Iqtisodiyoti 14 nashriyalar 275 iqtisodiyoti profilga qaring 102

METABOLOMIKA MA'LUMOTLARINI TAHLIL KO'RSATISH
14
Machine Translated by Google

---

kundan kunga kamroq monitoring (Matthiesen, SpringerLink (Onlayn xizmat) 2010). Biroq, ma'lumotlar
fon, modellar va algoritmlar, muhim faktlar va har bir usul uchun potentsial cheklovlar
nashr etilgan tadqiqot va ko'rib chiqishga asoslangan asosiy, muhim va keng qo'llaniladigan modellar yoki usullar
usullari.
O'quvchilarga bularning aniq ko'rinishini taqdim etish uchun 2-jadvalda muhokama qilingan barcha usullarni umumlashtirdi
turli tadqiqot maqsadlariga xizmat qiladi. Ma'lumotlarni tahlil qilish usullarining har bir turi ichida biz eng ko'pini tanlaymiz
A'zolik. Nazoratsiz ta'limning maqsadi umumlashtirish, tadqiq qilish va kashf qilishdir.
Ma'lumotni oldindan qayta ishlashdan so'ng olganimizda, biz uning haqida umumiy tasavvurga ega bo'lishni xohlaymiz
MetaboAnalyst (Xia, Mandal,
Metabolomikada topilgan hujjatlar. Biz tanlagan usullar hozirda eng asosiy usullarni qamrab oladi
Nazoratsiz o'qitish usullari
Bu erda "nazorat qilinmagan" so'zi biz tahlil qiladigan ma'lumotlar sinf bilan belgilanmaganligini anglatadi
Shu sababli, miqdoriy metabolomikalar insonni o'rganish yoki talab qiladigan tadqiqotlar uchun ko'proq mos keladi
bunday platformalar doirasidan tashqaridagi usullarni o'z ichiga oladi. ning qisqacha tanishtiruvini berdik
Sinelnikov, Broadhurst, Wishart 2012; Xia, Psychogios, Young, Wishart 2009). Biz ham
tuzilishi. Nazoratsiz o'rganish usullari bizga ma'lumotlardagi guruhlar yoki tendentsiyalarni aniqlash imkonini beradi.
ma'lumotlarni tahlil qilish usullari. E'tibor bering, bu usullar mutlaqo mustaqil emas; bilangina farqlanadi
usullari juda batafsil muhokama qilinmagan, biz bir nechta asosiy havolalarni sanab o'tdik. Oxirida biz qisqacha
Biz muhim havolalar va illyustrativ misollar bilan birga batafsil muhokama qildik. Uchun
ularning orqasida tahlil usullari o'xshash. Ushbu bo'limda biz to'rt xil turdagi narsalarni ko'rib chiqamiz
Shuning uchun bizga faqat bir nechta oldingi taxminlar va ma'lumotlar haqida ozgina oldindan ma'lumot kerak bo'lishi mumkin.
15
Machine Translated by Google

---

DOE bilan har qanday kutilmagan muammolarni tekshiring. Ko'p turli nazoratsiz ta'lim orasida
asosiy komponentlar (ShK) deb ataladi, ular hali ham asl nusxadagi ma'lumotlarning ko'p qismini saqlaydi
Agar bizda yuqori o'lchamli ma'lumotlar to'plami bo'lsa, masalan, o'nlab yoki yuzlab metabolitlar, eng yuqori nuqtalar yoki
o'lchovli chizma (ba'zan ballar va yuklamalar deb ataladi) ( 1-rasm).
Ma'lumotlardagi o'zgarishlar nisbati, biz ma'lumotlarni 2 o'lchovli yoki 3 o'lchovli o'lchov yordamida vizualizatsiya qilishimiz mumkin.
1. Asosiy komponentlar tahlili (PCA)
o'lchov birliklari, eng katta farqlarga ega bo'lgan o'zgaruvchilar dastlabki bir nechta shaxsiy kompyuterlarda ustunlik qilishi mumkin
Bu jarayon vektorlarning har birini markazlashtirish va ularning har birini standartlashtirishdan iborat
asl ma'lumotlar to'plamining umumiy o'zgarishi. PCA buni amalga oshirishning eng kuchli usullaridan biridir
Har bir mavzu uchun spektral qutilar, biz eng yaxshi tushuntiradigan bir nechta kombinatsiyalarni topishni xohlashimiz mumkin
PCA ni bajarishdan oldin, o'zgaruvchilarni standartlashtirish tavsiya etiladi (Jolliffe 2005).
namunaviy kovariatsiya matritsasi. O'zgaruvchilar bir-biridan juda farq qiladigan dispersiyaga ega bo'lganda yoki boshqacha foydalanilganda
Nazoratsiz o'rganish odatda ma'lumotlarni tahlil qilishda birinchi qadam bo'lib, ma'lumotlarni vizuallashtirishga yordam beradi
barcha korrelyatsiyali o'zgaruvchilarni ko'pincha kamroq miqdordagi bog'liq bo'lmagan o'zgaruvchilar bilan almashtiring
o'lchamlarni qisqartirish turi (Jolliffe 2005). PCA algoritmining asosiy maqsadi
dispersiya 1 ga teng. Shunday qilib, biz aslida o'rniga namunaviy korrelyatsiya matritsasi bo'yicha PCA ni bajaramiz
tahlil.
cheklangan miqdordagi shaxsiy kompyuterlar talqin qilinadi. Bundan tashqari, birinchi bir necha shaxsiy kompyuterlar katta tushuntirish mumkin bo'lsa
ma'lumotlar to'plami (Jolliffe 2005). Shaxsiy kompyuterlar soni o'zgaruvchilar soniga teng bo'lsa-da, faqat a
usullar, biz metabolomika ma'lumotlarida eng ko'p qo'llaniladigan to'rtta usulni muhokama qilamiz
(Jolliffe 2005). Agar bu farqlar biologik ma'noga ega bo'lsa, biz hamma narsani standartlashtirishimiz shart emas
16
Machine Translated by Google

---

barcha mavzular ( x bilan belgilanadi , bu sub'ektlar va o'zgaruvchilar bilan asl ma'lumotlar to'plami).
=
Namuna dispersiyasi uchun biz uning mos keladigan xos qiymatini hammasining yig'indisiga bo'lingan holda foydalanamiz
standartlashtirilgan). Eng katta xususiy qiymat birinchi shaxsiy kompyuterga, ikkinchi eng katta xos qiymatga to'g'ri keladi
2013) va (Ramadan, Jacobs, Grigorov, Kochhar 2006). Ushbu tadqiqotda mualliflar PCA dan foydalanganlar
bir xil ikkilamchi metabolitlarni ishlab chiqarish birgalikda guruhlanadi. PCA ballari va yuklamalari
guruhlarni ajratish uchun mas'ul bo'lgan o'zgaruvchilarni topish uchun ishlatiladi. Yuklash uchastkasida biz
,
bo'ladi
Qancha shaxsiy kompyuterni saqlash kerakligi haqida hech qanday qoida yo'q; odatda tekshirish orqali qaror qabul qilamiz
PCA da ballar syujeti asosan guruhlarni aniqlash uchun ishlatiladi, yuklash syujeti esa asosan
da barcha asl o'zgaruvchilarning og'irliklarini ifodalaydi
Yuqorida aytib o'tilgan "differensiallik tushuntirilgan" o'lchovi yoki skrining sxemasidan foydalanish (Johnson, Wichern 2007).
.
,
Jarayonni quyidagi formulalar bilan ifodalash mumkin =
PCA (Jonson, Wichern 2007). Biz shaxsiy kompyuter ballari matritsasi namunasini hisoblashimiz mumkin ( × bilan belgilanadi )
mavzusida
Mavzu,
Adnani, Wyche, Bugni 2012) PCA dan qanday foydalanish haqidagi asosiy g'oyani ko'rsatish uchun. Boshqa misollar
shtammi tanlashni amalga oshiring va noyob tabiiy mahsulotlarni kashf eting. Ular bakterial shtammlarni qabul qilishdi
bo'ladi
qiymatlarini ifodalovchi X qatori
ikkinchi shaxsiy kompyuterga mos keladi va hokazo. Kompyuterning umumiy hajmga qo'shgan hissasini o'lchash uchun
ustuni
o'lchov sifatida xususiy qiymatlar. Bu mos keladigan shaxsiy kompyuter tomonidan tushuntirilgan dispersiya foizi.
o'zgaruvchilar; aks holda bajarishdan oldin standartlashtirishni amalga oshirish tavsiya etiladi
Bu erda biz mikrobial metabolomikaning oddiy misolidan foydalanamiz (Hou, Braun, Mishel, Klassen,
47 shtammning uchastkalari 1 - rasmda ko'rsatilgan.
Metabolomik tadqiqotlarda PCA qanday ishlatilganligini (Heather, Wang, West, Griffin) topish mumkin
og'irlik matritsasi (ya'ni, yuklash matritsasi), bu
va ularning dispersiyalari namunaviy korrelyatsiya matritsasining (yoki agar bo'lmasa, namunaviy dispersiya matritsasining) xos qiymatlaridir.
Kompyuter, ball deb ataladi
×
ÿ
Kompyuter. Barcha shaxsiy kompyuterlar o'zaro bog'liq emas
ÿ
ÿ
ÿ
ÿ
ÿ
17
Machine Translated by Google

---

ballar uchastkasi ( 1a-rasm), biz ettita aniqlangan guruhni ko'rishimiz mumkin; bu guruhlar tomonidan aniqlangan
tafovutning ko'p qismi birinchi ikkita kompyuter bilan izohlangan. E'tibor bering, agar PCA kuchli bo'lmasligi mumkin
Buning o'rniga biz yuklash matritsasiga qaytishimiz kerak
turli masofalar va korrelyatsiya koeffitsientlari kabi turli o'xshashlik ko'rsatkichlari. Orasida
natijalar noto'g'ri bo'lishi mumkin, shuning uchun biz shtammlar guruhlarini faqat grafiklar orqali aniqlay olmaymiz.
yuklash uchastkasi faqat ushbu ikkita uchastkadan foydalangan holda sub'ektlarni guruhlarga ajratish uchun javobgardir;
metabolomika, shuningdek, ma'lumotlarni tahlil qilishning boshqa ko'plab sohalarida.
PCA dan farqli o'laroq, klasterlash tahlili aniq ma'lumotlar to'plamidagi guruhlarni aniqlashga qaratilgan. Hammasi
PCA ballari uchastkalarida ko'rsatilgan guruhlar biologik jihatdan mazmunli guruhlar bo'lishi shart emas.
og'irliklarni tekshirish uchun. Bundan tashqari,