Pek çok terapötik alandaki bilim insanları, birden fazla analiti ölçerek karmaşık biyolojik sorunları çözmeye çalışıyorlar ve bu verilerin birlikte daha derin bir keşfi güçlendireceğini düşünüyorlar. Ancak, bu verileri bağımsız olarak analiz etmek, birlikte analiz etmekten daha az etkilidir ve daha fazla zaman alır. Cytobank’ın yeni DROP özelliği, bilim insanlarının makine öğrenimi algoritmalarını bu veri kümeleri de dahil olmak üzere birçok veri türüne uygulamasını ve entegre içgörüleri hızlı bir şekilde geliştirmesini sağlar.
Toplu verilerle, Cytobank üzerinde gözetimsiz makine öğrenimi algoritmaları, tüm işaretleyicilerinizden bilgileri aynı anda birleştirerek klinik olarak alakalı örnek gruplarını tanımlamanıza yardımcı olabilir. Aynı örnekten 800 adede kadar SNV, RNA ve protein ve fosfo-proteini aynı anda analiz eden Nanostring® 3D Biology™ teknolojisi ile burada bunu göstereceğiz. Bu örnekte, testlerde profil 104 SNV ve küçük InDels, 192 RNA ve toplam 28 adet ve 144 numunede fosfo-proteinler kullanılmıştır.
Proteine ve RNA belirteçlerine viSNE uygulamak, protein ve RNA belirteçleri arasında benzer ekspresyona sahip örnek grupları olduğunu gösterir. Her bir işaretleyicinin ekspresyonuna göre renklendirme, örneklerin neden bu şekilde ayrıldığını gösterir. Örneğin, büyük “adalardan” sadece birinin RAF1 mRNA’yı eksprese eden örnekler içerdiğini, diğerinin ise MAPK1 mRNA’yı eksprese eden örnekler içerdiğini görüyoruz (Şekil 1, üst). viSNE haritasındaki büyük adaların p53 ve fosfo-ERK diferansiyel ekspresyonuna sahip örnekler içerdiği ve protein ekspresyonu ile benzer paternler görebiliriz. Ayrıca, büyük adalardaki örneklerde işaretleyicilerin diferansiyel ekspresyonunu görüyoruz, örneğin fosfo-GSK yalnızca her adanın içine ayrılan örneklerde eksprese edilir ve MAPK3 mRNA yalnızca adaların birinde bazı örneklerde eksprese edilir (Şekil 1, alt). SNV verileri, bu örneklerin BRAF için homozigot WT ve BRAF V600E için heterozigot ve homozigot bir karışım olduğunu ortaya koymuştur. Bu bilgilerin viSNE haritasında üst üste getirilmesi, bu mutasyonların bu örnekleri ayıran RNA ve protein ekspresyon farklılıklarını yönlendirdiği sonucunu destekler.
Şekil 1. Benzer örnekler RNA ekspresyonu, protein ekspresyonu ve genotip ile renklendirilen viSNE haritalarında gruplanır. Bir viSNE haritasındaki her nokta tek bir örnektir. Noktalar, tüm işaretleyiciler için yüksek boyutlu alandaki benzerliğe dayalı olarak bir araya gruplanır.
Daha fazla karakterize edebileceğimiz ve analiz edebileceğimiz örnek gruplarını tanımlamak için, viSNE harita koordinatlarına SPADE hiyerarşik kümeleme yöntemini uyguladık (Şekil 2). Ortaya çıkan gruplar daha sonra viSNE haritası üzerinde üst üste getirilebilir ve işaretleyici ekspresyonu bu grupların yukarıda incelediğimiz ekspresyon modellerini nasıl yakaladığını görselleştirmek için SPADE ağacında görülebilir.
Birleştirilmiş 3D Biology işaretleyici ekspresyonuna dayalı örnek gruplarını tanımladıktan sonra, bu grupların örneklerin bilinen özellikleriyle nasıl ilişkili olduğunu görmek için Cytobank platformundaki araçları kullandık. Örnekler, değişen sürelerde vemurafenib, DMSO veya Calyculin A ile tedavi edilen 3 farklı melanom hücre dizisinden alınmıştır.
Bu değişkenlerin viSNE haritasında üst üste getirilmesi ve Cytobank özet tablolarının incelenmesi, bu değişkenlerin işaretleyici ekspresyonuna dayanarak tanımladığımız gruplarla ilişkili olduğunu göstermektedir (Şekil 3). Bu bilinen özelliklerle katmanlandırılan ısı haritaları ve katmanlı histogramlar ile işaretleyici ekspresyon paternlerinin hızlı bir şekilde doğrulanması, gözetimsiz örnek gruplarını yönlendiren ekspresyon belirteçlerinin aynı olduğunu doğrular (Şekil 4).
Bu örnek, ilgili bilgileri etkili bir şekilde çıkarmak ve yüzlerce çoklu analit işaretleyicisinin birleşik ekspresyonuna dayalı olarak örnekler arasındaki benzerlikleri ve farklılıkları anlamak için Cytobank platformunda NanoString’in 3D Biyoloji verilerine gözetimsiz makine öğrenimi algoritmalarını uygulamanın gücünü göstermektedir.
Kendiniz denemek ister misiniz?
- DROP yakında Cytobank Enterprise'a geliyor! Beta testimize kaydolmak isterseniz [email protected] adresinden bizimle iletişime geçin.
- Rakiplerinizin önüne geçin: Nanostring'in güçlü 3D Biyoloji Testleriyle bazı veriler üretmeye başlayın
- Cytobank Premium’da 30 günlük ücretsiz bir denemeye erişmek için yeni bir hesap oluşturun ve makine öğrenimi algoritmalarımızı demo veri kümeleri veya kendi sitometre verilerinizle test edin
