Erleichterung der Analyse der immunologischen Daten mit Visual analytischen Techniken

Unterstützung der Analyse immunologischer Daten mithilfe visueller Analysetechniken. Während die Fähigkeit, Daten zu sammeln und zu speichern, rasch vorangeschritten ist, hat sich die Fähigkeit, diese zu verarbeiten und zu analysieren, im Vergleich kaum verbessert. Daher existieren in biomedizinischen Laboren häufig große Datensätze, die nicht effektiv oder effizient ausgewertet werden.

Dabei geht möglicherweise umfangreiche und wertvolle Information im Abgrund von Speichersystemen verloren. Visuelle Analytik oder VA hat sich als neue Methode zur Analyse großer, komplexer Datensätze etabliert. VA-Techniken basieren auf Visualisierungen, die es Analysten ermöglichen, ihre visuelle Intelligenz einzusetzen, um Muster in Daten wie allgemeine Trends oder Ausreißer zu erkennen.

Diese schnellen Visualisierungen ermöglichen eine rasche Hypothesenbildung beim Erkunden von Daten. Die Flexibilität von VA-Werkzeugen erlaubt es dem Analysten, sowohl hineinzuzoomen, Details aufzuschlüsseln als auch Verbindungen über mehrere Datensätze hinweg aufzubauen, während er deren Beziehungen untersucht. Durch die Anwendung von VA auf integrierte Datenquellen kann der Nutzer neue und wichtige Erkenntnisse gewinnen.

Die Elternanalyse ist ein Ansatz der visuellen Analyse (VA), bei dem ein Experte für ein VA-Tool gemeinsam mit einem fachkundigen Experten – auch Domänenexperte genannt – daran arbeitet, biologisch relevante Fragen zu den Daten zu stellen. Der VA-Tool-Experte erstellt anschließend Visualisierungen, die möglicherweise Muster aufzeigen, welche zur Beantwortung dieser Frage beitragen oder zu weiteren Untersuchungen führen. Dieser Prozess kann iterativ durchlaufen werden, um verschiedene Visualisierungen zu erstellen, die Einblicke vermitteln.

Wir untersuchten die Eignung eines gepaarten analytischen VA-Ansatzes für einen großen, komplexen biomedizinischen Datensatz. In vorläufigen Pilotexperimenten bewerteten wir mehrere der derzeit verfügbaren VA-Tools für das vorliegende Problem. Als für die gegebene Aufgabe am besten geeignetes Werkzeug wählten wir Tableau von Tableau Software.

Die Auswahlkriterien in diesen Pilotexperimenten basierten auf subjektiven Parametern wie Benutzerfreundlichkeit und allgemeiner Gebrauchstauglichkeit sowie auf objektiven technischen Merkmalen wie einer Vielzahl von Interaktionstechniken und Visualisierungsfunktionen. Hier liegt ein Datensatz in einer Microsoft Excel-Tabelle vor, wie er typisch ist für ein Labor, das im Bereich der Infektionskrankheiten arbeitet. Der Datensatz enthält eine Versuchspersonen-ID sowie Daten über Variationen in genetischen DNA-Sequenzen.

In diesem Fall handelt es sich um einzelsträngige Nukleotid-Polymorphismen (SNPs) des NF-kappa-BIA-Gens des Probanden sowie um die beobachtete Konzentration mehrerer biologischer Moleküle, hier Zytokine, die von den Immunzellen des Probanden nach Stimulation der Immunzellen mit spezifischen Stimuli produziert wurden. Wir scrollen nun zum Tabellenblatt hinunter. Um ein Gefühl für den Umfang dieses Datensatzes zu bekommen, interessiert uns, ob ein allgemeiner Zusammenhang zwischen dem Genotyp – das heißt den verschiedenen SNPs – des hier betrachteten NF-kappa-BIA-Gens und der beobachteten Zytokinantwort besteht.

Nach der Stimulation verbinden wir nun den Datensatz mit Tableau und stellen sicher, dass die NF-kappa-B-IA-Tabelle importiert wird. Auf der linken Seite sehen Sie, dass Tableau mit der richtigen Tabelle verbunden ist und die Spaltenvariablen automatisch in das aufgeteilt hat, was Tableau als Dimensionen und Messwerte bezeichnet. Dimensionen sind einfach die Spalten, die die Daten kategorisieren, und Messwerte die quantitativen Werte in dieser Spalte.

Für diese Visualisierung tragen wir nun die Stimulus-Konzentrationsstufen gegen die beobachtete Zytokin-Reaktionskonzentration auf. Wir bilden nun den Mittelwert der Zytokin-Konzentrationswerte. Die Reihenfolge der Konzentrationsstufen ist falsch, lässt sich aber leicht schnell korrigieren.

Dann können wir die Ansicht an den Bildschirm anpassen, um eine einfachere Visualisierung der Daten zu ermöglichen. Da wir untersuchen möchten, wie zwischen den verschiedenen Genotypen differenziert werden kann, müssen wir lediglich die Dimension „Genotyp“ in diesen Farbbereich ziehen. Die Visualisierung trennt automatisch und unmittelbar nach Genotyp.

Jetzt können wir verschiedene Anzeigeformate ausprobieren. Beispielsweise könnte ein Liniendiagramm ein Muster besser verdeutlichen, das wir erfassen möchten. Es gibt offensichtlich viele weitere Optionen.

Die Biologen bei dieser gepaarten Analyse schlagen vor, dass wir zunächst die Beziehungen der Produktion eines der Zytokinmarker namens QNF alpha nach Stimulation mit einem Reagenz namens 3M oh oh zwei untersuchen. Dazu müssen wir die Dimension des Markers, TNF alpha, und die Dimension des Stimulus, 3M oh oh zwei, filtern. Um den Filterprozess flexibler zu gestalten, können wir für beide Dimensionen – Marker und Stimulus – die Option „Schnellfilter anzeigen“ wählen und sicherstellen, dass es sich um eine Liste mit einzelnen Werten handelt.

Diese Visualisierung zeigt deutlich einen Unterschied in der TNF-alpha-Produktion nach unterschiedlichen Stufen der MOI 2-Stimulation, getrennt nach Genotyp in verschiedenen Farben. Wir können jede andere Kombination von Marker- und Stimulus-Filterwerten wählen, und die Visualisierung würde sich entsprechend ändern. Ähnlich wie in Excel könnten wir verschiedene Visualisierungen in separaten Registerkarten erstellen. Zu Präsentationszwecken können wir auch eine Übersichtsansicht mehrerer Analysen generieren.

In diesem Fall haben wir die Produktion von TNF Alpha bei mehreren Probanden mit unterschiedlichen NF Kappa BIAS-Snip-Genotypen untersucht. In dieser Demonstration haben wir mithilfe eines gepaarten Analyse-VA-Ansatzes innerhalb von etwa einer Minute und dreißig Sekunden eine Reihe aussagekräftiger Visualisierungen erfolgreich erstellt. Ein ähnlicher Satz von Visualisierungen erfordert typischerweise bei einem biomedizinischen Forscher etwa 30 Minuten Arbeit in Excel.

Ein früheres Beispiel war eine einfache zweidimensionale Analyse. Die eigentliche Stärke der VA liegt in der Fähigkeit, mehrere Dimensionen gleichzeitig zu visualisieren. Beispielsweise unterstützt Tableau die Analyse zwischen Datensätzen durch logische Verknüpfungen von Schlüsselwerten.

Hier sind zwei Tabellenkalkulationen, die in derselben Arbeitsmappe platziert sind. Der erste Datensatz stammt aus dem vorherigen Demonstrationsbeispiel, der andere ist ein Datensatz von Zellen, die mittels einer Technik namens Durchflusszytometrie auf die Produktion mehrerer Zytokine in derselben Zelle analysiert wurden. Gleichzeitig eine Messgröße namens Polyfunktionalitätsgrad oder PFD, Sie können das Blatt benennen, um sie im Importstadium leichter identifizieren zu können.

Dadurch kann Tableau die beiden Tabellenkalkulationen verbinden. Nachdem Sie die Option „Mehrere Tabellen“ gewählt haben, können Sie mithilfe der Funktion „Neue Tabelle hinzufügen“ die beiden Tabellen verknüpfen. Diese Funktion fügt die zweite Tabellenkalkulation zur ersten hinzu und verwendet Verknüpfungsanweisungen, um die Datensätze anhand identischer Schlüssel wie Zelltyp, Konzentrationsstufe, Stadium, Gruppenstimulus und Probandenidentifikator zusammenzuführen.

Beachten Sie, dass die Dimensionen nach Tabellenblattnamen getrennt sind. Dies ermöglicht es uns, die Dimensionen zu verwenden, die nicht Teil der logischen Verknüpfungsanweisung waren. Die Definition der polyfunktionalen Aktivität beispielsweise ist der Prozentsatz an Zellen, die mehr als ein Zytokin produzieren.

Beispielsweise weist eine Zelle, die zwei Zytokine produziert, eine PFD von zwei auf, und eine Zelle, die drei Zytokine produziert, eine PFD von drei. Hier erstellen wir ein berechnetes Feld, um diese Werte in einer Maßzahl zu kombinieren, die wir in einer Visualisierung verwenden können. Nun können wir mit dem Erstellen der Visualisierung beginnen.

Zunächst stellen wir die Konzentration der Zytokinspiegel in Abhängigkeit von den PFDs über zwei dar und bilden wie im letzten Beispiel den Mittelwert der PFDs, die größer als zwei sind. Außerdem ordnen wir die Konzentrationsbezeichnungen manuell von niedrig bis hoch. Da Genotypinformationen für diese Gruppe nur für einige Personen verfügbar sind, müssen wir die Datenzeilen herausfiltern, die keine Genotypinformationen enthalten.

Wie zuvor können wir den Genotyp schnell in das Farblabel einfügen, um so jeden unterschiedlichen Genotyp ebenfalls differenzieren zu können. Danach können wir die Ansicht an den Bildschirm anpassen, um eine einfachere Visualisierung der Daten zu ermöglichen. Wir können auch das Balkendiagramm verändern.

Beispielsweise vermittelt ein Liniendiagramm, das dies überprüft, einen guten Eindruck davon, wie sich die ZYT-Antwort und die PFP-Antwort je nach den spezifischen Mustern für jeden Genotyp unterscheiden. Sie bemerken sofort, dass die NF-kappa-b-SNP mit dem GG-Genotyp ein anderes Reaktionsmuster aufweist als die anderen Genotypen. Dies können wir weiter untersuchen, indem wir den Einfluss unterschiedlicher Stimuli auf dieses Muster analysieren.

Beachten Sie, dass nach Zugabe von LPS in der Stimulusdimension die drei Hauptgenotypen auf allen Konzentrationen ein ähnliches PFD-Niveau aufweisen, jedoch nur bei den 3M MO oh zwei Stimuli ein starker Anstieg des PFD vom niedrigen zum hohen Stimuluskonzentrationsniveau beim GG-Genotyp beobachtet wird. Dieses Ergebnis ermöglicht es uns, eine Hypothese für zukünftige Experimente zu formulieren, nämlich dass die Art des Stimulus einen Einfluss auf das PFD hat. In den letzten beiden Demonstrationen haben wir die schnelle Erstellung von Visualisierungen beobachtet, um potenziell aussagekräftige Muster innerhalb und zwischen Datensätzen zu erkennen.

Die Leistungsfähigkeit der visuellen Analytik kann schnell auf große Datensätze ausgeweitet werden, wobei die Analyse-Dimensionen je nach Anwendungsfall skaliert und Informationen über umfangreiche Datensätze hinweg integriert werden können. Beispielsweise ist die visuelle Analytik bei den zahlreichen Datensilos, die in Kohortenstudien entstehen, ein hochgradig übertragbares Verfahren, das potenziell auf jeden Bereich angewendet werden kann, der über große Mengen verschiedenartiger Daten verfügt, einschließlich kategorischer und numerischer Datensätze. Der VA-Ansatz bietet zwei wesentliche Vorteile.

Eine flexible Hypothesengenerierung. Der Nutzer kann vor Ort Hypothesen zu den Daten basierend auf aktuellen Ergebnissen generieren und schnell neue Visualisierungen erstellen, die die Hypothese untersuchen, was Zeitersparnis ermöglicht. Die Benutzerfreundlichkeit und Effizienz von UVA-Werkzeugen ist ihr Hauptvorteil gegenüber herkömmlichen Informationsvisualisierungswerkzeugen.

Der mit herkömmlichen Methoden verbundene Aufwand für die Erstellung von Diagrammen kann mehrere Arbeitstage in Anspruch nehmen, um etwas zu erreichen, das mit einer VA-Plattform wie Tableau in zwei bis drei Stunden leicht bewältigt wird. Offensichtlich gibt es derzeit bereits und wird voraussichtlich auch weiterhin andere Anwendungsplattformen geben, jede mit spezifischen Vor- und Nachteilen. Der zusätzliche Nutzen, der sich bei der Durchführung dieser Aufgabe mittels para-Analyse ergibt, trägt eindeutig zum Gesamtnutzen eines VA-basierten Ansatzes zur Analyse komplexer, mehrdimensionaler Daten bei.