Этот пример показывает рабочие процессы для анализа данных об экспрессии гена с метагенным алгоритмом аттрактора. Данные об экспрессии гена доступны для многих организмов модели и условий болезни. В этом примере показано, как использовать metafeatures функция, чтобы исследовать биомолекулярные фенотипы при раке молочной железы.
Атлас генома рака (TCGA) включает несколько видов данных через несколько признаков рака. TCGA включает измерения экспрессии гена, выражения белка, исходы болезней и т.д. В этом примере вы исследуете экспрессию гена рака молочной железы.
Исследователи собрали выборки опухоли и использовали микромассивы Agilent G4502A, чтобы измерить их экспрессию гена. В этом примере вы используете данные о выражении Уровня 3, которые были постобработаны от исходных измерений в вызовы выражения. Данные были получены 20 мая 2014.
Загрузите данные в MATLAB®. MAT-файл TCGA_Breast_Gene_Expression.mat содержит данные об экспрессии гена 17 814 генов для 590 различных пациентов. Данные о выражении хранятся в переменной geneExpression. Названия генов хранятся в переменной geneNames.
load TCGA_Breast_Gene_ExpressionВидеть организацию данных, контрольное число генов и выборок в этом наборе данных.
size(geneExpression)
ans = 1×2
17814 590
geneNames массив ячеек названий генов. Можно получить доступ к записям, использующим индексацию массива ячеек MATLAB:
geneNames{655}ans = 'EGFR'
Этот массив ячеек указывает что 655-я строка переменной geneExpression содержит измерения выражения для экспрессии гена Приемника эпидермального фактора роста (EGFR).
Метагенный алгоритм аттрактора был разработан как часть проблемы DREAM 8 разработать предвещающие биомаркеры для выживания рака молочной железы. Метагенный подход аттрактора обнаруживает и определяет количество базовых биомолекулярных событий. Эти события уменьшают размерность данных об экспрессии гена, и также допускают классификацию подтипов и расследование регулирующего машинного оборудования [1].
Метаген задан как любая взвешенная сумма экспрессии гена. Предположим, что у вас есть набор коэкспрессированных генов. Можно создать метаген путем усреднения уровней экспрессии генов в наборе.
Существует потенциал, чтобы совершенствовать наше понимание экспрессии гена, полученной в этом метагене. Предположим, что вы создаете набор весов, которые определяют количество подобия между генами в нашем наборе и метагеном. Гены, которые более похожи на метаген, получают большие веса, в то время как гены, которые менее подобны, получают меньшие веса. Используя эти новые веса, можно сформировать новый метаген, который является взвешенным средним экспрессии гена. Лучшие получения нового метагена биомолекулярное событие, которое управляет некоторым элементом регуляции генов в данных о выражении.
Эта процедура формирует ядро метагенного алгоритма аттрактора. Сформируйте метаген с помощью некоторой текущей оценки весов, затем обновите веса на основе меры подобия. Метагены аттрактора заданы как фиксированные точки притягивания этого итеративного процесса.
Алгоритм существует в широком семействе безнадзорных алгоритмов машинного обучения. Связанные алгоритмы включают анализ главных компонентов, различные алгоритмы кластеризации (особенно нечеткие c-средние-значения), неотрицательная матричная факторизация и другие. Основное преимущество метагенного подхода состоит в том, что результаты алгоритма имеют тенденцию быть более ясно соединенными с фенотипом, заданным экспрессией гена.
Конкретно, в i-ой итерации алгоритма. У вас есть вектор из весов, , из размера 1 номером из генов. Оценка метагена во время итерация th:
количество генов матрицей экспрессии гена количества отсчетов. Обновить веса:
элемент th , строка th G, и метрика подобия. В метагенном алгоритме аттрактора, задан как:
если корреляция между и больше 0. MI является взаимной информацией между и . Функциональный metafeatures использует средство оценки B-сплайна взаимной информации, описанной в [3].
Если, вместо этого, корреляция между и меньше чем или равно 0, затем:
Веса все больше, чем или равны нулю. Поскольку взаимная информация инвариантна к масштабу, можно нормировать веса любым способом, которым вы выбираете. Здесь, они нормированы так, их сумма равняется 1.
Алгоритм инициализируется или случайными или выбранными пользователями весами. Это продолжает до изменения в между итерациями мал, или исчерпывается предварительно заданное количество итераций.
Данные имеют несколько NaN значения. Чтобы проверять сколько, суммируйте по индикатору, возвращенному isnan.
sum(sum(isnan(geneExpression)))
ans = 1695
Приблизительно из 10 миллионов записей geneExpression, существует 1 695 недостающих записей. Прежде, чем продолжить необходимо будет иметь дело с этими недостающими записями.
Существует несколько способов приписать эти отсутствующие значения. Можно использовать простой метод по имени самое близкое соседнее обвинение K, предоставленное Bioinformatics Toolbox(TM). Обвинение k - ближайших соседей работает, заменяя недостающие данные на соответствующее значение от взвешенного среднего k самые близкие столбцы к столбцу с недостающими данными.
Используйте k = 3, и замена текущее значение geneExpression с тем, который не имеет никакого NaN значения.
geneExpression = knnimpute(geneExpression,3);
Переменная geneExpression не имеет никакого NaN значения.
sum(sum(isnan(geneExpression)))
ans = 0
Для получения дополнительной информации о knnimpute, см. документацию Bioinformatics Toolbox.
doc knnimpute
Функциональный metafeatures использует метагенный алгоритм аттрактора, чтобы идентифицировать мотивы регуляции генов.
Setup структура опций. В этом случае установите отображение предоставлять информацию об алгоритме в каждой итерации.
opts = struct('Display','iter');
metafeatures также допускает определение, запускают значения. Можно отобрать стартовые веса, чтобы подчеркнуть гены, что вы интересуетесь. Существует три общих драйвера рака молочной железы, ERBB2 (также названы HER2), эстроген и прогестерон.
Установите вес для каждого из этих генов к каждой третьей различной строке startValues. Каждая строка соответствует начальным значениям для различного, реплицируют. strcmp сравнивает гены интереса и список генов в наборе данных. find возвращает индекс в списке гена.
erbb = find(strcmp('ERBB2',geneNames)); estrogen = find(strcmp('ESR1',geneNames)); progestrone = find(strcmp('PGR',geneNames)); startValues = zeros(size(geneExpression,1),3); startValues(erbb,1) = 1; startValues(estrogen,2) = 1; startValues(progestrone,3) = 1;
Вызовите metafeatures с оценочным набором данных. Второй аргумент, geneNames список всех генов в наборе данных. Предоставление названий генов не требуется. Однако названия генов могут позволить исследование высоко оцениваемых генов, которые возвращены алгоритмом, чтобы получить понимание биомолекулярного события, описанного метагеном.
[meta, weights, genes_sorted] = metafeatures(geneExpression,geneNames,'start',startValues,'options',opts);
Caching self information ...
... done. Took 50.9952 seconds.
Caching entropy and binning information...
... done. Took 23.9377 seconds.
non-zero
Found iter diff weights
1 1 1.26e+01 8924
1 2 7.29e+00 8885
1 3 4.22e+00 8796
1 4 2.54e+00 8761
1 5 1.63e+00 8745
1 6 1.14e+00 8720
1 7 8.59e-01 8706
1 8 7.18e-01 8682
1 9 7.04e-01 8687
1 10 6.44e-01 8680
1 11 5.53e-01 8676
1 12 4.56e-01 8664
1 13 3.67e-01 8654
1 14 2.91e-01 8649
1 15 2.30e-01 8642
1 16 1.83e-01 8636
1 17 1.46e-01 8634
1 18 1.17e-01 8631
1 19 9.45e-02 8632
1 20 7.65e-02 8634
1 21 6.22e-02 8633
1 22 5.06e-02 8631
1 23 4.13e-02 8635
1 24 3.38e-02 8639
1 25 2.76e-02 8636
1 26 2.26e-02 8633
1 27 1.85e-02 8633
1 28 1.51e-02 8635
1 29 1.24e-02 8635
1 30 1.02e-02 8634
1 31 8.35e-03 8633
1 32 6.85e-03 8633
1 33 5.57e-03 8633
1 34 4.59e-03 8631
1 35 3.78e-03 8631
1 36 3.07e-03 8632
1 37 2.53e-03 8632
1 38 2.06e-03 8632
1 39 1.70e-03 8632
1 40 1.40e-03 8632
1 41 1.15e-03 8632
1 42 9.24e-04 8632
1 43 7.70e-04 8632
1 44 6.21e-04 8632
1 45 5.20e-04 8632
1 46 4.43e-04 8632
1 47 3.49e-04 8632
1 48 2.97e-04 8632
1 49 2.36e-04 8632
1 50 1.93e-04 8632
1 51 1.56e-04 8632
1 52 1.42e-04 8632
1 53 8.98e-05 8632
1 54 9.72e-05 8632
1 55 5.37e-05 8632
1 56 7.47e-05 8632
1 57 5.17e-05 8632
1 58 4.81e-05 8632
1 59 2.85e-05 8632
1 60 1.97e-05 8632
1 61 3.05e-05 8632
1 62 1.41e-05 8632
1 63 1.02e-05 8632
1 64 7.89e-06 8632
1 65 9.34e-06 8632
1 66 2.07e-05 8632
1 67 1.52e-05 8632
1 68 2.26e-05 8632
1 69 1.55e-05 8632
1 70 2.24e-05 8632
1 71 1.75e-05 8632
1 72 2.01e-05 8632
1 73 6.47e-06 8632
1 74 1.62e-05 8632
1 75 2.23e-05 8632
1 76 1.93e-05 8632
1 77 1.71e-05 8632
1 78 6.94e-06 8632
1 79 3.21e-06 8632
1 80 1.58e-05 8632
1 81 2.02e-05 8632
1 82 1.99e-05 8632
1 83 2.12e-05 8632
1 84 1.79e-05 8632
1 85 1.60e-05 8632
1 86 1.78e-05 8632
1 87 1.87e-05 8632
1 88 1.66e-05 8632
1 89 5.98e-06 8632
1 90 1.26e-05 8632
1 91 2.14e-05 8632
1 92 1.82e-05 8632
1 93 6.97e-06 8632
1 94 1.04e-05 8632
1 95 2.13e-05 8632
1 96 6.39e-06 8632
1 97 1.75e-05 8632
1 98 2.37e-05 8632
1 99 2.01e-05 8632
1 100 1.98e-05 8632
Warning: 'Maximum iterations exceeded, terminating early.'
2 1 1.93e+01 9893
2 2 6.04e+00 9885
2 3 3.80e+00 9883
2 4 2.53e+00 9886
2 5 1.73e+00 9881
2 6 1.13e+00 9873
2 7 7.19e-01 9869
2 8 4.63e-01 9866
2 9 3.08e-01 9870
2 10 2.13e-01 9874
2 11 1.54e-01 9872
2 12 1.15e-01 9874
2 13 8.72e-02 9874
2 14 6.68e-02 9874
2 15 5.14e-02 9874
2 16 3.97e-02 9875
2 17 3.07e-02 9875
2 18 2.37e-02 9873
2 19 1.84e-02 9871
2 20 1.42e-02 9871
2 21 1.10e-02 9871
2 22 8.54e-03 9872
2 23 6.62e-03 9872
2 24 5.05e-03 9872
2 25 4.01e-03 9872
2 26 3.09e-03 9872
2 27 2.38e-03 9872
2 28 1.85e-03 9872
2 29 1.43e-03 9872
2 30 1.09e-03 9872
2 31 8.46e-04 9872
2 32 6.73e-04 9872
2 33 5.10e-04 9872
2 34 3.81e-04 9872
2 35 2.98e-04 9872
2 36 2.46e-04 9872
2 37 1.51e-04 9872
2 38 1.63e-04 9872
2 39 1.15e-04 9872
2 40 7.11e-05 9872
2 41 1.18e-04 9872
2 42 7.28e-05 9872
2 43 1.89e-05 9872
2 44 4.24e-05 9872
2 45 1.60e-05 9872
2 46 6.75e-06 9872
2 47 4.81e-05 9872
2 48 2.47e-05 9872
2 49 1.04e-05 9872
2 50 7.46e-06 9872
2 51 9.31e-06 9872
2 52 5.25e-06 9872
2 53 3.89e-05 9872
2 54 9.38e-06 9872
2 55 3.33e-05 9872
2 56 1.48e-05 9872
2 57 2.45e-05 9872
2 58 2.58e-05 9872
2 59 1.00e-05 9872
2 60 1.86e-05 9872
2 61 5.87e-05 9872
2 62 2.97e-05 9872
2 63 1.07e-05 9872
2 64 8.84e-06 9872
2 65 8.29e-06 9872
2 66 1.58e-05 9872
2 67 1.48e-05 9872
2 68 5.00e-06 9872
2 69 2.74e-05 9872
2 70 1.20e-05 9872
2 71 2.91e-05 9872
2 72 9.45e-06 9872
2 73 1.75e-05 9872
2 74 1.56e-05 9872
2 75 6.56e-06 9872
2 76 1.79e-05 9872
2 77 2.67e-05 9872
2 78 5.55e-05 9872
2 79 2.55e-05 9872
2 80 1.03e-05 9872
2 81 2.74e-05 9872
2 82 2.04e-05 9872
2 83 1.00e-05 9872
2 84 1.11e-05 9872
2 85 9.83e-06 9872
2 86 2.71e-05 9872
2 87 1.42e-05 9872
2 88 1.28e-05 9872
2 89 2.24e-05 9872
2 90 4.58e-05 9872
2 91 3.36e-05 9872
2 92 9.74e-06 9872
2 93 1.06e-05 9872
2 94 1.50e-05 9872
2 95 5.05e-05 9872
2 96 1.12e-05 9872
2 97 2.52e-05 9872
2 98 9.77e-06 9872
2 99 6.10e-06 9872
2 100 2.97e-05 9872
Warning: 'Maximum iterations exceeded, terminating early.'
3 1 3.75e+00 9963
3 2 1.08e+00 9966
3 3 4.29e-01 9959
3 4 1.87e-01 9961
3 5 8.45e-02 9958
3 6 3.88e-02 9957
3 7 1.80e-02 9956
3 8 8.36e-03 9956
3 9 3.89e-03 9956
3 10 1.78e-03 9956
3 11 8.68e-04 9956
3 12 3.96e-04 9956
3 13 1.89e-04 9956
3 14 8.92e-05 9956
3 15 4.25e-05 9956
3 16 1.16e-05 9956
3 17 1.57e-05 9956
3 18 1.67e-05 9956
3 19 1.59e-05 9956
3 20 1.07e-05 9956
3 21 9.21e-06 9956
3 22 1.59e-05 9956
3 23 6.23e-06 9956
3 24 8.68e-06 9956
3 25 1.56e-05 9956
3 26 1.55e-05 9956
3 27 9.65e-06 9956
3 28 9.74e-06 9956
3 29 9.75e-06 9956
3 30 9.75e-06 9956
3 31 9.84e-06 9956
3 32 1.49e-05 9956
3 33 1.05e-05 9956
3 34 1.43e-05 9956
3 35 2.14e-05 9956
3 36 6.64e-06 9956
3 37 1.54e-06 9956
3 38 2.23e-06 9956
3 39 2.98e-06 9956
3 40 8.89e-06 9956
3 41 1.60e-05 9956
3 42 1.06e-05 9956
3 43 9.08e-06 9956
3 44 1.60e-05 9956
3 45 6.74e-06 9956
3 46 8.71e-06 9956
3 47 9.45e-06 9956
3 48 1.48e-05 9956
3 49 1.05e-05 9956
3 50 1.43e-05 9956
3 51 2.15e-05 9956
3 52 6.64e-06 9956
3 53 1.41e-06 9956
3 54 1.98e-06 9956
3 55 2.58e-06 9956
3 56 9.07e-06 9956
3 57 6.54e-06 9956
3 58 5.44e-06 9956
3 59 4.36e-06 9956
3 60 8.43e-06 9956
3 61 1.08e-05 9956
3 62 9.73e-06 9956
3 63 9.72e-06 9956
3 64 9.72e-06 9956
3 65 9.75e-06 9956
3 66 9.78e-06 9956
3 67 9.82e-06 9956
3 68 1.50e-05 9956
3 69 1.02e-05 9956
3 70 1.34e-05 9956
3 71 2.08e-05 9956
3 72 1.30e-05 9956
3 73 2.11e-05 9956
3 74 1.56e-05 9956
3 75 9.45e-06 9956
3 76 1.48e-05 9956
3 77 1.11e-05 9956
3 78 8.97e-06 9956
3 79 1.31e-05 9956
3 80 2.19e-05 9956
3 81 8.99e-06 9956
3 82 1.60e-05 9956
3 83 7.51e-06 9956
3 84 6.78e-06 9956
3 85 7.51e-06 9956
3 86 1.10e-05 9956
3 87 1.39e-05 9956
3 88 6.38e-06 9956
3 89 6.05e-06 9956
3 90 4.66e-06 9956
3 91 7.28e-06 9956
3 92 7.98e-06 9956
3 93 1.15e-05 9956
3 94 8.72e-06 9956
3 95 1.56e-05 9956
3 96 1.82e-05 9956
3 97 1.23e-05 9956
3 98 6.69e-06 9956
3 99 1.63e-06 9956
3 100 1.15e-06 9956
Warning: 'Maximum iterations exceeded, terminating early.'
Переменная meta имеет значение этих трех метагенов, обнаруженных для каждой выборки. Можно построить эти три метагена, чтобы получить сведения о природе регуляции генов через различные фенотипы рака молочной железы.
plot3(meta(1,:),meta(2,:),meta(3,:),'o') xlabel('ERBB2 metagene') ylabel('Estrogen metagene') zlabel('Progestrone metagene')
В графике можно наблюдать несколько вещей.
В графике существует группа точек, сгруппированных вместе с низкими значениями для всех трех метагенов. На основе mRNA уровней ожидание состоит в том, что точки сопоставлены с выборками опухоли, которые являются тройным отрицательным или основным типом.
Существует также группа точек, которые имеют высокую метаэкспрессию гена приемника эстрогена. Эта группа охватывает и высокую и низкую метаэкспрессию гена прогестерона. Нет никаких точек с высокой метаэкспрессией гена прогестерона и низкой метаэкспрессией гена эстрогена. Это открытие сопоставимо с наблюдением, что ER-/PR + рак молочной железы чрезвычайно редки [2].
Остающиеся точки являются положительными раковыми образованиями ERBB2. У них есть меньше представления в этом наборе данных, чем управляемые гормоном и тройные отрицательные раковые образования. Нет также никаких твердо установленных отношений между гормональным выражением приемника и состоянием ERBB2.
Чтобы разработать лучшее понимание регуляции генов, полученной метагенами, более тщательно изучите в метагене, обнаруженном путем инициализации приемника эстрогена, чтобы иметь вес 1. Можно перечислить лучшие десять генов, способствующих метагену для 11-го обнаруженного метагена.
genes_sorted(1:10,2)
ans = 10x1 cell
{'AGR3' }
{'ESR1' }
{'CA12' }
{'AGR2' }
{'MLPH' }
{'FOXA1'}
{'THSD4'}
{'FSIP1'}
{'ANXA9'}
{'XBP1' }
Этот метаген получает биомолекулярное событие, сопоставленное с переходом к управляемому эстрогеном раку молочной железы. Эти четыре, находящиеся на вершине рейтинга, перечисленные гены:
Предшествующий гомолог градиента 3 (AGR3)
Приемник эстрогена 1 (ESR1)
Углеродистый anhydrase 12 (CA12)
Предшествующий гомолог градиента 2 (AGR2)
Транскрипционные изменения в каждом из этих генов вовлечены в управляемый эстрогеном рак молочной железы. Эти три гена кроме ESR1, как известно, коэкспрессированы с ESR1. Идентификация этих генов иллюстрирует степень метагенного алгоритма аттрактора соединить экспрессию гена с фенотипами.
Аналогичные версии метагена эстрогена и метагена ERBB2 описаны в [1]. Упорядоченное расположение генных вкладов отличается немного между этим анализом и [1], потому что использовался различный набор данных рака молочной железы. Изменения весов должны ожидаться, но упорядоченное расположение генов весами является примерно тем же самым. А именно, гены с лучшими 10 весами являются в основном тем же самым между этой версией и версией, описанной в [1]. Точно так же существует значительное перекрытие между генами с лучшими 100 весами.
Гены могут способствовать нескольким метагенам. В этом смысле метагенный алгоритм аттрактора является "мягким" методом кластеризации. В этом примере, находя метагены в данных о раке молочной железы, существует перекрытие в наборах генов, которые имеют большие веса вклада к метагенам прогестерона и эстрогену.
Если вес "поднят", когда это больше, чем.001, то:
elevated_weights = weights>.001;
Сумма столбца elevated_weights общее количество поднятых весов в каждом из этих трех метагенов.
sum(elevated_weights)
ans = 1×3
19 96 27
Из 96 поднятых весов для метагена эстрогена и 27 для метагена прогестерона, существует 22 поднятых веса, которые находятся в обоих наборах.
sum(elevated_weights(:,2) & elevated_weights(:,3))
ans = 22
Однако нет никакого перекрытия между метагеном ERBB2 и метагеном эстрогена:
sum(elevated_weights(:,1) & elevated_weights(:,2))
ans = 0
а также никакое перекрытие между метагеном ERBB2 и метагеном прогестерона:
sum(elevated_weights(:,1) & elevated_weights(:,3))
ans = 0
В метрике подобия алгоритма альфа параметра управляет степенью нелинейности. Когда альфа увеличена, количество метагенов имеет тенденцию увеличиваться. Альфа по умолчанию равняется 5, потому что это значение было хорошо для работы в [1], но для различных наборов данных или вариантов использования, необходимо настроить альфу.
Проиллюстрировать эффекты альфы, если альфа 1 в анализе рака молочной железы, то прогестерон и метагены эстрогена не отличны.
[meta_alpha_1, weights_alpha_1, genes_sorted_alpha_1] = ... metafeatures(geneExpression,geneNames,'start',startValues,'alpha',1);
Warning: 'Maximum iterations exceeded, terminating early.'
Warning: 'Maximum iterations exceeded, terminating early.'
Warning: 'Maximum iterations exceeded, terminating early.'
В этом случае только два метагена возвращены, несмотря на то, что мы запустили алгоритм три раза.
size(meta_alpha_1)
ans = 1×2
2 590
Этот результат состоит в том потому что, по умолчанию, metafeatures возвращает только уникальные метагены. Инициализация с весом для набора ESR1 к 1 и инициализация с весом для набора PGR к 1, оба сходятся к метагенам, которые являются эффективно тем же самым.
[1] Ченг, Вэй-И, Тай-Сянь Оу Ян и Димитрис Анастассиу. "Биомолекулярные события при раке, показанном метагенами аттрактора". PLoS вычислительная биология 9.2 (2013): e1002920.
[2] Hefti, Марко М., и др. "Приемник эстрогена отрицательный приемник / приемник прогестерона положительный рак молочной железы не является восстанавливаемым подтипом". Исследование Рака молочной железы 15.4 (2013): R68.
[3] Размажьте, Карстен О., и др. "Оценивая взаимную информацию с помощью функций B-сплайна? улучшенное подобие измеряется для анализа данных об экспрессии гена". Биоинформатика BMC 5.1 (2004): 118.