Ułatwianie analizy danych immunologicznych za pomocą technik analizy wizualnej

Ułatwienie analizy danych immunologicznych za pomocą technik analityki wizualnej. Podczas gdy zdolność do gromadzenia i przechowywania danych szybko ewoluowała, możliwość ich przetwarzania i analizy w porównaniu z tym poczyniła niewielkie postępy. W konsekwencji w laboratoriach biomedycznych często istnieją duże zestawy danych, które nie są analizowane w sposób efektywny i wydajny.

Wraz z tym potencjalnie bogate i wartościowe informacje giną w otchłani systemów przechowywania danych. Analityka wizualna, czyli VA, pojawiła się jako nowa metoda analizy dużych i złożonych zbiorów danych. Techniki VA opierają się na wizualizacjach, które pozwalają analitykom wykorzystać ich inteligencję wizualną do wykrywania wzorców w danych, takich jak ogólne trendy czy wartości odstające.

Te szybkie wizualizacje umożliwiają sprawne formułowanie hipotez podczas eksploracji danych. Elastyczność narzędzi VA pozwala analitykowi zarówno na przybliżanie widoku, szczegółową analizę (drill-down), jak i budowanie powiązań między wieloma zestawami danych podczas badania ich relacji. Dzięki zastosowaniu VA do zintegrowanych źródeł danych użytkownik może odkryć nowe i istotne zależności.

Analiza z udziałem opiekuna (Parent analysis) to jedno z podejść do analizy wizualnej (VA), w którym ekspert w dziedzinie narzędzi VA oraz ekspert techniczny, znany również jako ekspert dziedzinowy, współpracują w taki sposób, że ekspert dziedzinowy zadaje biologicznie istotne pytania dotyczące danych. Następnie ekspert w dziedzinie narzędzi VA tworzy wizualizacje, które mogą pomóc w ujawnieniu wzorców służących do odpowiedzi na te pytania lub prowadzących do dalszej eksploracji. Proces ten może być powtarzany w celu stworzenia różnych wizualizacji dostarczających cennych informacji.

Podjęliśmy próbę przetestowania przydatności podejścia opartego na sparowanej analizie wizualnej (VA) w odniesieniu do dużego, złożonego zbioru danych biomedycznych. W wstępnych eksperymentach pilotażowych oceniliśmy kilka istniejących narzędzi VA pod kątem aktualnie rozwiązywanego problemu. Jako narzędzie najlepiej dostosowane do realizowanego zadania wybraliśmy program Tableau firmy Tableau software.

Kryteria wyboru w tych eksperymentach pilotażowych oparto na parametrach subiektywnych, takich jak przyjazność dla użytkownika i ogólna użyteczność, a także na obiektywnych cechach technicznych, takich jak zakres technik interakcji i funkcje wizualizacji. Dysponujemy tutaj zestawem danych w arkuszu Microsoft Excel, typowym dla laboratorium pracującego w dziedzinie chorób zakaźnych. Zestaw ten zawiera identyfikator obiektu oraz dane dotyczące zmienności w sekwencjach genetycznego DNA.

W tym przypadku są to polimorfizmy pojedynczego nukleotydu (SNP) genu NF-κBIA u badanego, a także zaobserwowane stężenia kilku cząsteczek biologicznych, w tym przypadku cytokin produkowanych przez komórki odpornościowe badanego po ich stymulacji specyficznymi bodźcami. Przewiniemy teraz arkusz w dół. Aby uzmysłowić Państwu objętość tego zbioru danych, chcemy sprawdzić, czy istnieje ogólna zależność między genotypem, czyli różnymi SNP genu NF-κBIA w tym przypadku, a zaobserwowaną odpowiedzią cytokinową.

Po przeprowadzeniu stymulacji połączymy teraz zestaw danych z programem Tableau, upewniając się, że importujemy tabelę NF kappa BIA. Po lewej stronie widać, że Tableau jest połączone z właściwą tabelą i automatycznie rozdzieliło zmienne kolumnowe na to, co w Tableau nazywa się wymiarami (dimensions) i miarami (measures). Wymiary to po prostu kolumny kategoryzujące dane, natomiast miary to wartości ilościowe w danej kolumnie.

W tej wizualizacji naniesiemy teraz na wykres poziomy stężeń bodźca w funkcji obserwowanej odpowiedzi stężenia cytokin. Obliczamy teraz średnie wartości poziomów stężeń cytokin. Kolejność poziomów stężeń jest błędna, ale można ją bardzo łatwo i szybko zmienić.

Następnie możemy zmienić widok tak, aby dopasował się do ekranu, co ułatwi wizualizację danych. Ponieważ chcemy zbadać sposób różnicowania poszczególnych genotypów, wystarczy przeciągnąć wymiar genotypu do sekcji koloru. Wizualizacja automatycznie i natychmiast rozdziela dane w zależności od genotypu.

Teraz możemy wypróbować inne formaty wyświetlania. Na przykład wykres liniowy może lepiej ukazać wzorzec, który chcemy uchwycić. Oczywiście istnieje wiele innych opcji.

Biolodzy w tej analizie sparowanej sugerują, abyśmy rozpoczęli od zbadania zależności w produkcji jednego z markerów cytokinowych zwanego TNF alpha po stymulacji odczynnikiem zwanym 3M OH OH two. Aby to zrobić, musimy przefiltrować wymiar markerów, wybierając TNF alpha, oraz wymiar stymulatorów, wybierając 3M OH OH two. Aby proces filtrowania był bardziej elastyczny, możemy wybrać opcję pokaż szybki filtr dla wymiarów markera i stymulatora, upewniając się, że jest to lista pojedynczych wartości.

Wizualizacja ta wyraźnie pokazuje różnicę w produkcji TNF alpha po stymulacji trzema różnymi poziomami MO oh two, z podziałem na genotypy zaznaczone różnymi kolorami; możemy wybrać dowolną inną kombinację wartości markerów i filtrów bodźców, a wizualizacja zmieni się odpowiednio. Podobnie jak w programie Excel, możemy tworzyć różne wizualizacje w oddzielnych kartach. W celach prezentacyjnych możemy również wygenerować widok podsumowujący wiele analiz.

W tym przypadku zbadaliśmy produkcję TNF Alpha u kilku obiektów o różnych genotypach polimorfizmu NF Kappa BIAS. W tej demonstracji z powodzeniem stworzyliśmy serię przejrzystych wizualizacji w około 1 minutę i 30 sekund, stosując podejście oparte na analizie parowej VA. Wygenerowanie podobnego zestawu wizualizacji w programie Excel zajmuje badaczowi biomedycznemu zazwyczaj 30 minut.

Poprzednim przykładem była prosta analiza dwuwymiarowa. Prawdziwa siła VA polega na możliwości jednoczesnej wizualizacji wielu wymiarów. Na przykład Tableau wspiera analizę między zbiorami danych poprzez logiczne łączenie kluczowych wartości.

Oto dwa arkusze umieszczone w tym samym skoroszycie. Pierwszy zbiór danych pochodzi z poprzedniego przykładu demonstracyjnego, a drugi to zbiór danych komórek analizowanych techniką zwaną cytometrią przepływową pod kątem produkcji wielu cytokin w tej samej komórce. Jednocześnie, parametr zwany stopniem polifunkcyjności lub PFD. Możesz nazwać arkusze, aby łatwiej było je zidentyfikować na etapie importu.

Pozwala to programowi Tableau połączyć oba arkusze kalkulacyjne. Po wybraniu opcji wielu tabel można skorzystać z funkcji dodawania nowej tabeli, aby połączyć obie tabele. Funkcja ta dołącza drugi arkusz do pierwszego i wykorzystuje instrukcje łączenia (join), aby skonsolidować zestawy danych za pomocą identycznych kluczy, takich jak typ komórki, stopień stężenia, stymulator grupy oraz identyfikator obiektu.

Należy zauważyć, że wymiary są rozdzielone według nazw arkuszy. Pozwala to na wykorzystanie wymiarów, które nie były częścią logicznego stwierdzenia połączenia. Definicja funkcjonalności polistymulacyjnej (poly functionality), na przykład, to procent komórek produkujących więcej niż jedną cytokinę.

Na przykład komórka wytwarzająca dwie cytokiny zostanie zapisana jako PFD wynoszące dwa, a komórka wytwarzająca trzy cytokiny jako PFD wynoszące trzy. W tym miejscu tworzymy jedno pole obliczone, aby połączyć te wartości w jeden parametr, który możemy wykorzystać w prezentacji wizualnej. Teraz możemy przystąpić do budowania wizualizacji.

Najpierw wykreślamy zależność stężeń cytokin od PFD przez dwa i, podobnie jak w poprzednim przykładzie, wyliczamy średnią wartość dla PFD większych niż dwa. Ręcznie ustawiamy również etykiety stężeń w kolejności od najniższego do najwyższego. Ponieważ informacje o genotypie są dostępne tylko dla części osobników w tej grupie, musimy odfiltrować wiersze danych, które nie zawierają informacji o genotypie.

Podobnie jak wcześniej, możemy szybko przeciągnąć genotyp do etykiety koloru, co pozwoli nam również odróżnić poszczególne genotypy. Następnie możemy przełączyć widok tak, aby dopasował się do ekranu, co ułatwi wizualizację danych. Możemy również zmienić wykres słupkowy.

Na przykład wykres liniowy wykonany w tej analizie daje dobry wgląd w to, jak odpowiedź CYT i odpowiedź PFP zmienia się zgodnie ze wzorcami specyficznymi dla każdego genotypu. Od razu zauważa się, że SNP NF kappa b z genotypem GG wykazuje inny wzorzec odpowiedzi w porównaniu do pozostałych genotypów. Możemy zgłębić tę kwestię, badając wpływ różnych bodźców na ten wzorzec.

Należy zauważyć, że po dodaniu LPS w wymiarze stymulacji, trzy główne genotypy wykazują podobny poziom PFD przy wszystkich stężeniach, jednak wyłącznie w przypadku stymulacji 3M MO oh dwa genotyp GG wykazuje gwałtowny wzrost PFD wraz ze wzrostem stężenia stymulanta z niskiego na wysokie. Wynik ten pozwala nam sformułować hipotezę do przetestowania w przyszłych eksperymentach, a mianowicie, że rodzaj stymulacji wpływa na PFD. W dwóch ostatnich demonstracjach zaprezentowano szybkie generowanie wizualizacji w celu wykrycia potencjalnie istotnych wzorców zarówno w obrębie pojedynczych zestawów danych, jak i pomiędzy nimi.

Możliwości analityki wizualnej można szybko rozszerzyć na duże zestawy danych, skalując wymiary analizy w zależności od zastosowania i integrując informacje z obszernych zbiorów danych. Na przykład, w przypadku licznych silosów danych generowanych w badaniach kohortowych, VA jest wysoce transferowalnym podejściem, które potencjalnie można zastosować w każdej dziedzinie dysponującej dużymi ilościami wielu różnych typów danych, w tym zestawów danych kategorycznych i numerycznych. Podejście VA oferuje dwie główne zalety.

Po pierwsze, elastyczne generowanie hipotez. Użytkownik może na bieżąco stawiać hipotezy dotyczące danych, wywodząc je z aktualnych wyników, a następnie szybko tworzyć nowe wizualizacje w celu ich zweryfikowania, co pozwala po drugie oszczędzić czas. Użyteczność i efektywność narzędzi UVA stanowią ich główną przewagę nad tradycyjnymi narzędziami do wizualizacji informacji.

Wysiłek zazwyczaj związany z tworzeniem wykresów przy użyciu tradycyjnych metod może zająć kilka dni roboczych, podczas gdy to samo zadanie można sprawnie zrealizować w ciągu dwóch do trzech godzin na platformie VA, takiej jak Tableau. Oczywistym jest, że istnieją i prawdopodobnie pojawią się inne platformy aplikacyjne, z których każda będzie miała specyficzne zalety i wady. Dodatkowy profit wynikający z podejścia do tego zadania poprzez analizę równoległą wyraźnie zwiększa ogólną korzyść z zastosowania podejścia opartego na VA w analizie złożonych danych wielowymiarowych.