ලාභ:
- අවකල්ය ප්රකාශන විශ්ලේෂණයේ බහු පරීක්ෂණ නිවැරදි කිරීම් (නිවැරදි කළ p-අගය) සහ ගුණාකාර වෙනස්වීම් නිවැරදිව අර්ථකථනය කිරීමට සහ ව්යාජ ධනාත්මක වළක්වා ගැනීමේ හැකියාව
- කාණ්ඩ ආචරණය හඳුනාගෙන එය PCA සමඟ ආකෘතියට එකතු කිරීම සහ ජීව විද්යාත්මක වෙනසෙන් තාක්ෂණික ශබ්දය වෙන් කිරීම
- එක් එක් මාර්ග අනන්යතාවය ප්රභවයට සම්බන්ධ කිරීමට සහ මාර්ග සුපෝෂණය සහ බහු-ඕමික්ස් ඒකාබද්ධ කිරීමේදී ජීව විද්යාත්මක අනුකූලතාවයෙන් එය පාලනය කිරීමේ හැකියාව
සෛලයක් යනු තනි අංකයක් නොවේ; එය ජාන, ප්රෝටීන සහ පරිවෘත්තීය දහස් ගණනක් එකවර නටන පද්ධතියකි. Omics (සමස්තයක් ලෙස ජීව විද්යාත්මක ස්ථරයක් මනිනු ලබන ප්රවේශයන් සඳහා වන සාමූහික නාමය) මෙම සම්පූර්ණ නර්තනය ග්රහණය කර ගැනීමට උත්සාහ කරයි: ප්රවේණි විද්යාව (ඩීඑන්ඒ), ට්රාන්ස්ක්රිප්ටොමික්ස් (ආර්එන්ඒ - කුමන ජාන ක්රියා කරයිද සහ කොපමණ ප්රමාණයක්), ප්රෝටෝමික්ස් (ප්රෝටීන්), පරිවෘත්තීය (කුඩා අණු). සෑම omics ස්ථරයක්ම මාන, ඝෝෂාකාරී සහ මිල අධික දත්ත දහස් ගණනක් නිපදවයි. AI මෙම අධි-මාන දත්ත පරිලෝකනය කිරීමට සහ රටා සලකුණු කිරීමට බලවත් ය; නමුත් ජීව විද්යාත්මක සත්යය කුමක්ද සහ තාක්ෂණික ශබ්දය කුමක්ද යන්න තීරණය කරන්නේ ඔබයි.
මෙම ඒකකය තුළ, අපි වඩාත් පොදු ඔමික්ස් විශ්ලේෂණය වන පිටපත් කිරීම් හරහා ඉදිරියට යන්නෙමු; මූලධර්ම අනෙකුත් ස්ථර සඳහා ද අදාළ වේ. සාමාන්ය කාර්ය ප්රවාහය: අමු දත්ත වලින් ප්රකාශන න්යාසය (පේළි ජාන වේ, තීරු සාම්පල වේ, සෛල ප්රකාශන මට්ටම් වේ), සාමාන්යකරණය (තාක්ෂණික වෙනස්කම් ඉවත් කිරීම), අවකල ප්රකාශන විශ්ලේෂණය (කොන්දේසි දෙකක් අතර සැලකිය යුතු ලෙස වෙනස් වන ජාන සොයා ගැනීම), මාර්ග සුපෝෂණය (වෙනස් වූ ජාන පොකුරු කර ඇත්තේ කුමන ජීව විද්යාත්මක මාර්ගද යන්න සොයා ගැනීම) සහ අර්ථ නිරූපණය.
අවකල ප්රකාශනය: නැමීමේ වෙනස් කිරීම සහ නිවැරදි කරන ලද p-අගය
ජානයක් “වෙනස් වී තිබේද” යන්න පැවසීමට සංඛ්යා දෙකක් දෙස බලනු ලැබේ: ගුණයකින් වෙනස් වීම - සාමාන්යයෙන් log2 පරිමාණයෙන් ප්රකාශනය කොපමණ වාර ගණනක් වැඩි වේද/අඩුවේද - සහ ගැළපු p-අගය (padj - බහු පරීක්ෂණ සිදු කරන විට ව්යාජ ධනාත්මක සඳහා පාලනය කරන සංඛ්යාලේඛනය). නිවැරදි කරන්නේ ඇයි? ඔබ ජාන 20,000ක් එකවර පරීක්ෂා කරන නිසා; අහම්බෙන් වුවද, ජාන සිය ගණනක් "වැදගත්" බවට පත් විය හැකිය. බහු පරීක්ෂණ නිවැරදි කිරීමකින් තොරව - Benjamini-Hochberg වැනි ක්රම සමඟ ව්යාජ සොයාගැනීම් අනුපාතය සීමා කිරීම - ලැයිස්තුව නොමඟ යවන සුළුය. AI හට මෙම සංඛ්යාලේඛනය ගණනය කරන ස්ක්රිප්ට් ලිවිය හැක, නමුත් එය නිවැරදි කිරීම අතපසු කරන්නේ නම්, ඔබේ ප්රතිඵලය විද්යාත්මකව අවිනිශ්චිත වේ.
අවවාදයයි: අමු p-අගය මත පදනම්ව "ජාන 500 සැලකිය යුතු ලෙස වෙනස් වී ඇත" යැයි AI පැවසිය හැකිය. නිවැරදි කරන ලද p-අගය දෙස බලන විට, අංකය 30 දක්වා පහත වැටිය හැක. සෑම විටම බහු-පරීක්ෂණ නිවැරදි කිරීම ඔබම පරීක්ෂා කරන්න; ප්රකාශනය පිළිගැනීම සහ ප්රතික්ෂේප කිරීම අතර වෙනස මෙයයි.
කණ්ඩායම් බලපෑම: වඩාත්ම ද්රෝහී උගුල
කාණ්ඩ ආචරණය (විවිධ දින, උපාංග හෝ පුද්ගලයින් විසින් සාම්පල සැකසීමෙන් පැන නගින තාක්ෂණික වෙනස) ඕමික්ස් විශ්ලේෂණයේ දෝෂයේ විශාලතම ප්රභවයයි. ඔබගේ කොන්දේසි දෙක වෙනස් දින දෙකකදී සකස් කර ඇත්නම්, ඔබ දකින "ජීව විද්යාත්මක වෙනස" ඇත්ත වශයෙන්ම දවසේ වෙනස විය හැක. AI විසින් කාණ්ඩ විචල්යය ආකෘතියට එක් කිරීමට යෝජනා කළ හැකිය (උදා. ~ කාණ්ඩය + තත්ත්වය), නමුත් එය නිවැරදිව සැකසීම සහ එය පර්යේෂණාත්මක සැලසුමට මිශ්ර නොකිරීම ඔබේ වගකීමකි.
ඉඟිය: විශ්ලේෂණය ආරම්භ කිරීමට පෙර, PCA (ප්රධාන සංරචක විශ්ලේෂණය - අක්ෂ කිහිපයක ඉහළ මාන දත්ත සාරාංශ කර දෘශ්යමාන කරන ක්රමයක්) ප්රස්ථාරයක් අඳින්න. නියැදි ජීව විද්යාත්මක තත්ත්වයෙන් නොව කණ්ඩායම් වශයෙන් පොකුරු කර ඇත්නම්, කාණ්ඩ ආචරණය ප්රමුඛ වන අතර පළමුව එය නිවැරදි කළ යුතුය.
බහු-ඕමික්ස් ඒකාබද්ධ කිරීම
සැබෑ අවබෝධය බොහෝ විට ලැබෙන්නේ ස්ථර එකට තැබීමෙනි: ජානයක් වෙහෙස මහන්සි වී වැඩ කරන නමුත් එහි ප්රෝටීන් වැඩි නොවන්නේ නම්, නියාමනය පරිවර්තන මට්ටමේ පවතී. Multi-omics integration-විවිධ omics ස්ථර තනි ආකෘතියකට ඒකාබද්ධ කිරීම-AI ශක්තිමත් වන නමුත් එය වඩාත්ම නොමඟ යවන ස්ථානයයි; මන්ද ස්තරවල පරිමාණයන්, ශබ්දය සහ සාම්පල ගැලපීම් වෙනස් වේ. AI ඒකාබද්ධ කිරීමේ කාර්ය ප්රවාහයක් යෝජනා කරයි, නමුත් ඔබ ප්රතිඵලවල ජීව විද්යාත්මක අනුකූලතාව පාලනය කරයි.
කුඩා නඩු තුනක්
නඩුව 1 - පොහොසත් කිරීම වේගවත් විය. පිළිකා ව්යාපෘතියකින් අවකල ජාන 1,240ක් සොයා ගන්නා ලදී. AI විසින් මාර්ග සුපෝෂණය, සෛල චක්රය සහ DNA අළුත්වැඩියා කිරීමේ මාර්ග ඉස්මතු කිරීම සඳහා ඒවා ප්රමුඛ කර ඇත; කණ්ඩායම පැය 2 කින් උපකල්පන සිතියමක් නිර්මාණය කළේය. නමුත් ඔවුන් ස්වාධීන මෙවලමක් (g:Profiler) සමඟ එක් එක් මාර්ගය නැවත පරීක්ෂා කළ අතර AI විසින් එක් මාර්ගයක් වැරදි ලෙස සිතියම්ගත කර ඇති බව සොයා ගත්හ.
නඩුව 2 - කණ්ඩායම් උගුල. එක් රසායනාගාරයක් ප්රතිකාර කණ්ඩායම් දෙකක් අතර "විශිෂ්ට" 900-ජාන වෙනසක් සොයා ගන්නා ලදී. ඔවුන් PCA සිදු කරන විට, ඔවුන් දුටුවේ සාම්පල අනුක්රමික කණ්ඩායමකින් වෙන් කර ඇති බවයි. කණ්ඩායම් නිවැරදි කිරීමෙන් පසුව, සැබෑ වෙනස ජාන 60 දක්වා අඩු විය. AI විසින් පළමු විශ්ලේෂනයේ දී කාණ්ඩ විචල්යය නොදැනුවත්වම ඉවත් කර ඇත.
නඩුව 3 - සාදන ලද මාර්ගය නම. ශිෂ්යයෙක් ජාන ලැයිස්තුව AI වෙත ලබා දී, "කොයි KEGG මාර්ගයද?" AI එය සැබෑ ලෙසම මාර්ග හැඳුනුම්පතක් සහ නමක් ලබා දුන්නේය. ශිෂ්යයා KEGG හි සෙවූ විට, එම හැඳුනුම්පත නොමැති බව ඔහු දුටුවේය. සත්යාපනය ගොතන ලද ප්රතිඵලයක් වැළැක්වීය.
පිටපත් කළ හැකි සැකිලි හතරක්
1) DESeq2 කාර්ය ප්රවාහ දළ සටහන:
ඔබේ කාර්යභාරය: පරිගණක ජීව විද්යාඥයා. R/DESeq2 සමඟින් RNA-seq අවකල ප්රකාශන විශ්ලේෂණය සඳහා පියවරෙන් පියවර ස්ක්රිප්ට් එකක් ලියන්න: න්යාස කියවීම, සැලසුම් සූත්රය (~ කාණ්ඩය + තත්ත්වය), සාමාන්යකරණය, ප්රතිඵල වගුව. බහු පරීක්ෂණ නිවැරදි කිරීම් (BH) පැහැදිලිව යොදන්න සහ padjcolumn භාවිතා කරන්න. අදහස් පේළියක එක් එක් පියවර කරන්නේ කුමක්ද යන්න පැහැදිලි කරන්න.
2) තත්ත්ව/කාණ්ඩ පාලනය:
මට RNA-seq QC පිරික්සුම් ලැයිස්තුවක් ලබා දෙන්න: PCA සමඟ කණ්ඩායම් පාලනය, පුස්තකාල ප්රමාණය, ජාන හඳුනාගැනීම් ගණන, පිටතින් හඳුනාගැනීම. සෑම මෙට්රික් එකක් සඳහාම, "මා දකින දෙය මා කනස්සල්ලට පත් කරයි" සීමාවක් සඳහන් කරන්න. කණ්ඩායම සහ ජීව විද්යාත්මක තත්ත්වය මිශ්ර වී ඇත්නම් මා කළ යුතු දේ පැහැදිලි කරන්න.
3) පොහොසත් කිරීමේ ප්රතිඵල සත්යාපනය:
මම ඔබට පොහොසත් මාර්ග ලැයිස්තුවක් ලබා දෙන්නෙමි (මාර්ග ගණන, padj, ජාන). එක් එක් මාර්ගයෙහි අනන්යතාවය (KEGG/GO ID) වාචිකව ලියන්න සහ එය සාදන්න එපා. padj <0.05 සමඟින් ප්රතිඵල පෙරහන් කරන්න. ජීව විද්යාත්මකව එකිනෙකාට සහය දක්වන මාර්ග සඳහන් කරන්න, නමුත් එක් එක් අනන්යතාවය "දත්ත සමුදායේ සත්යාපනය කළ යුතුය" ලෙස සලකුණු කරන්න.
4) Multi-omics අනුකූලතා පරීක්ෂාව:
ජාන/ප්රෝටීන් යුගලයක් සඳහා පිටපත් කිරීමේ සහ ප්රෝටියෝමික් ප්රකාශන දිශාවන් පරස්පර කරයි. මේ සඳහා විය හැකි ජීව විද්යාත්මක (පශ්චාත් පරිවර්තන සංස්කරණය) සහ තාක්ෂණික (මිනුම් ශබ්දය, නියැදි ගැලපීම) හේතු ලැයිස්තුගත කර එක් එක් පරීක්ෂා කරන්නේ කෙසේදැයි මට කියන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
මෙම ජාන ලැයිස්තුවේ ඇති වැදගත් මාර්ග නම් කරන්න.
මූලාශ්ර නැත, සංඛ්යාලේඛන නැත, ගොතන ලද මාර්ගවල ඉහළ අවදානමක් ඇත.
බලවත් විමසුම:
ඔබේ කාර්යභාරය: පරිගණක ජීව විද්යාඥයා. අමුණා ඇති අවකල ජාන වගුවේ (ජාන, log2FC, padj) padj <0.05 සහිත ජාන පමණක් ගන්න. මෙම ජාන සහ මා භාවිතා කරන මෙවලම (g:Profiler) සමඟ සිදු කළ යුතු GO පොහොසත් කිරීමේ විශ්ලේෂණයක පියවර මට කියන්න. මාර්ගයේ නම ව්යාජ ය; මම මෙවලම ධාවනය කර විශ්ලේෂණය කරන්නෙමි, ඔබ නිවැරදි ක්රමවේදය සහ බහු පරීක්ෂණ නිවැරදි කිරීම් විස්තර කරයි.
වෙනස: පැහැදිලි පෙරහන, ක්රමවේද අවධානය, ප්රබන්ධ කිරීම තහනම් කිරීම සහ සත්යාපනය පරිශීලකයාට තැබීම.
Omics විශ්ලේෂණ පියවර
පියවර
අරමුණ
පොදු වැරැද්ද
AI භූමිකාව
සාමාන්යකරණය
තාක්ෂණික වෙනස ඉවත් කරන්න
වැරදි ක්රම තේරීම
ස්ක්රිප්ට් + තාර්කිකත්වය
PCA/QC
කණ්ඩායම සහ පිටස්තර හඳුනාගැනීම
මගේ පියවර මඟ හරින්න
රූපය + අදහස්
අවකල ප්රකාශනය
වෙනස් වන ජාන සොයා ගැනීම
නිවැරදි නොකළ පි
ස්ක්රිප්ට් කෙටුම්පත
පොහොසත් කිරීම
මාර්ගයක් සොයා ගන්න
ගොතන ලද මාර්ගය
ක්රමවේදය
ඒකාබද්ධ කිරීම
ස්ථර ඒකාබද්ධ කරන්න
පරිමාණ/ගැලපුම් දෝෂයකි
කාර්ය ප්රවාහ නිර්දේශය
තනි සෛල ඔමික්ස්: නව පරිමාණයක්
මෑත වසරවලදී, තනි සෛල අනුක්රමණය - එක් එක් සෛල දහස් ගණනක ප්රකාශන පැතිකඩ වෙන වෙනම මැනීම - ඔමික්ස් නව මානයකට ගෙන ඇත. දැන්, "පටකයක සාමාන්ය ප්රකාශනය" වෙනුවට, අපට එම පටක තුළ එක් එක් සෛල වර්ගය වෙන වෙනම දැකිය හැකිය. මෙම බලය නව අන්තරායන් හඳුන්වා දෙයි: දත්ත අතිශයින් විරල වේ (බොහෝ ජානවල බොහෝ සෛලවල කියවීම් ශුන්ය වේ - අතහැර දැමීම), ප්රමාණය සෛල දස දහස් ගණනක් × ජාන විසි දහසක් වන අතර සෛල වර්ග වෙන් කිරීම බොහෝ විට සිදු කරනු ලබන්නේ පොකුරු කිරීමෙනි. තනි සෛල දත්ත මත පොකුරු සහ සෛල වර්ග ලේබල් කිරීමේ දළ සටහන් නිපදවීමට AI බලවත් වේ; නමුත් ඔබ දන්නා මාර්කර් ජාන සමඟ සෑම පොකුරක්ම සැබෑ සෛල වර්ගයක් හෝ තාක්ෂණික කෞතුක වස්තුවක් දැයි තහවුරු කරයි (උදා: මිය ගිය සෛල, සෛල දෙකක් එකට හසු වී ඇත). සත්ය සාහිත්යයේ එම පොකුරේ සලකුණු ජාන තහවුරු නොකර AI විසින් යෝජනා කරන ලද සෛල වර්ග ලේබලය පිළිගන්න එපා.
ඉඟිය: තනි සෛල විශ්ලේෂණයකදී, AI විසින් පොකුරකට “T සෛල” ලේබලයක් යෝජනා කරන්නේ නම්, එම පොකුරේ T සෛල සලකුණු (උදා: CD3) සැබවින්ම ඉහළ ප්රකාශිත දැයි ඔබම පරීක්ෂා කරන්න. ටෝකනය මඟින් ලේබලය සහාය නොදක්වන්නේ නම්, එය උපකල්පනයකි, නිගමනයක් නොවේ.
පොදු වැරදි
- බහු පරීක්ෂණ නිවැරදි කිරීම් මඟ හැරීම. ලැයිස්තුව අමු p-අගය සමඟ ඉදිමී; padj භාවිතා කළ යුතුය.
- ජීව විද්යාව සඳහා කාණ්ඩ ආචරණය වරදවා වටහා ගැනීම. එය මුලින්ම PCA සමඟ පරීක්ෂා කළ යුතුය.
- එකම නිර්ණායකය බිම වෙනස් කිරීම. අඩු ප්රකාශන, ඝෝෂාකාරී ජානවල ඉහළ ගුණයකින් වෙනස් වීම නොමඟ යවන සුළු විය හැක.
- සාදන ලද මාර්ගය/GO අනන්යතාවය පිළිගැනීම. සෑම අනන්යතාවයක්ම දත්ත ගබඩාවේ සත්යාපනය කළ යුතුය.
- නියැදි ප්රමාණය අවතක්සේරු කිරීම. 2 by 2 නිර්මාණයක සංඛ්යාන බලය අඩුය; ප්රතිඵල ප්රවේශමෙන් අර්ථ දැක්විය යුතුය.
සාරාංශයකින්
Omics විශ්ලේෂණය අධි-මාන, ඝෝෂාකාරී දත්ත සමඟ ක්රියා කරයි, සහ AI මෙම දත්ත පරිලෝකනය කිරීමෙන්, ස්ක්රිප්ට් ලිවීමෙන් සහ රටා සලකුණු කිරීමෙන් වේගවත් කරයි. නමුත් අවකල ප්රකාශනයේ බහු පරීක්ෂණ නිවැරදි කිරීම, PCA සමඟ කණ්ඩායම් පාලනය සහ පොහොසත් කිරීමේදී මූලාශ්ර සත්යාපනය අත්යවශ්ය වේ. Multi-omics ඒකාබද්ධ කිරීම බලවත් නමුත් නොමඟ යවන සුළුය; ස්ථර වල පරිමාණය සහ ශබ්ද වෙනස්කම් සැලකිල්ලට ගනිමින්, ජීව විද්යාත්මක අනුකූලතාවයෙන් එක් එක් ප්රතිඵලය පරීක්ෂා කරන්න.
යෙදුම් කාර්යය
ප්රසිද්ධියේ ලබා ගත හැකි RNA-seq ගණන් කිරීමේ අනුකෘතියක් සොයන්න (උදා: GEO වෙතින්). AI හට "DESeq2 කාර්ය ප්රවාහ" අච්චුව සමඟ විශ්ලේෂණ පිටපතක් ලිවීමට සලස්වා බහු පරීක්ෂණ නිවැරදි කිරීම ඇත්ත වශයෙන්ම යෙදී ඇත්දැයි කේතය පරීක්ෂා කරන්න. ඉන්පසු AI වෙතින් පොහොසත් කිරීමේ අදහසක් ඉල්ලා එය KEGG හෝ GO දත්ත ගබඩාවට එරෙහිව එකින් එක ආපසු ලබා දෙන සියලුම මාර්ග හැඳුනුම්පත් සත්යාපනය කරන්න; කීයක් සැබෑ දැයි සලකන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම අවකල විශ්ලේෂණයේදී padj (නිවැරදි කරන ලද) භාවිතා කළෙමි, අමු p-අගය නොවේ.
- [ ] මම PCA සමඟ කාණ්ඩ ආචරණය පරීක්ෂා කර අවශ්ය නම් එය ආකෘතියට එක් කළෙමි.
- [ ] මම ජාන ඉහළ ගුණයකින් වෙනස් වන නමුත් අඩු ප්රකාශනයක් ප්රවේශමෙන් අර්ථකථනය කළෙමි.
- [ ] මම එක් එක් මාර්ගය/GO ID සැබෑ දත්ත ගබඩාවට එරෙහිව සත්යාපනය කළෙමි.
- [ ] මම නියැදි ප්රමාණයේ සංඛ්යාන බලය ඇගයීමට ලක් කළෙමි.
- [ ] මම බහු-ඕමික්ස් ප්රතිවිරෝධතා ජීව විද්යාත්මක හා තාක්ෂණික හේතූන් ලෙස බෙදුවෙමි.