ਅਧਾਰ ਤੇ ਮਹੱਤਵਪੂਰਨ ਜੀਨ ਗਿਣਤੀ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਇੱਕ ਵਾਕ ਵਿੱਚ ਅੰਤਰ ਬਾਰੇ ਟਿੱਪਣੀ ਕਰੋ। ਫਿਰ ਇੱਕ ਫੀਚਰਡ ਜੀਨ ਲਈ ਟੈਮਪਲੇਟ 3 ਦੇ ਨਾਲ ਜੈਵਿਕ ਵਿਆਖਿਆ ਮੰਗੋ ਅਤੇ PubMed ਵਿੱਚ ਖੁਦ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਪ੍ਰਯੋਗਾਤਮਕ ਡਿਜ਼ਾਈਨ ਅਤੇ ਅੰਕੜਾ ਸ਼ਕਤੀ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ।
- [ ] ਮੈਂ ਇੱਕ ਮਿਆਰੀ, ਸੁਵਿਧਾਜਨਕ ਢੰਗ ਚੁਣਿਆ ਹੈ।
- [ ] ਮੈਂ PCA ਅਤੇ ਬੈਚ ਪ੍ਰਭਾਵ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਕੀਤਾ।
- [ ] ਮੈਂ ਮਲਟੀਪਲ ਤੁਲਨਾ (FDR) ਸੁਧਾਰ ਲਾਗੂ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਨਤੀਜਿਆਂ ਨੂੰ ਠੀਕ ਕੀਤੇ p-ਮੁੱਲ ਨਾਲ ਫਿਲਟਰ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸਾਹਿਤ ਵਿੱਚ ਜੀਵ-ਵਿਗਿਆਨਕ ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।