MARCO RAMONI: Ceea ce voi
vorbi
după această mică
introducere despre microarray
este cum să analizez
aceste date BLAST.
Și principiul pe care
încerc să vi-l prezint
este că nu există
așa ceva ca să
vă puneți datele într-o
mașină nenorocită
și să așteptați să obțineți un răspuns.
Tipul de analiză pe care o
faci este întotdeauna
legat de
întrebarea pe care o pui.
Acesta trebuie să fie un
punct complet stupid.
Dar tragedia multor din
acest domeniu este că nu este.
Și mulți oameni încearcă de obicei
să răspundă la aceeași întrebare
folosind metode diferite
și întrebări diferite
folosind aceleași metode, ceea ce
este și mai deranjant.
Ceea ce încerc să vă spun
astăzi este ce fel de probleme
puteți aborda cu acest tip de
date și ce fel de analiză
aveți nevoie pentru a răspunde la fiecare
întrebare diferită.  Va
fi foarte de bază.
Voi introduce un fel de
noțiuni avansate la final.
Dar cea mai mare parte a
restului este foarte de bază
și este ceea ce
fac în mod obișnuit oamenii
în lucrări, în centrele genomului
și lucruri de genul acesta.
Și acest lucru este important pentru tine.
Pentru că la final,
vă voi spune veștile proaste.
Ai o misiune.
Și trebuie să utilizați
câteva programe
care descriu acest lucru.
Deci, ceea ce voi face este să
încep de la microarrays, să
vă spun ce faceți cu
clasificarea supravegheată
și analiza diferențiabilă, să
argumentez predicția
și să vă validez rezultatele.
Cum faci
analize nesupravegheate folosind practic
gruparea pentru diferite
tipuri de metode
și diferite tipuri
de experimente?
Și apoi, la final, am să
vă vorbesc
despre rețelele de bază, care sunt
acele lucruri despre care unii dintre voi
știți că sunt pasiunea mea.
Acesta este exact același slide pe care l-am
avut săptămâna trecută, acum două săptămâni.
Acest lucru este esențial pentru
biologia moleculară.
Nu o voi recapitula
aici, decât pentru a spune
că ADN-ul este copiat în ARN.
ARN-ul este copiat în proteine.
Proteinele fac toată treaba.
Deci, săptămâna trecută, am
vorbit despre ADN.
Astăzi, vorbim
despre ARN, bine?
Deci toate celulele tale din
corpul tău provin din aceeași celulă.
Și toate au
același cod ADN.
Ceea ce face un neuron
diferit de o unghie
este faptul că proteinele care sunt
făcute din aceasta sunt diferite.
Așadar, același cod va
exprima diferite tipuri
de ARN, care la rândul lor vor fi
transformate în proteine ​​diferite.
Și acestea vor da diferitelor
celule natura lor diferită
.
Ideea de a studia acest lucru se
numește genomica funcțională.
Ceea ce am vorbit
săptămâna trecută a fost genomica structurală.  Ne
uitam la
structura ADN-ului.
Acum ne uităm la
acțiunea acestui ADN.
Și ne uităm
la funcția
pe care o îndeplinește fiecare celulă diferită
în timp ce există.
Scopul jocului este elucidarea
funcțiilor și interacțiunilor
dintre gene.
Acum, genomica funcțională
este un lucru foarte vechi.
Adică, nu ai nevoie de
informaticieni
pentru a face genomica funcțională.
Genomica funcțională înseamnă
încercarea de a înțelege ce este
exprimat într-o anumită celulă.
Și o poți face cu mâna.  O
poți face o
genă la timp.
Și oamenii au făcut
o genă la un moment dat pentru totdeauna.
Ceea ce se schimbă în
genomica funcțională modernă
este introducerea
micromatricelor,
care sunt aceste
platforme care
ne permit să ne uităm la toate
transcrierile, tot ARN-ul,
fiecare genă dintr-o celulă și să
vedem ce este exprimat
și ce nu.
Aceasta este ceea ce este schimbat.
Și de aceea aveți nevoie,
în acest moment, de
informaticieni.
Dar există o mică
schimbare diferită în asta.
Există o
schimbare intelectuală în asta, o
schimbare intelectuală foarte dramatică în asta.
Dacă trebuie să iau o genă
pentru a vedea dacă această genă este exprimată
într-o celulă, trebuie să intru și să
citesc lucrări și, la un moment dat,
să decid cum să-mi aloc
următoarele două săptămâni sau doi ani
pentru a vedea expresia
acestei gene.  o anumită genă.
Uneori am nevoie de bani.
Așa că trebuie să pun în scris -
altcuiva care
sper să-mi dea bani -
de ce
este importantă această genă, nu?
Acum, cu microarrays,
nu trebuie să facă asta.
Cu microarray,
folosesc un microarray.
Și pentru un țesut, ceea ce
observă sunt 40.000 de gene.
Nu trebuie să justific
ce genă mă interesează.
Mă uit la toate.
Și aceasta este o
consecință foarte interesantă.
Unul... unul e misto.
Unu, pot privi
totul în acțiune.
Pot încerca să fiu
surprins de rezultatele mele.
Dar celălalt lucru este că
primesc un tip foarte diferit
de informații.
Adică, să presupunem că am
petrecut doi ani să văd
dacă o anumită genă este
exprimată într-o anumită celulă.
Și ceea ce obțineți la
sfârșit sunt două imagini -
una cu această genă
într-o celulă normală
și cealaltă în celula de care
sunteți interesat -
și vedeți dacă există
vreun fel de schimbare.
Și pe o parte
vezi o minge de această dimensiune.
Și pe cealaltă parte
vezi o minge de această dimensiune.
Faceți poze și
trimiteți hârtia, nu?
Asta fac oamenii.
Și, probabil, vei
face în--
după ce vei petrece doi ani--
poate chiar dacă mingea
nu este chiar atât de mare,
vei face un
argument foarte lung că această minge este cu
adevărat, foarte mare.
Și există un
motiv special
pentru care nu ar trebui să iei această
minge atât de mică pe cât este, nu?
Acum, când ai micromatrice,
măsori toate genele.
Deci, chiar dacă mingea
nu este atât de mică,
poate că există multe alte
bile care sunt mult mai mari.
Deci, în acel moment, este
destul de dificil să spun, știi
, gena mea este
oarecum interesantă.
Pentru că se termină că
gena ta este exprimată
ca alte 20.000 de gene, nu?
Deci, obțineți o altă
informație
uitându-vă la întregul genom.
Obțineți și care sunt
cele mai dramatice schimbări.
Care sunt cele mai
dramatice lucruri care
se întâmplă în acea celulă?
Și acest lucru este destul de
interesant pentru că produci
un nou stil intelectual.
Noul stil intelectual
nu este bazat pe ipoteze și a
fost un dezastru pentru
cultura cercetării biomedicale --
pentru noi, practic -- și
încă este o mare problemă
atunci când depuni granturi.
Când depuneți granturi, modul în care
scrieți granturile înseamnă că
aceasta este ipoteza mea.
Acesta este motivul pentru care
cred că acest lucru este adevărat.  De
aceea cred că acest lucru este
important și interesant.
Aceasta este ceea ce alți
oameni au văzut --
și eu, am văzut --
pentru a susține această ipoteză.
Și asta am de gând să fac.
Acum, aici, ipoteza...
ce naiba este ipoteza?  Nu
știu.
Am o schemă foarte vagă.
Și pot spune, ei bine,
știți, ipoteza mea
este că genele exprimate
în cancerul de prostată
sunt diferite de genele care nu sunt
exprimate în țesutul normal.
Vai, ce ipoteză.
Adică, nu trebuie
să mergi la liceu
pentru a veni cu o
ipoteză ca asta, nu?
Dar apoi
stilurile intelectuale sunt complet diferite.
Deci ne îndreptăm
spre ceva care
are niște statistici simple
și o tehnologie simplă,
dar care are un impact mult mai larg
asupra modului în care oamenii
gândesc despre biologie.
Una dintre cele mai dragi citate ale mele
este de la un fizician
din secolul al XIX-lea
care spunea
că „există două
tipuri de știință, fizica
și colecția STEM”.
Ceea ce înseamnă aceasta este
că fizica oferă modele
matematice, cantitative ale
fenomenelor.
Colecțiile STEM
circulă și măsoară animalele,
pune-le în
colecția ta, albumul tău
și arată-le prietenilor și
poate aranjează-le într-un fel.
Ceea ce face acest lucru
peisajului intelectual
al biologiei moderne este, sperăm,
să transforme colecția STEM
într-o
știință extrem de cantitativă.
Personajele care stau în
spatele tuturor acestor lucruri
sunt tehnologia microarray--
microarrays.
Ei sunt capabili să măsoare
expresia a mii
de gene în același timp.
Și acum avem
micromatrice care sunt capabile --
pe o bucată mică de
plastic de această dimensiune --
sunt capabile să măsoare
expresia a 55.000 de
transcrieri, care includ toate
cele 35.000, 40.000 de
gene estimate din genomul uman.
Din punct de vedere tehnic, un microarray este --
deși se numește matrice,
este de fapt un vector.
Deci, pentru fiecare celulă
din matricea mea, am
o etichetă care îmi spune
numele genei de acolo.
Și apoi am
valoarea expresiei
pentru acea celulă anume.
Deci, la sfârșit, când
le adună împreună,
ele devin un vector care se
asociază cu fiecare genă - valoarea
sa particulară
de expresie
într-o anumită
celulă sau un țesut.
Prin urmare, matricele --
pentru că, desigur,
dezvăluirea unui vector de 25.000 de
gene, a 25.000 de celule mici,
este mai puțin convenabilă din
punct de vedere geometric
decât a pune jos
un lucru pătrat.
Ocupă mai puțin spațiu.
Ele se numesc matrice, dar
asta poate induce în eroare.
Și există două tipuri de
matrice care sunt
utilizate în prezent mai frecvent.
Unul se numește
ADNc, iar celălalt
se numește
micromatrice de oligonucleotide.
Am de gând să vă spun într-
o secundă care sunt.
Cum funcționează aceste lucruri?
Funcționează inversând
fenomenul natural
al transcripției, nu?
Așadar, ideea este că am
lipici special în fiecare celulă care
are forma exact
ca transcrierea
pe care doresc să o măsoare.
Apoi, voi avea țesuturile mele
care merg pe acest microarray.
Și printr-o metodă diversă, se
vor hibridiza.  Se
vor atasa de celulele
care le sunt specifice.
Și apoi, le spăl.
Și ceea ce trebuie să
facă la sfârșit
este pur și simplu să măsoare
câte din acest ARN
sau cât din acest ARN a
rămas dintr-o anumită celulă.
Cum o fac practic?
Funcționează așa.
Primesc o grămadă de șervețele.  Să
zicem că am doar un
șervețel, deocamdată.
Eu produc un
singur microarray, nu?
Îmi iau șervețele.
Extrag ARN-ul.
Și etichetez acest ARN cu
bucăți de ARN transcris
cu un colorant fluorescent.
Apoi, le-am pus în
mașina de spălat vase, stația [INAUDIBLE]
, care este
de fapt o mașină de spălat microarray.
Și îl hibridez.
L-am pus acolo.
Și apoi îl scanez.
Deci, ceea ce s-a întâmplat este
că... vă amintiți,
acest ARN este lăsat atașat
la aceste celule.
Și pentru că l-am etichetat--
este etichetat cu un
colorant fluorescent--
aș avea mai multă intensitate
în acele locuri în care
sunt atașate multe lucruri.
Așa că, odată ce
îl spăl, pot
folosi un scaner, ca cel pentru
fotografia ta de acasă, exact
un scaner.
Și acel scaner va
veni cu o imagine care
arată ca aceasta, în
care fiecare bilă reprezintă
cât de mult ARN a rămas în
acel loc anume.
Pentru că eu am creat
sau altcineva pe care îl
plătesc a creat
acel loc anume,
știe exact care este
transcrierea care este acolo.
Și vă pot spune că
al treilea loc din stânga
este gena [INAUDIBILĂ]
[?  lucernă.  ?]
Pot să mă duc să măsoare
intensitatea acestei gene
și apoi să transform totul
într-o bază de date.
Știu pentru fiecare sondă
ce reprezintă.
Și pentru fiecare microarray,
pot măsura cât de mult din aceasta
este estimată în eșantionul meu.
Întrebare?
Așa arată.
Acestea sunt microarrays ADNc.
Microarray ADNc--
Am mințit puțin.
Nu puteți folosi scanere pentru asta.
Folosești un fel de
chestii cu laser pentru a citi aceste puncte.
Dar ideea este că
în această micromatrice,
copiați întreaga
transcriere a unei gene.
Deci știu cum o
anumită genă...
care este secvența
care este transcrisă
pentru o anumită genă.
Fac 1.000 de clone sau un
milion de clone din asta.
Și le-am pus într-un singur loc.
Acum acest microarray
are două canale pe
care le pot citi folosind
scanarea laser, OK?
Deci voi avea două mostre.
Și vopsesc unul în roșu
și unul în verde.
Și le-am pus pe
acest microarray.
Și vor concura
competitiv-- se hibridizează
cu acesta.
Deci, dacă ambele lucruri sunt foarte
exprimate, ceea ce voi vedea
este ceva care este galben.
Dacă niciunul dintre ele nu este exprimat,
ar fi un fel
de lucru negru-cenușiu.
Și dacă verdele este mai
exprimat decât roșul,
va fi verzui.
Și dacă roșul este mai
exprimat decât verdele,
ar fi roșcat.
Și puteți vedea
aici... vedeți o mulțime
de bile galbene, puține
bile verzi și puține roșii
și foarte multe negre.
Ce-i asta?
PUBLIC: Doar o întrebare de bază.
Ce fel de
informații diferite
veți obține de la
[?  matrice?] spre deosebire
de intensitatea [INAUDIBILĂ].
Obțineți ceva diferit...
MARCO RAMONI: Nu, asta a
fost doar pentru că
era originalul...
originalul a fost făcut astfel.
Pentru a folosi un scaner--
ceea ce cred că vei face--
pentru a folosi un scaner,
trebuie să folosești
tehnologia silicon.
Și acestea sunt lame de sticlă.
Deci
este mult mai ușor să construiești astfel de lucruri.
Puteți construi aceste
lucruri acasă.
Puteți cumpăra un robot care
va identifica petele pentru dvs.  Micromatricele de
oligonucleotide --

vă voi arăta în al doilea rând --
folosesc un alt tip de tehnologie
care necesită într-adevăr
o linie de producție.
Deci nu este
ceva ce poți face.
Deci aceste lucruri
vă oferă de fapt flexibilitate.
Dacă sunteți interesat de 1.000 de
gene în loc de 40.000, o
puteți face.
Un alt lucru este că
costă mult mai puțin.
Problema este că,
pentru că copiezi
întreaga transcriere, atunci când îți
scoți ARN-ul dintr-o celulă,
îl blochezi.
Apoi îl vopsești.
Acum, ceea ce s-a întâmplat
este că s-ar putea să
plutească o mulțime de prostii
care nu au
legătură cu gena ta.
Pot exista fragmente foarte,
foarte mici
care sunt hibridizate
la o secvență aleatorie
în clonele tale, doar pentru că
sunt
foarte mici pentru a hibridiza acolo.
Dar totuși, vor
aduce vopsea fluorescentă
în acel loc anume.
Deci precizia
acestei măsurători
nu este chiar atât de
mare pe cât ar putea fi.
Obțineți multă
hibridizare aleatorie.
Există trucuri pe care le
poți juca pentru asta.
Deci, dacă doriți să faceți un
experiment comparativ,
puteți pune o condiție
într-una și o condiție
în celălalt canal.
Dar puteți folosi un
fel de supă de ARN
care nu ar trebui
hibridizată cu nimic
și să o puneți pe un canal.
Deci, dacă obțineți o mulțime de
hibridizare aleatorie pe o parte,
aceasta o va prelua și va face
punctul dvs., locul dvs., galben.
În acest caz, veți trata
galbenul și negrul exact
în același mod.
Nu e ca,
nu, sunt indecis.
Amandoi sunt sus.
Veți spune, ei bine, asta
a terminat, dar a terminat din cauza
unei posibile
hibridizări aleatorii.
Rezoluția este de a folosi
metode de calcul.
Și aceste micromatrice
produse de Affymetrix
sunt ca Microsoft Office.
Este ceva pe care
toată lumea îl folosește.
Sunt mult mai scumpe
decât ar trebui să fie.
Și toată lumea urăște Affymetrix.
Dar totuși, nu poți
trăi fără Microsoft.
Nu poți trăi
fără Affymetrix.
PUBLIC: Ultimul
slide a fost o matrice cADN?
MARCO RAMONI: Da, a fost.
Deci cADN înseamnă că
puneți întreaga transcriere.
Și de obicei aveți
acest colorant cu două canale.
[INAUDIBLE] este un mare expert
în micromatrice ADNc, care
provine de fapt de la unul dintre
primele departamente care
au făcut microarray ADNc.
Si este [?  Formica, nu?  ?]
Deci, micromatricele de oligonucleotide
urmează această idee.
OK, am întreaga mea transcriere.
Și problema mea este această
hibridizare aleatorie.
Ce pot face?  Ei
bine, pentru că am
genomul uman--
întreaga schiță a
genomului uman--
pot să iau această
genă și să aflu
dacă există o secvență, o
secvență mică în această genă,
care este unică pentru această
genă anume, nu?
Deci, în acest caz, chiar dacă
secvența este mică,
dacă partea ruptă de ARN
din proba mea este mică,
nu se va hibridiza
acolo deoarece această secvență
este prea mică și prea specifică.
Așadar, ideea aici pentru
micromatrice de oligonucleotide
este de a spune că
îmi voi lua transcrierea --
toată transcrierea,
subsecvența
transcrierii --
și o voi
preleva probe de 20 de ori,
între 16 și 20 de ori
și  află aceste 25 de
secvențe mici care
sunt specifice acelui lucru.
Și, pentru bună măsură,
voi crea o altă secvență,
o secvență care este exact la
această secvență foarte specifică,
cu excepția faptului că am baza
în mijloc care este răsturnată.
Și apoi verificăm
că secvența
cu acea bază în mijloc
nu este specifică nici unei alte gene.
Deci am avut un control pozitiv
și un control negativ.
Și în acest fel, ceea ce
voi face
este să am o
măsurătoare foarte specifică
și o măsurători foarte specifice
de hibridizare aleatorie.
Apoi, odată ce am
aceste 20 de măsurători,
voi găsi câteva statistici
pentru a le pune cap la cap.
Nu este ușor pentru că
aceste măsurători nu sunt
măsurători independente.
Dar nu contează.
Voi pune aceste lucruri
împreună cumva.
Și măsura pe care o primesc
la sfârșit va
fi destul de precisă, nu?
Acesta este motivul pentru care
costă mulți bani.
Acesta este motivul pentru care se
lucrează mult în calcul
, pentru că
trebuie să cauți
toate aceste secvențe.
Și acesta este motivul pentru care, uneori, aceste
micromatrice se
încurcă complet.  A
existat un
caz celebru cu câțiva ani în
urmă în care au creat
un nou microarray de șoarece.
Și cineva--
nu-mi amintesc unde-- a
reanalizat secvențele
microarray-ului lor--
noua ediție a
microarray-ului mouse-ului--
și a aflat că aproximativ 25%
dintre acestea au fost distruse.
Nu erau specifice.
Nu urmau
designul standard.
Buna ziua?
Bine, așa
arată ele.
Acesta este microarrayul de scanare.
Acesta este microarray Affymetrix.
Așa s-a scanat.
Petele mici de aici pe
transcrierile mai lungi,
dar sunt aceste sonde
care prelevează probe pentru o
anumită secvență specifică.
Și sunt împrăștiați
în microarray,
astfel încât, dacă s-ar întâmpla ceva rău
într-un colț,
nu ar afecta
altceva.  În
caz contrar, ați putea avea
prejudicii în întregul microarray.
Erau unul
lângă altul.
Întreaga ta microarray
va fi distrusă.
Și așa ar trebui,
teoretic, să arate o sondă
atunci când este hibridizată.
Acolo sus, toate aceste transcrieri
sunt mai mult sau mai puțin hibridizate.
Și acolo jos,
hibridizarea aleatorie
nu este chiar hibridizată.
Dar
hibridizarea rezultată va
fi diferența dintre
hibridizarea reală
și hibridizarea aleatorie
pentru fiecare sondă,
pentru fiecare pereche de sonde,
negativă și pozitivă,
și apoi o măsură globală pentru a
le pune împreună, cu care nu
vă voi deranja.
Deci care este problema?
Problema este că aceste
lucruri costă 1.000 de dolari pe pop.
1.000 de dolari un pop înseamnă o mulțime de bani.
Și îți amintești despre
ce vorbeam...

lucrul bazat pe ipoteze.
Când oamenii desenează bile
pentru un singur microarray,
de obicei o fac de două ori,
cel mult, de trei ori.
Dar dacă măsurați 40.000 de
gene în același timp... ei
bine, măsurarea de două ori va
fi și o mică problemă,
pentru că nu aveți nicio
ipoteză de demonstrat, nu?
Deci, aici
intervine conflictul cultural major.
Atunci când oamenii analizează
datele, chiar și în domeniile medicale,
baza de date arată așa.
Există câteva variabile
și o mulțime de cazuri.
Setul de date microarrays
arată de obicei astfel.
Aveți o mulțime de variabile,
mii de variabile
și foarte puține măsurători.
Și este destul de amuzant
să-i vezi pe acești oameni care
lucrează la genetică și
definesc din punct de vedere genomic.
Deci, atunci când proiectează un
experiment genetic pentru SNP,
ei colectează 5.000 de pacienți,
2.000 de pacienți, 3.000 de pacienți,
deoarece
dimensiunea eșantionului este necesară
pentru a analiza câteva SNP.
Dar atunci când
fac microarrays, se
așteaptă să găsească
[INAUDIBLE]
5 microarrays
din 45.000 de sonde.
Sunt exact aceiași oameni.
Deci, ce poți face cu asta?  Ei
bine, permiteți-mi să
vă prezint o noțiune care
vă va rămâne foarte prețioasă.
Când oamenii vor fi confuzi,
așa cum sunt unii oameni,
veți avea un
răspuns foarte ușor și rapid.
Care este diferența dintre
supravegheat și supravegheat?
Este exact diferența
dintre un film normal și un
film PG.
Supravegheat înseamnă că
există ceva sau cineva care
supraveghează.
Îți spun lucruri.
Asta face un supervizor
, vă spune lucruri.
Deci un
lucru supravegheat înseamnă că
au fie un om, fie
un fel de semnal care
îmi va spune ce înseamnă o anumită
probă, nu?
O problemă tipică supravegheată
este să
încercăm să decidem ce a
caracterizat oamenii
dintr-o anumită cameră.
Obțin măsurători din
această cameră și din acea cameră.
Și în această sală, acesta
este un curs gradat
de genomică funcțională.
În cealaltă cameră este o clasă
de la școala de stomatologie.
Și să facem diferențe.
Avem proprietăți
ale acestor oameni.
Să vedem ce este diferit.
Dar vă voi spune
că oamenii din această cameră
sunt diferiți de
cei din acea cameră.
Și acesta este ceea ce se numește
semnalul tău de antrenament,
diferența
dintre două grupuri.
Într-un lucru nesupravegheat,
știu că nu am supraveghere.
Sunt destul de mare ca să merg
la un film cu rating R.
Deci întrebarea
în acest caz este --
am o grămadă de oameni --
există grupuri printre ei?
Sunt oameni care
seamănă mai mult cu alții.
Sunt oameni care
controlează pe alții.  Se
pare mai degrabă,
pot spune, bârfă,
găsind povești în aceste lucruri.
Dar ei răspund la două
întrebări foarte diferite.
Prima este, ce este diferit
între aceste două
grupuri de oameni?
Și celălalt este ceea ce este
asemănător, sau ce este legat,
sau care sunt
stratificarea, sau care
sunt lucrurile pe care le
avem în comun
între acești oameni diferiți?
Devine clar.
Deci, ce putem face
cu microarray?
Cu cuptorul cu microunde... ei bine,
primul lucru pe care îl putem spune
este, OK, am două
condiții experimentale.
Și scopul meu este să văd care
gene sunt exprimate mai mult
și care gene sunt exprimate
mai puțin în această stare, nu?  Un
exemplu tipic este cancerul.
Am o grămadă de
oameni cu cancer.
Am o grămadă de
oameni fără cancer.
Rulez microarrays și apoi
văd ce este diferit.
Ce înseamnă?
Ei bine, înseamnă că au
țesuturi din celule sănătoase
și din celule tumorale.
Și pentru fiecare probă,
voi crea o microarray.
Și așa
va arăta, la sfârșit, baza mea de date.
Deci prima coloană
reprezintă numele
genei, numele
transcriptului la care se uită direct.
Și a doua coloană
reprezintă valoarea
pentru acea transcriere pentru eșantionul
unu, eșantionul doi, eșantionul trei,
proba patru și proba cinci.
Și apoi, am să
vă spun, ei bine,
eșantionul unu, eșantionul doi, eșantionul
trei aparține unei singure categorii,
sunt în această cameră.
Și eșantionul patru și
cinci sunt în acea cameră.
Du-te și găsește ce este diferit
între aceste două lucruri.
Acum, ce
înseamnă cu adevărat... ce este diferit?
Amintiți-vă, deci dacă
o facem cu mâna,
putem face fotografii cu
mingi și putem spune că această minge este
mai mare decât aceasta.
Dar dacă am 50.000,
40.000 de bile, ce o să
fac în privința asta?  Ei
bine, ceea ce vor
să facă, în acest caz,
este să găsească ceea ce este mai mult
exprimat într-o parte
decât în ​​alta.
Și prevederea valutară-- pe
care vă voi spune într-
o secundă--
moneda acestor
măsurători se numește pliuri.
Fold este de câte ori o
condiție este mai exprimată
decât cealaltă condiție.
Acum problema este
că acest lucru este bine
când ai o singură minge.
Dacă am 50 de pacienți,
ce naiba fac?
Ar trebui să iau media?
Sigur.
Pot să iau media, dar
atunci nu am nicio măsură
a variației datelor mele.
Poate am două lucruri care
mediul sunt foarte îndepărtate.
Dar, deoarece variația este
foarte mare, acestea se vor suprapune.
Deci nu există prea multe dovezi
că pot colecta.
Deci, alte măsuri sunt lucruri
precum diferențele standardizate
și fac diferența
și le standardizează
prin varianță, care va
lua cumva în considerare
varianța, adică
sub presupunerea
că aceste lucruri sunt
distribuite în mod normal,
astfel încât acest tip de varianță
are orice statistică.  sens.
Atunci ce faci?  Ei
bine, atunci decid
pragul.
Înțeleg peisajul
acestui lucru.
Și voi spune că primele 50 de
gene sunt ceea ce îmi place de fapt
și cele mai inferioare 20 de gene.
Primele 50 sunt cele care
se schimbă mai mult într-o condiție,
iar cele de jos sunt
cele care se schimbă mai mult
în cealaltă condiție.  O să iau

chestia asta și să văd dacă
există ceva interesant.
Ceea ce fac oamenii de obicei
este să inventeze povești
sau să scoată o proteină -
cum fac oamenii cu
proiectul lor - să scoată proteina
și să văd dacă pot într-adevăr -
o genă, să aflu proteina
și să aflu de fapt.  dacă
această proteină face ceva
cu fenotipul meu.
Acest proiect, care este un
proiect despre preeclampsie,
investigatorul de acolo...
primești doar două micromatrice
de la o preeclampsie -
preeclampsia
este o boală pe care femeile o
fac în timpul sarcinii.
Este o boală foarte rea--
și placenta normală, comparați-
le și scoateți proteina.
Puneți proteina în șoareci
și am aflat că șoarecii
sufereau de preeclampsie.
Există astfel de
lucruri exploratorii.
În acest caz, ceea ce
mă interesează
este să aflu o nouă ipoteză.
Apoi pot testa într-un
fel de cadru de laborator.
După cum am spus, pentru că, în acest
caz, am doar două mostre.
Dar să presupunem că am mai mulți
pacienți, ce pot face?
O altă problemă pe care o
avem aici este
că nu suntem cu adevărat siguri
ce fel de distribuții
rulează acest microarray.
Deci ceea ce spun oamenii este
că, pentru că nu știam
distribuția, să folosim o
metodă fără distribuție, ceea ce
este o idee bună.
Dar este o idee care se
bazează pe speranța
că există un
prânz gratuit al vieții.
Și nu există
prânz gratuit în viață.
Nicio metodă parametrică,
metoda fără distribuție
necesită multe date pentru că
trebuie să faci două lucruri.  În
primul rând, trebuie să decideți ce
fel de distribuție aveți,
implicit.
Și apoi, trebuie să
rulați testul.
Oamenii folosesc
metoda parametrică de obicei
pentru că au o
idee despre distribuție.
Și astfel au nevoie de mai puține
date pentru a se potrivi acestui test.
Dacă ai puține date și
habar n-ai despre distribuție,
ești nenorocit.
Și executarea unui
astfel de test tinde
să fie un fel de periculoasă.
Unul, pentru că, de obicei,
dimensiunea eșantionului
este prea mică pentru a rula un
test parametric adecvat.
Doi, pentru că
oamenii frecventiști au aceste lucruri
numite valori p.
Valorile P sunt
animale foarte interesante.
Care este valoarea p?
Cine îmi dă o
definiție a valorii p?
PUBLIC: [INAUDIBIL]
MARCO RAMONI: Vorbește.
PUBLIC: Probabilitatea ca...
MARCO RAMONI: Două
lucruri sunt diferite?
PUBLIC: - că înseamnă
[INAUDIBIL] foarte diferit.
MARCO RAMONI: OK, așa
cred pacienții.
Dar pentru a face asta...
lucrezi prea mult cu pacienții.
Și aceasta este o
măsură foarte rezonabilă.
Sunt interesat să
aflu care este
probabilitatea ca aceste două
lucruri să fie diferite, nu?
Aceasta nu este valoarea p.
Valoarea p este probabilitatea
ca veți face o greșeală
dacă repetați
experimentul de N ori
și îl calculați ca număr
de ori în care veți greși
repetarea acestui
studiu, care este
extrem de
[?  masturbational ?] masura.
Nu există nicio relație
cu probabilitatea
ipotezei tale.
Și este foarte greu
de pus în practică.  În
primul rând, oamenii ar
trebui să-mi explice
de ce ar trebui să-mi repet
experimentul de 100 de ori când
deja repet 20.
Și asta știu, nu?
Restul este
ghicire educată sau needucată.
Dar valoarea p, în acest caz,
are această altă mică problemă.
Pentru că repet
experimentul de multe ori,
uneori lucrurile pot
apărea la întâmplare.
Deci, dacă spun, OK,
voi accepta ceva
dacă probabilitatea mea este de 5% --
deci valoarea p este 0,01 --
dacă testez două
ipoteze, pentru a menține
același nivel de
eroare, pentru că
am  probabilitatea ca
ceva să iasă
la întâmplare -
presupunând că aceste două
teste sunt independente -
trebuie să înmulțesc
probabilitatea acestei valori p,
nu?
Deci pragul meu real pentru a obține o dovadă de 5%
a unei valori p ar fi
produsul acestor două 5%
pentru a menține același nivel
de putere a dovezilor.
Acum imaginați-vă dacă trebuie să
înmulțiți 0,05 de 40.000 de ori.
Ce fel de prag ai?
Nimic.
Nimic nu va trece
testul respectiv.
Aceasta se numește
corecție Bonferroni.
Nimic nu va trece testul.
Am un prieten foarte drag
de-al meu
care este foarte frustrat
de acest lucru și a decis
să devin biolog după ce a
încercat să folosească p-testul
pentru acest tip de experimente.
Pentru că pragul,
dovezile acceptate
sunt 0,05%, se vor întoarce împotriva
ta atunci când îți testezi
ipoteza de 40.000 de ori.
În plus, aceasta este în
condiția cea mai blândă.
Pentru că vei presupune
că toate ipotezele tale
sunt independente.
Dar știm că
acest lucru nu este adevărat.
Știm că aceste gene se
reglează reciproc.
Deci probabilitatea să se
întâmple ceva
nu este independentă de
probabilitatea să se
întâmple altceva, bine?
Deci, chiar și în cea
mai simplă condiție,
avem o mică
problemă cu asta.
Deci ce putem face?  Ei
bine, vă spun într-
o secundă ce putem face.
Dar ce putem face mai departe,
nu pentru experiment,
ci în general,
așa că odată ce am diferențele...
OK, pot să mă întorc în laboratorul meu și să
pun proteina în câțiva
șoareci și să văd ce s-a întâmplat.
Dar nu există
ceva mai bun pe care să le
pot face folosind aceste diferențe?  Ei
bine, poate pot face
modele predictive.
Modelele predictive, mai degrabă
decât să utilizeze proteine ​​-
o proteină la un moment dat,
ceea ce se numesc markeri -
sunt capabile să pună laolaltă
un lot de proteine
și să ofere un
profil, o predicție
pentru un anumit rezultat.
În acest caz, poate pot
prezice dacă un anumit țesut
este o tumoare sau nu.
Pot prezice dacă un anumit
țesut este un tip de tumoare
sau nu este un tip de tumoare.
Poate că acest tip de tumoră
necesită terapii diferite.
Poate pot prezice
cât timp va dura
un anumit
țesut să revină
ca cancer, pentru că
găsesc o anumită semnătură.
Acum cum aflu semnătura?
Trebuie să rulez un joc
numit selecția caracteristicilor.
Selectarea caracteristicilor
este... Am o clasă.
Am toți acești
predictori împreună.
Și voi selecta unii
dintre ei ca predictori buni
pentru [?  C. ?] Nu pot
folosi toate astea, nu?
De ce nu le puteți folosi pe toate?
Pentru că predicția bună vine
din specificitate, nu?
Mă bucur că ești de acord cu
asta, pentru că nu este chiar o afirmație
atât de normală
de acceptat.
Oamenii cred că
folosești 40.000 de variabile,
vei oferi o
predicție mai bună
dacă folosești cinci variabile
independent de calitatea
acestei variabile.
Adică, atâta timp cât aceste
cinci variabile sunt un subset
al celor 40.000 de variabile.
Dar suntem cu toții de acord că acest lucru
nu se întâmplă, nu?
Dreapta?
Dacă cineva are o
îndoială, am o glumă.
OK, nu glumă.
Deci ce fac?  Ei
bine, vreau să identific acele
gene care îmi prezic clasa,
setul de gene care
prezic clasa.
Deci, dacă selectez caracteristicile
, de obicei
măresc
acuratețea predictivă.
Primesc o prezentare mai competitivă
.
Pot obține o perspectivă asupra
procesului care se poate întâmpla.
Deși, amintiți-vă, aceasta nu este
doar o analiză diferențiabilă.
Este ceva
pe care vreau să-l folosesc
ca un set de prognostic sau diagnostic
de markeri atunci când sunt combinați.
Și de ce
sunt importante diferențele?  Ei
bine, pentru că pornim
de la presupunerea
că, dacă două lucruri sunt
exact aceleași în două
eșantioane, este foarte
dificil ca acestea să
poată
discrimina între ele.
Deci, clasificarea, care este
această sarcină în selecția caracteristicilor,
seamănă uneori foarte mult
cu analiza diferențiabilă,
dar nu este.
Am o întorsătură la sfârșit.
Și scopul
jocului meu nu este
să aflu ce este diferit.
Este găsirea a ceea ce este predictiv.
Și exemplul este... se presupune că
vă dau două grupuri de oameni.
Și nu știți,
dar un grup sunt bărbați
și celălalt grup sunt femei.
Și apoi vă dau o listă cu
proprietățile acestor oameni.
Și ar fi
multe diferențe.
Femeile tind să fie puțin
mai scunde decât bărbații.
Femeile tind să aibă mai mult
păr la o anumită vârstă.
Femeile tind să câștige mai puțini bani.
Dar există câteva
diferențe anatomice
care sunt cu adevărat buni predictori
ai acestor diferențe.
Nu înseamnă că nu
există altă diferență.
Dar înseamnă că această
caracteristică anatomică
este un predictor perfect
între bărbat și femeie.
Deci, dacă faci
analiză diferențiabilă, s-
ar putea să fii
interesat și de faptul
că acești oameni au
diferențe de venit.
Dar dacă incluzi acești factori
în modelul tău predictiv,
poate pentru că sunt scund și
nu câștig mulți bani,
ajungi să
mă clasifici drept femeie, bine?
Poate să vă încurce ideile.
Deci spuneam că
metoda neparametrică
are mici
probleme cu asta,
deoarece nu
avem suficiente mostre.
Dar avem clasificatori care
sunt clasificatori parametrici.
În acest caz,
facem o presupunere cu
privire la distribuția
datelor noastre.
Și apoi încercăm să ne potrivim
datele în această distribuție,
economisindu-ne astfel mult efort
în colectarea mai multor date.
Pentru că datele sunt foarte
complicate, iar ipotezele
sunt ieftine.
Putem de fapt să ne validăm
ipotezele după aceea.
Deci, așa cum știți mulți dintre voi
, acesta se numește Clasificator Bayes Naiv
, în care presupun
că fiecare genă de acolo este
independentă condiționat,
având în vedere clasa.
Nu înseamnă că
este independent, nu?
Așa cum făceam înainte...
făceam teste independente,
vă amintiți?
Testele independente
presupun că
sunt marginal independente.
În acest caz, sunt
independenți condiționat.
Independent condițional este
că, odată ce cunosc clasa,
nu dau nici un ban despre
dependența dintre aceste două
gene.
Poate că există o
relație foarte complicată
între gena unu și gena a doua.
Dar pentru că
interesul meu, în acest caz,
este să găsesc o clasificare,
nu mă interesează.
Pentru că în ceea ce privește
clasificarea clasei
, aceste lucruri
nu sunt legate, nu?
Deci este ca o
presupunere slabă a independenței în care
slab, în ​​acest caz, înseamnă bine.
Pentru că nu
forțăm o presupunere
prea puternică în
analiza datelor dvs.
Odată ce am asta, fug... lasă-mă să mă
întorc o
secundă la asta...
cealaltă.
Vreau cealaltă poză.
Haide.
Vezi asta?
În acest caz, genele mele sunt
marginal independente.
Săgeata merge în
cealaltă direcție, nu?
Deci toate aceste gene
[?  cauza?] clasa mea,
dar sunt independente.
Și aceasta este structura
unui clasificator standard.
În celălalt caz, sunt
independenți condiționat,
având în vedere clasa.
Așa că, odată ce am acest
model special,
am selectat care sunt
genele care îmi plac.
Am estimat
modelul parametric.
Apoi, pot face predicții.
Deci, dacă aș fi folosit un fel de
analiză diferențiabilă folosind
un
test neparametric, prin definiție,
nu am parametri.
Este neparametric.
Deci nu pot face o
predicție cu
setul de parametri [?  inferior.  ?] Ceea ce
folosesc oamenii sunt lucruri numite amestec
de experți, în care atribuie
un fel de greutate arbitrară
diferitelor gene.
Și fiecare genă va
fi ca un expert,
judecând dacă acest
țesut anume este un cancer
sau nu este un cancer.
Dar aceste ponderi
sunt de fapt încorporate
în orice
model parametric pe care îl obțineți,
care este
probabilitatea de a observa
acea anumită genă
exprimată, dat fiind faptul
că aveți o schimbare în
clasa dvs., că clasa este tumoră
sau nu tumoră.
Așadar, puteți aplica teorema lui Bayes
și puteți inversa acele erori
și puteți obține
probabilitatea posterioară
ca eșantionul dumneavoastră particular să
fie o tumoare sau să nu fie o tumoare.
Asa functioneaza.
Ei bine, asta tocmai am spus.
[INAUDIBLE] a avut-o pe aceasta.
Deci am o clasă.
Și sunt interesat de
probabilitatea clasei, având în vedere profilul
molecular al eșantionului
, care
este noul meu pacient care vine.
Și, aplicând regula lui Bayes,
pot calcula efectiv.
Deoarece probabilitățile pe care le
am sunt probabilitatea
fiecărei caracteristici având în vedere
clasa, care
este direcția săgeții.
Regula lui Bayes îmi va permite să
răsturn această regulă înapoi, să
o aplic ca produs și să pun
toate aceste lucruri împreună
într-o singură
probabilitate posterioară.
Este doar suma
acestei probabilități.
Am un alt
lucru interesant cu asta... o
altă bunătate cu
chestia asta pe care chiar îmi pot
valida lucrurile.  Ei
bine, validarea asta ar
însemna să mă întorc în laboratorul meu
și să mă uit la câteva lucruri.
Validare înseamnă să văd cum
modelul meu este bun pentru a se potrivi cu
toate cele 40.000 de gene.
Și cel mai bun mod de a
valida ceva
este să ai un
set de testare independent.
Adun pacienți
aici, la Harvard.
Îmi construiesc modelul.
Și apoi, îmi sun pe prietenii mei
din San Antonio și spun, ascultă,
am acest model.
Ai 50 de pacienți?
pentru mine pe care le pot clasifica,
și știți deja diagnosticul?
Și dacă le are, atunci mișto.
Pot spune cu adevărat,
aceasta este acuratețea
modelului meu de aici până acolo.
Dar uneori, nu
avem aceste lucruri.  Ei
bine, destul de des
nu avem aceste lucruri.
Deci, cum putem face asta ieftin?
Ieftin-- putem folosi
validarea încrucișată.
Validarea încrucișată înseamnă
că îmi iau setul de date.  L-am
împărțit în cinci părți.
Și folosesc patru părți
pentru a-mi învăța modelul.
Și apoi, prezic
partea a cincea.
Și apoi, iau alte
patru din aceste cinci părți.
Construiesc un alt model.
Și prezic
partea a cincea rămasă.
Acest lucru scade dimensiunea eșantionului pe care o
aveam deja inițial.
Deci, ceea ce s-a întâmplat
este că oamenii folosesc
un lucru care se numește
validare încrucișată,
unde numărul de seturi este
egal cu numărul de mostre.
Deci, ce înseamnă că
scot o probă.
Construiesc un model
pe celălalt.
Încerc să prezic
eșantionul care a fost
luat din care
cunosc clasificarea.
Acesta este un exemplu.
Unul dintre primele
modele predictive care a apărut în 1999.
Avem două tipuri de leucemie --
LLA și AML,
leucemie limfoblastică acută,
leucemie mieloidă acută.
Și după cum puteți vedea
la microscop,
sunt foarte
greu de diagnosticat.
Deci, ce oamenii ăștia de la
[?  Wycliffe?] a făcut a fost să spună, ei
bine, să colectăm, cred,
27 și 11 pacienți, nu?
Și ceea ce au făcut a fost să
creeze un vector fals de zerouri
și unu și apoi să coreleze
expresia genei... îmi pare
rău.
Coloanele sunt pacienți.
Rândurile sunt gene, nu?
Și acum nu-mi amintesc dacă
albastrul este subexprimat
sau supraexprimat.
Dar ceea ce înseamnă este că
au un fel de medie
pentru a reprezenta această imagine.
Iar distanța pozitivă a
punctului față de această medie
este intensitatea roșului.
Iar distanța negativă este
intensitatea albastrului.
Deci, cu cât
culoarea este mai intensă, cu atât punctul tău
ar fi mai departe
în comparație
cu media acestor valori.
Și în același timp,
direcția acestei distanțe
ar fi dată de culoare.
Deci, dacă este albastru închis,
ar fi foarte negativ.
Dacă este roșu închis,
ar fi foarte pozitiv.
Deci, ceea ce au făcut a fost să
coreleze aceste gene
și să scoată primele 50.
Deci cele 50 care au corelat
mai mult cu gena,
cu acest vector fals cu
corelația pozitivă
și cu
corelația negativă, 50 și 50.
Și ceea ce au făcut atunci a fost
pentru a face un amestec de
predicții experți și pentru a vedea care
era exactitatea pe care o puteau
obține de la propriii lor pacienți.
Și de atunci, au
existat miliarde
de hârtie scrise așa.
Vreau să subliniez
faptul că, în acest caz,
nu ne interesează, din nou,
ceea ce este cu adevărat diferit.
Suntem interesați să găsim
o clasificare moleculară
pentru aceste lucruri.
Speranța aici este că într-o zi
puteți construi un mic control --
și chiar fac
asta pentru literatură --
pe care să puteți pune
niște gene specifice
și să aveți o clasificare
care să vă spună că
acest pacient are acest
tip special de leucemie.
Acest pacient are acest
alt tip de leucemie.
OK, deci am vorbit
despre ceva
care este o întrebare [INAUDIBILĂ],
este un lucru controversat.
Dar m-am gândit aseară
să includ chestia asta.
Dar apoi mi-am spus
, da, atâta timp
cât îți spun că
ceea ce o să-ți spun
ar putea fi destul
de controversat.
E în regulă dacă îți spun
asta, nu?
Și de aceea vrei să mergi
la școală pentru a fi profesor.
Pentru că atunci poți spune
lucruri controversate.  Nu
te pot concedia, sperăm.
Unul dintre lucrurile pe care oamenii le fac pentru a
identifica diferențele mai ușor,
chiar și cu transmiterea lor în jos,
tăierea pragului,
este dezumflarea varianței, OK?
Dacă am două mostre
care sunt foarte îndepărtate,
dar dacă găsesc o modalitate de a stoarce
varianța acestor cazuri,
atunci voi avea o
variație mult mai mică.
Și am mai multe șanse ca
schimbările mele să fie semnificative,
nu?
Pentru că varianța
ar fi mai mică.
Acum, acesta este ceva care
pentru orice alt tip de
analiză a datelor, vă va trimite cel
puțin în discreditare, uneori
în închisoare.
Dacă faci asta din
bugetul unei companii
sau dacă faci asta în cadrul unui
studiu clinic, mergi la închisoare.
În microarray, oamenii
nu merg la închisoare.
Pentru că este un lucru original
care avea sens inițial.
Vă amintiți micromatricele cADN?
Micromatricele cADN au două canale.
Acum știm că,
prin proiectare,
există un dezechilibru între
aceste două canale.
Un canal este mai
intens decât altul.
Deci, dacă compar cu mostre,
ceea ce aș putea găsi
este ceva care
arată așa.
Deci am cele două
micromatrice care se
află pe două
lucruri paralele, nu?
Și vezi că
există o părtinire.
Tot roșul pe o parte și tot
albastrul sunt pe cealaltă parte.
Deci, ceea ce obișnuiau să facă oamenii de fapt
pentru acest tip de platformă,
pentru că aveți
două canale, este
să încercați să reconciliați aceste
două canale studiind
distribuția
acestor două lucruri
și să încercați să le puneți
unul peste altul.
Deci, ca formă de
corectare, o faci.
Pentru că, prin design,
știți că platforma dvs.
va introduce anumite părtiniri.
Și asta e corect.
Asta e bine.
Problema este că, atunci când au fost introduse
micromatrice de oligonucleotide
, oamenii pur și simplu au
luat orbește aceste lucruri
și încearcă să se aplice la micromatrice.
Și începi să ai
câteva probleme.  În
primul rând,
micromatricele de oligonucleotide
nu sunt două canale.
Sunt un singur canal.
Deci să presupunem că
au 50 de pacienți.
Ce fac acolo?  Pe
ce pacient
iau drept referință?  Am de gând să
împac toți
pacienții cu primul pacient
la început?
Și ce se întâmplă dacă
schimb acest pacient?  Se
vor schimba genele mele?
Da, pariezi că da.
Așa că acum, dacă chiar vrei
să ai o discuție de mare succes
cu biologii,
du-te și spune-le
că nu ar trebui să se normalizeze.
Pentru că există aproximativ
100 de metode de normalizare diferite
de acest tip.
Iar oamenii sunt confuzi.
Dar oamenii sunt confuzi pentru că
chiar nu este nevoie.
Oamenii nu sunt confuzi cu privire la
normalizare și ADNc.
Oamenii sunt confuzi
ca normalizarea
să-ți stoarce variația
și să obțină rezultate mai bune.
Pentru că, în realitate, chiar și
atunci când aveți un design
cu două canale, deci
am o carcasă de pereche și un control
cu ​​microarray.
Obții de fapt rezultate
care arată ca acesta.
Acum, acestea sunt
microarray-uri care provin
de la o instituție
din acest [?  stradă?]
la care nu sunt afiliat și
nimeni de aici nu este afiliat.
Deci chiar pot vorbi despre ele.
Și acesta este un bun exemplu de
ce să nu faci normalizare.
Deci, aceștia sunt oameni înainte
și după tratament, bine?
Acestea sunt
experimente pereche, deoarece este
aceeași persoană care este
eșantionată înainte de tratament
și după tratament.
Deci îți amintești
acele replici care
parcă mergeau una după alta?
Înseamnă că am
trasat intensitatea
unui canal în raport cu
intensitatea celuilalt canal.
Deci uite.
Complotăm acest microarray
în raport cu acest microarray,
care este microarray
înainte și după, nu?
Deci, în acest caz,
da, mai mult sau mai puțin,
seamănă cu celălalt.
Iti amintesti?
Acum uită-te la asta.
Vă puteți imagina
vreo transformare
care va pune acele lucruri
pe aceeași linie?
Da.
Uita-te la asta.
Deci, în acest caz,
ceea ce s-a întâmplat este
că există ceva
care este foarte dezamăgit.
Și, din nou, acestea urmează
exact același design pe
care l-a urmat ADNc,
designul experimental,
deși practica finală
este absolut diferită.
Deci, sfatul meu în ceea
ce
privește normalizarea este să nu
vă schimbați datele care ar putea fi utile.
Dar încercați să vă uitați la datele dvs.,
deoarece acestea pot conține
unele informații importante.
Acest microarray este
complet dezastruos
și ar trebui fie eliminat,
refăcut sau făcut ceva
în privința ei.
OK, deci ce am învățat?
Am învățat că putem
găsi de fapt diferențe
între eșantioane în
diferite condiții.
Putem face predictori.
Am aflat
ceva interesant
despre celulele genomului?
Nu chiar.  Nu am
aflat nimic despre
relația dintre gene.
Deși le măsurăm pe
toate în același timp, le-am

ignorat complet, de fapt, ne
luptăm împotriva ideii că
aceste lucruri ar putea fi legate.
Suntem pur și simplu interesați
să găsim ceva
care să fie diferit în două
condiții sau pur și simplu interesați să
găsim ceva
care, împreună,
ar putea prezice această condiție.
Asta este.
Aici ne
aduce clasificarea supravegheată.
Dacă vrem să
profităm de faptul
că am măsurat toate
aceste gene și observăm
genomul în acțiune pentru a
încerca să decodificăm ceva
despre genom, atunci avem
nevoie de o metodă diferită.
Și nu avem nevoie de
supraveghere tot timpul.
E ca atunci când ești copil.
Dacă există supraveghere,
este foarte puțină distracție.
Deci, cel mai ușor
lucru pe care îl putem face este
să spunem, bine, bine, uită
de supraveghere.
Am această grămadă de gene
în diferite condiții.
Uită de aceste condiții.
Nu-mi pasă de
aceste condiții.
Ceea ce vreau să văd este
care sunt genele care
se comportă mai similar în
toate aceste condiții diferite?
E ca și cum ai avea o mașină, nu?
Încercați să înțelegeți cum funcționează
dând cu piciorul și lovindu-l
în diferite puncte
ale mașinii, apoi
vedeți cum lucrurile merg împreună
sub diferite stresuri.
Deci, dacă dau cu piciorul în volan,
dacă țin portbagajul, dacă
dau cu piciorul în ușă, ce se întâmplă?
Cum se mișcă aceste lucruri împreună?
Care este relația
dintre aceste lucruri?  A
fost o analogie frumoasă în
urmă cu ceva timp.
Dar tu studiezi aceste lucruri.
Și modul în care
studiezi aceste lucruri...
asta a fost pentru
secvențierea genomului.  Ei
bine, parcă ai
avut, în viitor,
cineva vine
cu Volkswagen.
Și descoperă pe undeva un Volkswagen
[INAUDIBIL].
Și ei
habar nu au ce este.
Așa că, pentru a înțelege cum
funcționează, iau Volkswagen
și îl aruncă de pe stâncă.
Și apoi, când este jos,
încearcă să pună
din nou piesele împreună, nu?
Asta este ceea ce
încercăm să facem cumva.
Defalcăm acest lucru cu
un fel de solicitări
și încercăm să vedem care
părți se comportă împreună.
Deci, în acest caz, de parcă am
avea 1.000 de Volkswagen-- ei bine,
100 de Volkswagen.
Și continuăm să le aruncăm jos.
Și la sfârșit,
când sunt jos,
pentru că nu știm
cum să deschidem motorul,
când sunt jos, vom
vedea că sunt câteva piese care
sunt mai apropiate.
Și rămân mai apropiați.
Și acest lucru este
independent de faptul
că aceste două lucruri
cad în stânga
sau în dreapta
corpului principal al Volkswagen.
Deci, un lucru simplu este să
spunem, ei bine, să măsurăm
corelația dintre aceste lucruri.
Supravegherea genelor [INAUDIBILĂ].
Au o mulțime
de solicitări.  Ar
putea fi
diferiți compuși
care tratează o
anumită boală.
Acestea sunt poate
diferite tipuri de cancer.
Nu-mi pasă.
Nu vreau să
găsesc o clasificare.
Vreau doar să aflu care
sunt genele care merg împreună în
jurul acestor condiții.
Dacă folosesc corelația,
singurul lucru pe care îl pot face,
totuși, este să mă uit la
comparații pe perechi, nu?
Pot doar să spun că o
genă merge la o altă genă.
O corelație este o distanță
între două puncte.
Nu pot avea grupuri de
trei, sau cinci sau 15.
Cum pot pune aceste
lucruri împreună?  Ei
bine, pot folosi un alt
tip de clustering
numit clustering ierarhic.
Gruparea ierarhică începe să
pună lucrurile cap la cap.
Dar când pune
două lucruri împreună,
creează un fel
de genă falsă, care
ne face să ne simțim ca
media acestor două gene
sau ceva de genul acesta.
Și apoi încercați să corelați
acest profil mediu,
această genă medie,
cu alte gene.
Deci, la final, rezultatul ar
fi cam așa.
Din nou, este ca
albastru și roșu.
În acest caz, este verde și roșu.
Acestea sunt culoarea Stanford.
Wycliffe folosește albastru și roz.
Duke, cred, folosește galben.
John Hopkins folosește
verde și albastru-- ei
bine, câteva
combinații ale acestora.
Dar puteți recunoaște de fapt
cel puțin platforma pe care o
folosesc după
culoarea imaginilor lor.
Deci, în acest caz, aceasta
este o poză Stanford.
Din nou, verdele este în jos și
roșul este în sus sau invers.
Și, de fapt,
prin inspecție vizuală, puteți
vedea că există
unele puncte care
sunt foarte exprimate în afara
mediei,
sunt expresii foarte scăzute,
foarte [?  scăzut?] exprimat
din medie.
Deci acesta este zoom-ul
acelei imagini.
Și puteți vedea că
aceste lucruri creează
un arbore sau o diagramă Venn.
Și acest copac va
aduna grupuri
de gene, nu doar două gene.
Și problema aici este
că nu
ai cu adevărat o măsură bună pentru a decide
când ai făcut un grup.
Pentru că, din nou,
aveți un singur arbore
care le va combina pe toate
în ordine diferită.
Deci, din punct de vedere tehnic, acest lucru nu este --
deși se numește
clustering -- clustering
înseamnă a pune lucrurile
împreună și a le împărți.  Din punct de
vedere tehnic, acesta este un
algoritm de sortare prin care
pun o anumită ordine --
în acest caz, o ordine parțială --
asupra acestor lucruri.
Și apoi vor veni niște
biologi cunoscători
și vor spune, oh,
printre acești oameni
din acest grup, văd că
există printre acest grup--
Văd că
toate aceste gene sunt legate
de un anumit proces.
Deci, poate și aceste gene care
sunt încorporate corect între ele
sunt legate de același proces.
Și poate este apoptoză.
Și acestea sunt cinci
gene apoptotice.
Și apoi, ei găsesc
altceva.
Și creăm un alt grup.
Dar aceste grupuri, aceste
culori diferite -
roz,
violet și roșu
de acolo - sunt făcute manual de
cineva cu multă răbdare
care le-a pus împreună.
PUBLIC: [INAUDIBIL].
MARCO RAMONI: Mai spune.
Ce?
PUBLIC: Copacii
sunt făcuți manual?
MARCO RAMONI: Nu, nu.
Copacii... scuze.
Arborele în sine este construit
printr-un fel de metrică.
Nu știu de ce
nu vine...
OK.
Deci calculez corelația
dintre aceste două puncte,
acești doi vectori de valori.
Apoi, creez, să spunem,
o valoare medie aici.
Și apoi, desenez
aceste două puncte.
Și consideră această nouă
valoare pe care am creat-o
ca un nou membru al setului meu de date.
Nu am văzut cu ce se
corelează asta.
În acest caz, aceasta
se corelează cu aceasta.
Deci cel mai înalt
lucru corelat este o genă.
Și asta creează un nou
lucru ipotetic,
care este media
celor doi și a acestuia.
Deci, ceea ce se întâmplă este
că, la final,
creez o structură ca aceasta.
Dar problema este
că pentru că
toate sunt măsuri, la final,
vor avea un singur copac.
Deci, cum creez blocuri?
Modul în care
sunt create blocurile... și eu spun,
colorează asta în violet
și pe acesta în roz.
Acestea au fost lucrate manual.
Îți voi spune într-
o secundă cum
poți evita să faci acest lucru manual.
Pot face
și ceva mai interesant.
Acesta a fost un
experiment temporar, [INAUDIBLE]
al doilea experiment temporar.
Deci știam ordinea
acestor micromatrice.
Dar uneori,
nu mă interesează cu adevărat
doar modul în
care genele merg împreună.  De
asemenea, sunt interesat să găsesc
o nouă clasă printre pacienți,
nu?
Aceasta este o lucrare foarte interesantă
din 2000
în care ceea ce
au făcut acești oameni a fost
să încerce să grupeze simultan
gene și pacienți.
Și au
venit cu grupuri.
Vedeți acele grupuri acolo sus.
Grupurile de acolo sus
nu sunt diagrame Venn.
Acestea sunt grupuri
de pacienți bazate
pe o selecție de gene
care sunt mai exprimate
în cele două afecțiuni.
Și apoi ceea ce au făcut
a fost să afle că...
dacă te uiți la
timpul de supraviețuire...
câte dintre
curba Kaplan-Meier?
Toata lumea.
Bine, deci dacă te uiți la
curbele Kaplan-Meier
ale acelor grupuri, vezi că
există diferențe foarte semnificative
în supraviețuire, OK?
Deci, în acest fel, pot
descoperi nu ceva
care este cu adevărat despre
gene, ci ceva
despre
boala clasificată în general.
Aflu o nouă
clasificare pentru boli
cu
consecințe clinice interesante.
Din nou, problema este că trebuie să
fac această colorare de mână.
Există vreo modalitate prin
care putem
evita de fapt să colorăm aceste lucruri?
Da.
Există o cale.
Și aceasta este ideea.
Dacă doriți să vă grupați,
înseamnă că
trebuie să faceți diferențe
între lucruri.
Deci puteți decide în mod arbitrar
numărul de clustere.
Și spuneți, OK, am 50 de grupuri.
Și împărți
totul în 50 de părți.
Dar de ce nu 49, sau
38, sau 15, sau doi.
Deci noțiunea centrală a
grupării este similaritatea.
Dacă avem o definiție
a asemănării
care este suficient de specifică,
atunci această similitudine
ne va permite să spunem
când putem de fapt
grupa fără a crea
un prag, doar
o definiție conceptuală
a similarității.
Deci trebuie să postulez această
descriere a asemănării.
Și am nevoie de o bucată de
teologie înainte de asta.
Dar permiteți-mi să postulez asta.
În statistică, nu
crezi că ceea ce ai observat
a fost creat direct de Dumnezeu.
Ceea ce credeți este că
există unele procese pe
care nu le observați și care
generează datele pe care le
observați cu o oarecare aleatorie, o
anumită măsură de incertitudine.
Acum să facem un exemplu.  Să
presupunem că luăm
electrocardiogramele
fiecăruia dintre noi.
Și, sper,
mai ales pentru mine,
toate aceste electrocardiograme
ar fi diferite.
Dar, sperăm,
ar proveni
din același proces, care este
procesul unei inimi sănătoase, al
meu va fi ușor diferit
pentru că este mic, dar probabil
nu va fi suficient de diferit
de al tău pentru a spune că acesta este
un lucru complet diferit.
Acum să presupunem că mergem la Brigham,
la cardiologie la Brigham
și luăm electrocardiograme
oamenilor de acolo.
Acolo, mă aștept ca oamenii să aibă
între ei diferențe
suficient de mari
pentru a fi generate
de procese diferite, de
diferite patologii
ale inimii.
Acum o să vă spun că două
lucruri sunt similare dacă sunt
generate de același proces.
Și două lucruri sunt diferite
dacă sunt generate
de două procese diferite.
Și dacă cumpărați
această poveste, atunci
vă pot oferi o metodă de a
calcula când ceva
este generat de același proces
și când ceva nu este.
Cum?  Ei
bine, știm că aceste
procese pe care nu le
observăm, dar ele stau la baza
datelor pe care le observăm de fapt,
generează datele noastre cu
un fel de incertitudine,
adică un proces aleatoriu care
generează date din asta.
Un exemplu este îmbătrânirea, nu?
Îmbătrânirea are un
efect deosebit asupra oamenilor,
de obicei te face
mai bogat, de obicei, după ce la
un anumit
punct, te face mai puternic,
după un anumit punct, te
face mai slab,
are efecte asupra
stării tale civile.
Ai tendința să te căsătorești,
apoi să divorțezi, sau să rămâi văduv
sau orice altceva.
Când este cuplat cu alte
variabile, cum ar fi sexul,
poate avea alte
efecte fizice, cum ar fi să-ți
pierzi părul dacă ești
bărbat și așa mai departe, nu?
Așa că, dacă găsesc pe cineva
care la 13 ani este
la un pas de al treilea
divorț, asta nu este imposibil.
Dar aș găsi că este
puțin probabil.
De ce?
Pentru că există un proces
numit îmbătrânire care dictează,
mai mult sau mai puțin, ca oamenii să fie
la al treilea divorț, de obicei,
trebuie să aibă cel puțin 35 de ani.
Deci, dacă acest tip are 13 ani, este
dificil.  Nu este imposibil,
dar este dificil.
Deci avem aceste
așteptări generale
care decurg din
faptul că
există aceste procese care
generează observația pe
care o avem și este
constrâns de alte lucruri.
Așa cum spunem că pierderea ei
este constrânsă de gen,
probabilitățile se schimbă în funcție de gen.
Dar, în același timp,
odată ce observ datele,
vă pot spune că ceva
este probabil să fie generat
de un anumit proces
și ceva mai puțin probabil
să fie generat de un
anumit proces, nu?
Și asta vrem să facem.
Vrem să calculăm
probabilitatea percepută ca un set
de procese, ca
responsabil pentru datele mele -
deci M dat D va fi datele -
pentru fiecare clasă pe care o
modelăm, pentru fiecare mod
de a combina clusterele mele.
Și apoi, pot
combina scorul
și pot afla care este cel mai
probabil mod de a combina
aceste clustere.
Și la final, ceea ce voi
avea este o grămadă de ciorchini,
nu doar un copac,
nu ceva ce
trebuie să tai cu pragul.
Dar aș putea să
vă spun că, dacă două lucruri sunt
puse împreună, ele sunt de N ori
mai probabil să fie generate
de același proces
decât să fie
generate de două
procese diferite.
Interesantă lucrare, o
vei citi.
Asa functioneaza.
Probabilitatea
modelului dat fiind date
prin teorema lui Bayes este egală cu
probabilitatea datelor
date modelului ori
[?  furnizarea ?] a modelului
pe [?  nefurnizarea?]
a datelor.
Acum nu voi intra
în detalii.
Dar la sfârșitul zilei,
în baza unor ipoteze,
cum ar fi ipoteza că,
înainte de a analiza orice date,
toate modelele sunt la fel de
probabile și ipotezele
că încercăm modelele noastre pe
aceleași date, ceea ce
facem de obicei.
Avem același set
de date de expresie
și dorim să găsim cel mai bun model.
Ceea ce putem calcula
este acea probabilitate,
care este probabilitatea
datelor date modelului, care
este proporțională cu
probabilitatea modelului dat
date.
Și, prin urmare,
îl putem folosi ca punctaj.
Aceste lucruri sunt oarecum
comparate cu acestea pentru a calcula.  Se
numește probabilitate marginală.
Și astfel putem căuta
toate aceste combinații
și putem afla care este
combinația cea mai probabilă, care
este cea mai probabilă
combinație, de, în acest caz,
gene, având în vedere
datele pe care le observăm.
Acum, lasă-mă să plec...
deci acestea sunt câteva
subiecte avansate.
De acum înainte, aceasta nu este supusă
examinării, pentru test.
Să presupunem că sunt interesat de
ceva de genul controlului.
Am învățat
până acum ceva despre control?
Ei bine, am învățat
că lucrurile merg împreună,
lucrurile sunt asemănătoare.
Dar nu am
învățat nimic
despre modul în care lucrurile controlează lucrurile.
Pentru a vedea cum genele
controlează alte gene,
avem nevoie de un design de experiment foarte important,

care este un experiment temporal.
Trebuie să vedem ce s-a întâmplat
de la un punct la altul.
Și spui, ei bine,
e cam ușor.
Eu iau această metodă de grupare.
Folosesc această metodă de grupare
și le-am pus împreună.
Și apoi, voi găsi
un fel de asemănări.
Pot să fac asta?
Nu de
ce?
Deoarece măsuri precum
corelația sau
măsurarea distanței presupun că
toate observațiile pe care le
aveți sunt
marginal independente.
Ce sa întâmplat cu
pacientul unu din gena
unu nu are nicio legătură
cu ceea ce sa întâmplat cu pacientul
doi pe gena unu, nu?
Dar când este timpul... ei
bine, când este timpul,
este cu adevărat, cu adevărat diferit.
Timpul înseamnă că locul în care sunt
acum depinde
de locul în care a fost
acum cinci minute, acum 10 minute, acum
30 de minute, acum 100 de minute.
Deci, dacă voi măsura
același sistem mult timp,
observațiile mele
nu vor fi independente.
Să o punem așa.
Dacă măsoară lucrurile
mult timp,
nu am temei să
presupun că presupunerile mele sunt
independente.
Pentru că a presupune că
ipotezele sunt independente
este o simplificare, nu?
Dacă am un model care este capabil
să țină cont de dependență,
îl pot reduce oricând la
un model de independență.
Dar nu pot face invers
.
Și permiteți-mi să vă dau
un exemplu practic.
Acestea sunt două perechi, două
gene în sus și două gene în jos.
Deci măsori
distanța dintre aceste două
gene.
Acum, corelația
celor două gene
de acolo este ceva de genul 0,6.
Și corelația genelor de
acolo este de aproximativ 0,8, nu?
Dar acum luați în considerare
amintirea timpului.
Și uită-te la prima poză.
Cu excepția primului
punct, când prima genă
merge într-o direcție, a
doua genă
merge exact în aceeași
direcție, nu?
Nu se intersectează niciodată.
Al doilea punct... merge
de la un punct, coboară.
A doua genă scade.
Al treilea punct - primul
urcă și al doilea urcă.
Și apoi coboară,
coboară și coboară din nou.
Iar celălalt coboară din nou.
Coboară puțin mai puțin.  Merge...
uită-te la asta.
Acum uită-te la celălalt,
care are o corelație mai mare.
Aceste gene sunt întotdeauna
una împotriva celeilalte.  De
fiecare dată când o genă crește,
cealaltă genă scade.
Deci, dacă sunt de fapt interesat
de dinamica sistemului meu --
de ce corelația ar asemăna
aceste lucruri
mai mult cu acelea --
măsura mea bună -- ținând cont
că sunt interesat
de dinamica
schimbării acestui lucru -  -
ar necesita de fapt
o perspectivă diferită,
o măsură diferită care să țină
cont de ceea ce s-a întâmplat
înainte și să le punem
pe cei doi împreună, pe cei
doi mai apropiați decât aceste perechi.
Cum pot modela aceste lucruri?
Pot folosi un lucru numit
modele autoregresive.
Modele autoregressive--
este foarte simplu.
Există o mulțime de
moduri de a face asta.
Acesta este doar un exemplu despre cum să
ții cont de trecutul tău.
Cum pot face acest lucru?  Ei
bine, am o serie temporală
de observații dependente.
Și ceea ce pot spune este că
presupun că punctul meu observat
, în acest moment, este
independent de trecutul îndepărtat,
având în vedere trecutul său recent, nu?
Deci, ca să știi că
sunt aici acum,
nu trebuie să știi unde
am fost alaltăieri.
Trebuie să știi unde am fost acum 10
minute, acum o oră, poate acum
două ore.
Dar
capacitatea de predicție de acum două zile,
unde eram la cinci
mile de aici,
va fi foarte, foarte slabă.
Deci, puteți
rezuma datele dvs.,
rezuma
așteptările dvs. de a
fi cineva aici, uitând
trecutul îndepărtat
și luând în considerare doar
trecutul recent.
Cel mai recent ar
putea fi un punct.
Și, în acest caz,
poți crea un model
ca acesta în care să-ți
complotezi prezentul --
adică timpul meu acum --
cu trecutul tău imediat.
Și, în acest caz,
presupui că totul...
observația mea este
independentă de trecutul meu,
având în vedere cea mai
recentă observație a mea.
Acesta este cel mai simplu
model autoregresiv.
Acum, acest tip de
experimente, din nou,
ne spun ceva despre
asemănarea lucrurilor.
De fapt, acesta este un
fel de analiză.
Datele sunt mereu aceleași.
Odată ce avem aceste
date temporale, dacă facem niște grupări,
putem vedea că lucrurile
funcționează în același mod
mult timp, dar cu greu
ne vor spune că ceva
controlează altceva.
În acest caz, așa cum
spuneam la început,
nu sunt de fapt datele despre
proiectarea experimentului.
Este tipul de
analiză pe care o faci.
Deci, dacă interesul tău
este să afli
care sunt grupuri funcționale
de gene care lucrează împreună, ei
bine, gruparea
este soluția ta.
Dar dacă sunteți
interesat să disecați
care este reglarea,
mecanismul de reglare
între gene, asta nu
vă va spune.  S-
ar putea să am lucruri care se
comportă cam la fel,
dar nu se
comportă neapărat împreună.
Ca să fiu extrem, aș
considera că ceva
care controlează
altceva nu va
avea exact același
comportament temporal, nu?
Deci, dacă vreau să
te am aici astăzi,
trebuie să te sun ieri
sau trebuie să fiu aici ieri.
Trebuie să fac ceva
înainte să fii aici
dacă te controlez, nu?
Deci o modalitate de a folosi
aceste lucruri, de a încerca
să disecați acest tip
de informații, dacă aceasta
este întrebarea pe care o aveți,
este să folosiți un lucru numit
rețele bayesiene.
Rețelele bayesiene
reglează genele --
în acest caz, relaționând
variabilele în general --
uitându-se la cât de probabil
este ca un anumit set
de variabile să controleze un
alt set de variabile.
Inițial, aceste
lucruri au fost construite
pentru oameni, oameni de la care doriți
să clonați informații,
cunoștințe de la care.
Cumpărați prânzul sau cina
prietenului dvs. medic, vă
îmbătați și distrageți atenția de la
promisiunea care va
veni la laboratorul dvs. a doua zi.
Și ei vor desena o rețea
a acestor cunoștințe spunând
această genă față de altă genă
față de altă genă
și apoi vor adăuga o
probabilitate care să
descrie funcția prin care
o anumită genă controlează o
altă genă.
Acest exemplu special...
Îmi pare rău.
Există câteva persoane care
au văzut acest exemplu de cel puțin
100 de ori.
Nu este vorba despre gene, ci doar despre
intuiția a ceea ce este acolo.
Această rețea vă spune că
vârsta dvs. educația vă
afectează venitul.
Deci, acest lucru este ușor de desenat.
Problema este cum vârsta și
educația îți afectează venitul?
Acest lucru este specificat de
acel set special
de distribuții.
Și acele distribuții
îți spun că dacă ești tânăr
și dacă ai o
educație scăzută, probabilitatea ta
de a avea un venit scăzut este de 0,9.
Și pe măsură ce îmbătrânești și
devii mai educat,
probabilitatea de a avea
un venit mai mare crește.
Nu este una pentru că
poți
alege oricând să fii academic.
Problema este că
nu ne interesează să facem
aceste lucruri manual.
Suntem interesați să găsim
aceste lucruri din date, nu?
Și putem juca
exact același joc pe care îl
jucăm cu
chestia cu gruparea.
Putem afla care este cel mai
probabil set de noduri, care
este setul de noduri care
sunt cel mai probabil să controleze
o anumită genă.
Și putem face asta
pentru fiecare genă.
Deci imaginea finală... a
pierdut-o.
Oh, poza finală
a acesteia este aceasta.
Haide.
Dă-mi o poză.
Iată-l.
Fiecare bilă reprezintă o genă, cu
excepția acestor trei bile albastre.
Bine, deci aceștia sunt aproximativ
40 de pacienți, să zicem,
41 de pacienți, copii și adolescenți
cu leucemie.
Și pentru acești pacienți, am
măsurat câteva fenotipuri.
Dar cel mai important
lucru care ne interesează
este
clasificarea moleculară, astfel încât tipul de se
numește
status oncologic, status oncogene,
care este
clasificarea moleculară a tumorii.
Și aceasta este supraviețuirea lor.
Și asta este [?  găsesc, ?]
sunt câte zile au
stat în spital, bine?
Și ceea ce îi
interesează este să afle
dacă există o
relație între...
îți amintești când
analizam celelalte lucruri
în condiții diferite?
Făceam o analiză
pentru fiecare fenotip diferit.
Nu am putut pune fenotipurile
împreună într-o singură imagine.
În acest caz, putem pune cele două
fenotipuri într-o singură imagine
și putem vedea, de exemplu,
dacă există vreo legătură care
va merge de la
oncogene la supraviețuire
și cum acest proces este
mediat de alte gene.
Și ceea ce putem afla, de asemenea,
sunt dependențe între gene
și alte gene.
Și vezi că există
direcții în acele săgeți.
Și acele direcții
înseamnă de fapt
că o genă controlează
cealaltă genă.
Exemplul pe care îl rulez de obicei
este să presupunem că
vrem să descoperim care
dintre aceste pâlpâiri
controlează aceste lumini, nu?
Așa că o pot face așa.
Pot schimba pâlpâirea.
Pot schimba aceste lucruri.
Și acest lucru va afecta ca aceste
lumini să fie aprinse și stinse.
Dar dacă încerc să
deșurubesc acele lumini,
ele nu vor schimba
starea acesteia, nu?
Valorile pe care le folosim sunt
foarte asemănătoare cu aceasta.
Deci, metrica va
ține cont de
faptul că
măsurați influența
unei influențe direcționate de la
o genă la alta.
Nu este doar o simplă distanță.
Nu este doar o
măsură în pereche.
Și, de fapt, nu este pereche
pentru că, după cum puteți vedea,
puteți avea mai mulți
părinți.
Acest nod de aici -- doar
pentru a face un exemplu --
sunt trei părinți, acesta,
acesta și acesta.
Nu, mă scuzați.
Acesta este un copil.
Și acesta este un părinte.
Și acesta este un alt copil.
Și are și un
nepot, aici.
Deci, puteți folosi
acest tip de informații
pentru a crea un
peisaj molecular al
mecanismului de control al lucrurilor voastre.
Și îți amintești
ce spuneam
despre cât de probabil este?
De fapt, pot măsura cât
de probabil este ca ceva
să fie afectat de
unele variabile decât să
fie afectat de
alte variabile
prin ceva cu care
nu te voi deranja.
Dar se numește practic
factor de bază.
Factorul de bază este raportul
dintre probabilitatea
a două modele, care
vă spune cât de probabil
este un model
în comparație cu altul.
Și acestea sunt
cifrele pe care le obținem.
Deci spunem că starea oncogenă,
care a avut acești trei părinți, îi
alegem pe acești trei părinți -
acestea sunt toate celelalte
combinații posibile
de părinți pe care le-am explorat.
Și această imagine
vă spune că pe locul secund --
care este și asta
acolo jos, al doilea --
este de șapte ori mai puțin
probabil decât cel de sus
să fie responsabil pentru
starea oncogenei.
Și al treilea
va fi de 56 de ori
și [INAUDIBIL] de ori și
jos, jos, jos, jos, jos.
Și vezi, practic, pe locul secund
,
care îți spune
cât de probabil
este modelul pe care îl ai în
comparație cu cel mai bun
scenariu al oricărui alt model.
Deci îți oferă o anumită
măsură de încredere.
OK, deci acesta este un exemplu de cum
poți valida aceste lucruri.
De fapt, puteți face
validarea încrucișată.
Iti amintesti?
Spuneam că scoți
un caz și faci o predicție.
Și prima validare este aici.  A
fost 100% și
ceva de genul acesta.
Dar lucrul interesant este că
mesajul de azi pentru azi
și lucrul care este important
este că, deoarece
nu există ipoteze aici,
modul în care colectați
datele este important.
Dar modul în care
analizezi datele
este lucrul care
îți va da răspunsul.
Deci, dacă sunteți interesat
de mecanismul de control,
analiza comparativă
vă va spune ghemuit.
Dacă sunteți interesat de
clasificarea moleculară,
gruparea nu
vă va spune nimic.
Dacă sunteți interesat să
descoperiți
noi tipuri de boli, aceste
valori nu vă vor spune nimic.
Fiecare tip de analiză, ca un
anumit tip de răspunsuri,
este conceput pentru a le răspunde.
Și acesta este cel mai important
lucru pe care doriți să îl luați în considerare.
Există o recenzie acolo sus.
Dacă vrei să te
plictisești până la lacrimi,
atunci o poți scoate
de pe acel site.
Dar era de ultimă generație
până acum șase luni,
nimic nu s-a schimbat prea mult.
Deci, a doua este o
carte [INAUDIBILĂ],
care face parte din
echipamentul școlar, nu?
Nu trebuia să cumperi această
carte, da, pentru curs?
PUBLIC: Nu.
MARCO RAMONI: Nu?
OK, du-te și--
PUBLIC: Nu despre care știu eu.
MARCO RAMONI: --vezi
pentru ca el este
directorul cursului.
Poate vrei să săruți niște fund.
Clusterul de gene și SAM sunt
membrii dvs. Cele două
statistici non-parametrice pe care le
descrieam înainte?
Vârsta este lucrul care
implementează metrica bayesiană
și analiza temporală.
Și ceea ce o să fac este
să trimit o misiune, care
probabil va fi o
dată [?  studiu.  ?]
Și vei face două
analize diferite pentru asta.
Nu-mi amintesc dacă
trebuie să le faci pe amândouă
sau dacă trebuie să alegi
pe care vrei să le faci.
Și una va fi o
analiză supravegheată folosind
fie un grup de gene, fie SAM,
două statistici diferite.
Iar cealaltă va fi
o analiză nesupravegheată folosind
gena [?  calsificare.  ?]
Clusterul de gene este format din două componente, una care
face gruparea și alta face
o analiză diferențiabilă supravegheată
.
Bine, mulțumesc.