[[176432]]

【導(dǎo)語】

在大多數(shù)科學(xué)研究中，大量的實(shí)驗(yàn)數(shù)據(jù)的統(tǒng)計(jì)分析工作通常由計(jì)算和統(tǒng)計(jì)方面的技術(shù)專家完成。 遺憾的是，這些專家不是相應(yīng)領(lǐng)域研究的專家，這可能導(dǎo)致分析中的缺陷。 如果，研究人員本人能夠輕松使用工具和方法來處理和分析數(shù)據(jù)，那么肯定會(huì)獲得豐富研究成果。

問題

許多科學(xué)家都面臨著共同的挑戰(zhàn)，特別是那些分子生物學(xué)領(lǐng)域科學(xué)家，他們的實(shí)驗(yàn)產(chǎn)生了大量的數(shù)據(jù)。對(duì)于如此海量的數(shù)據(jù)，人們需要軟件工具來有效地解釋其數(shù)據(jù)。

如今，面臨日益增長(zhǎng)的大數(shù)據(jù)，計(jì)算機(jī)軟件仍大多側(cè)重于數(shù)據(jù)處理，通過面向技術(shù)專家的用戶界面，以標(biāo)準(zhǔn)的統(tǒng)計(jì)方法來呈現(xiàn)數(shù)據(jù)結(jié)果。 因此，科學(xué)家/研究者很難深入解釋這些數(shù)據(jù)，大量的數(shù)據(jù)分析工作只能由專業(yè)的生物信息學(xué)家和生物統(tǒng)計(jì)學(xué)家來執(zhí)行。 然而，這個(gè)模式并不盡如人意，因?yàn)橥ǔＧ闆r下，科學(xué)家才是最了解該研究領(lǐng)域的人。

解決方案

結(jié)合優(yōu)選算法，可視化方法可以在某種程度上應(yīng)對(duì)這些挑戰(zhàn)，并可使更多使用者去探索和分析數(shù)據(jù)?？梢暬夹g(shù)，給大家提供了一種快速識(shí)別重要結(jié)構(gòu)和模式的積極有效的方法，而且反饋信息也很易于理解。 從團(tuán)體化的視角來看，這也是一種很重要的方法，因?yàn)樗垢嗟目茖W(xué)家能夠分析和討論實(shí)驗(yàn)數(shù)據(jù)和結(jié)果，進(jìn)而推動(dòng)創(chuàng)新。

當(dāng)使用可視化來識(shí)別數(shù)據(jù)中新的子組數(shù)據(jù)和模式時(shí)，我們建議使用五步法來確?？芍貜?fù)的顯著的結(jié)果。 此分析步驟的是出于多方面的考慮， 最基本的意圖是嘗試在數(shù)據(jù)中識(shí)別全新的組或模式， 另一方面是為了探索數(shù)據(jù)，并且僅檢測(cè)預(yù)期的模式，這是一種質(zhì)量控制的好辦法。 通過應(yīng)用這個(gè)五步法，科學(xué)家就可以研究大量復(fù)雜的數(shù)據(jù)集，而不必成為統(tǒng)計(jì)專家。 該方法在下面更詳細(xì)地描述，但是一些基本概念需在此交代清楚， 它可應(yīng)用于任何類型的生命科學(xué)行業(yè)數(shù)據(jù)，可以是高維度數(shù)據(jù)和樣本數(shù)據(jù)，例如 RNA-seq，基因表達(dá)陣列，蛋白質(zhì)組學(xué)，DNA甲基化，代謝組學(xué)等等。

***步：降低數(shù)據(jù)維度

首先，高維數(shù)據(jù)需要被降階到較低的維度，使得其可以進(jìn)行3D繪制。 為此，我們建議使用主成分分析(Principal Component Analysis, PCA)的方法。另外，還需要用數(shù)據(jù)染色工具來增強(qiáng)信息，并用過濾器等工具來篩選數(shù)據(jù)集的部分。

[[176434]]

在五步法的起始階段，研究人員會(huì)對(duì)活動(dòng)數(shù)據(jù)集中存在的***信號(hào)進(jìn)行檢測(cè)和去除。 一旦識(shí)別了該信號(hào)就可以去除它，以便查看是否存在其他模糊但仍然可辨認(rèn)的信號(hào)。移除一個(gè)強(qiáng)信號(hào)，通常會(huì)導(dǎo)致活動(dòng)樣本和或變量(特征)的減少。

第二步：評(píng)估信噪比

該過程的第二步是通過使用PCA、投影分?jǐn)?shù)和隨機(jī)化來評(píng)估數(shù)據(jù)中的信噪比。 投影分?jǐn)?shù)會(huì)顯示檢測(cè)的信號(hào)或模板的視覺強(qiáng)度。

[[176435]]

第三步：方差濾波去除噪聲

第三步是通過方差濾波去除“噪聲”。 如果研究人員可以在其活動(dòng)數(shù)據(jù)集中看到顯著的信噪比，那么他們應(yīng)該嘗試去除一些最可能貢獻(xiàn)噪聲的活躍變量。 為了識(shí)別所需的方差過濾量，用戶可以使用由PCA可視化和投影得分的方法來獲得方差過濾量。 通過測(cè)試多個(gè)不同的方差設(shè)置，可以更容易找到清晰的模式。

第四步：統(tǒng)計(jì)測(cè)試

[[176436]]

第四步，統(tǒng)計(jì)測(cè)試是可選的執(zhí)行步驟，可以應(yīng)用于五步過程的任何/所有其他階段，也就是說，可以在初始分析期間執(zhí)行，或者當(dāng)某個(gè)步驟重復(fù)的時(shí)候執(zhí)行，或者在步驟結(jié)束時(shí)執(zhí)行，或者不做也可以。 被測(cè)數(shù)據(jù)組可以是預(yù)定義的，或者是在迭代過程中確定下來的。 (建議對(duì)第二個(gè)數(shù)據(jù)集去驗(yàn)證發(fā)現(xiàn)的數(shù)據(jù)結(jié)構(gòu)和數(shù)組)

第五步：搜索子組或群集

***一步，使用圖形來細(xì)化子組或群集的搜索。 例如，在網(wǎng)絡(luò)或圖形中連接樣本，使其可以搬升至更高的維度(即，大于三個(gè)維度，可以用3D PCA圖來表示)，因?yàn)樵跇颖緢D中創(chuàng)建的圖形是基于所有活動(dòng)變量的空間距離，所以它可以使用戶對(duì)數(shù)據(jù)結(jié)構(gòu)有更深入的了解。

重復(fù)這五個(gè)步驟，直到無法再找出新的數(shù)據(jù)結(jié)構(gòu)。

就此方法來操作，可視化可以作為研究人員的強(qiáng)大工具。數(shù)據(jù)能夠以清晰的方式可視化，科學(xué)家可以輕松識(shí)別那些有趣和/或重要的結(jié)果，而不必依賴于專業(yè)的生物信息學(xué)家和生物統(tǒng)計(jì)學(xué)家。 相反，科學(xué)家可以與生物信息學(xué)家合作，去收獲更有意義的成果。

End.