MeV: MultiExperiment Viewer

Apresentação em tema: "MeV: MultiExperiment Viewer"— Transcrição da apresentação:

1 MeV: MultiExperiment Viewer
Universidade Federal de Pernambuco – UFPE Centro de Informática – CIn Automação Inteligente – if705 Eduardo Gade Gusmão – egg Professor: Ivan Gesteira – igcf

2 Tópicos TIGR TM4 Software Suite Descrição da Ferramenta MeV
Funcionalidades do MeV Exemplo Prático Conclusão e Referências IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

3 Download da Ferramenta
Exemplo Prático Download da Ferramenta Entrar no site: Baixar a ferramenta MeV IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

4 TIGR The Institute for Genomic Research é um instituto de pesquisa fundado em 1992 por Craig Venter em RockVille, Maryland, Estados unidos. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

5 TIGR Sem fins lucrativos Sequenciou o Haemophilus Influenzae
Human Genome Project GLIMMER, MUMmer Associação com o Science Foundation e o FBI J. Craig Venter Institute IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

6 TM4 Software Suite “A ‘TM4 Suite’ é um conjunto de softwares desenvolvidos para a análise de dados de microarray. Os usuários são capazes de capturar, tratar e analisar os dados obtidos nos experimentos.” Representa uma coleção de ferramentas abrangente, extensível, open source e livremente disponível. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

7 TM4 Software Suite Softwares Componentes:
Microarray Data Manager (MADAM) TIGR Spotfinder Microarray Data Analysis System (MIDAS) MultiExperiment Viewer (MeV) IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

8 TM4 Software Suite Image Analysis Normalization / Filtering
Scanner Printer Image Analysis Raw Gene Expression Data .tiff Image File Normalization / Filtering Gene Annotation Normalized Data with Gene Annotation Database AGED Others… MAD Expression Analysis Interpretation of Analysis Results Data Entry / Management IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

9 TM4 Software Suite - MADAM
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

10 TM4 Software Suite - MADAM
Conjunto de ferramentas usado para upload, download e exibição de dados de microarray a partir de um sistema de gerenciamento de banco de dados (MySql). Dados no “formato” MIAME Interface para o MySql IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

11 TM4 Software Suite - Spotfinder
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

12 TM4 Software Suite - Spotfinder
Programa capaz de processar e realizar análises de arquivos de imagens geradas em experimentos com microarray. Algoritmo rápido para identificar spots Entrada: imagens .TIFF geradas pelo scanner Saída: pode ser exportada no formato .MEV IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

13 TM4 Software Suite - MIDAS
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

14 TM4 Software Suite - MIDAS
Aplicação que permite ao usuário normalizar e realizar outras análises estatísticas com os dados brutos, dando a eles um acabamento para serem interpretados na ferramenta MeV. Normalização e Filtragem dos Dados Geração de um report automático IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

15 Descrição da Ferramenta MeV
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

16 Descrição da Ferramenta MeV
Aplicação que permite ao usuário visualizar imagens processadas de microarray e identificar genes e padrões de interesse. Comparar Imagens (múltipla visualização) Clusterização, ajuste dos dados e estatísticas Flexibilidade IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

17 Funcionalidades do MeV
Funcionalidades abordadas: Carregando Dados (formatos) Ajustando os Dados Redução dos Dados Clusterização Meta Analysis Análises Estatísticas Visualização Classificação Outros IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

18 Funcionalidades do MeV
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

19 1 - Carregando Dados (formatos)
Funcionalidades do MeV 1 - Carregando Dados (formatos) Dados já devem estar normalizados Várias Análises podem ser carregadas ao mesmo tempo MultiExperiment Viewer Format (.mev) TIGR ArrayViewer Format (.tav) TDMS (Tab Delimited, Multiple Sample) file format (.txt) Affymetrix file format (.txt) IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

20 1 - Carregando Dados (formatos)
Exemplo Prático 1 - Carregando Dados (formatos) Entrar no public: Carregar o arquivo “armstrong-2002-v1_database.txt” IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

21 Funcionalidades do MeV
2 - Ajustando os Dados 2.1 – Transformações de Dados – Normalize Gene/Rows: Transforma os valores usando a seguinte formula: Valor = [(Valor) – Media(Linha)] / Desvio Padrão – Divide Gene/Rows by RMS: Divide os valores pela “Root Mean Square”, que corresponde à raiz quadrada de [Σ(xi)^2/(n-1)] – Divide Gene/Rows by SD: Divide os valores pelo desvio padrão da linha. – Mean Center Gene/Rows: Substitui o valor por: [Valor – Média da linha] – Median Center Gene/Rows: Substitui o valor por: [Valor – Mediana da linha] IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

22 Funcionalidades do MeV
2 - Ajustando os Dados 2.1 – Transformações de Dados – Digitalize Gene/Rows: Cria intervalos discretos para os valores das expressões na linha. – Sample/Column Adjustments: Todas as operações até agora podem ser realizadas também para as colunas. – Log2 / Unlog2 Transformations: Respectivamente, transforma todos os valores em log2 e desfaz a operação. – Log10 to Log2 / Log2 to Log10: Realiza a conversão entre as bases especificadas. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

23 Funcionalidades do MeV
2 - Ajustando os Dados 2.2 – Filtros de Dados – Low Intensity Cutoff Filter: Remove da análise os genes cujo valor da expressão estão abaixo de um certo limiar estabelecido. Esse filtro está disponível para single-color array e two color array. – Percentage Cutoffs Filter: Remove da análise os genes cujo valor da expressão estão abaixo da percentagem estabelecida. – Variance Cutoff Filter: Remove da análise os genes cuja variância não é significativa. O número de genes cortados pode ser estabelecido pela percentagem, pelo valor bruto ou por um limiar de variância. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

24 Funcionalidades do MeV
2 - Ajustando os Dados 2.2 – Filtros de Dados – Detection Filter (Affymetrix with detection call): Ignora os genes que não estão marcados como “presentes” em um número suficientes de amostras. – Bioconductor Detection Call Noise Filter: Filtra os genes para o qual o nível de porcentagem de “absent call” através das amostras está acima do nível definido pelo usuário. – GenePix Flag Filter: Remove da análise todos os genes para o qual o número de amostras com “flags” negativas está acima da porcentagem definida pelo usuário. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

25 Exemplo Prático 2 - Ajustando os Dados
Realizar os seguintes ajustes de dados: – Low Intensity Cutoff Filter – Variance Cutoff Filter IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

26 Funcionalidades do MeV
3 - Clusterização Hierarchical Clustering Cluster Affinity Search Tree EASE Figure of Merit HCL Support Trees QT Cluster Self Organizing Tree Algorithm Self Organizing Map K-Means / Medians Clustering KMC Support IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

27 Funcionalidades do MeV
3 - Clusterização Hierarchical Clustering IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

28 Funcionalidades do MeV
3 - Clusterização K- means / medians clustering IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

29 Funcionalidades do MeV
3 - Clusterização Figure of Merit IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

30 Exemplo Prático 3 - Clusterização
Realizar as seguintes Clusterizações: – Hierarchical Clustering – k-Means/Medians Clustering IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

31 4 - Análises Estatísticas
Funcionalidades do MeV 4 - Análises Estatísticas Pavlids Template Matching One-Way ANOVA t Tests Two-Factor ANOVA BRIDGE Rank Products Nonparametric Tests Bayesian Estimation on Temporal Regulation Significance Analysis for Microarrays IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

32 4 - Análises Estatísticas
Funcionalidades do MeV 4 - Análises Estatísticas Significance Analysis for Microarrays SAM pode ser usado para caracterizar genes significantes baseado na sua expressão diferencial entre conjuntos de amostras. Ele é eficaz quando existe uma hipótese a-priori dizendo que alguns genes terão níveis de expressão médios diferentes entre diferentes conjuntos de amostras. Familywise Discovery Rate (FDR) Permite ao usuário estabelecer um limiar de significância IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

33 4 - Análises Estatísticas
Funcionalidades do MeV 4 - Análises Estatísticas Significance Analysis for Microarrays 1 – Two-class paired: As amostras são categorizadas em dois grupos e existe um pareamento um-a-um entre os membros dos dois grupos. 2 – Two-class Unpaired: Como no paired, porém não existe o pareamento entre os dois grupos. 3 – Multi-class: o usuário especifica o número de grupos (>2). 4 – Censored survival: As amostras são associadas com outros atributos externos à análise de expressão. 5 – One-class: O usuário especifica um valor a ser testado para cada expressão média do gene. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

34 4 - Análises Estatísticas
Funcionalidades do MeV 4 - Análises Estatísticas Significance Analysis for Microarrays IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

35 4 - Análises Estatísticas
Exemplo Prático 4 - Análises Estatísticas Realizar o Significance Analysis for Microarrays (SAM) IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

36 Funcionalidades do MeV
5 - Classificação Support Vector Machines Uncorrelated Shrunken Centroid Classification k-Nearest Neighbors Classification Discriminant Analysis Classifier IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

37 Funcionalidades do MeV
5 - Classificação k-Nearest Neighbors Classification KNN é um esquema de classificação supervisionado. Um subconjunto dos dados originais (o conjunto de treinamento) é usado como entrada para classificar os dados restantes. O usuário especifica o número de classes desejada e o conjunto de treinamento deverá conter exemplos de cada uma dessas classes. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

38 Funcionalidades do MeV
5 - Classificação k-Nearest Neighbors Classification IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

39 Exemplo Prático 5 - Classificação
Realizar o k-Nearest Neighbors Classification IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

40 Funcionalidades do MeV
6 - Redução dos Dados Relevance Networks Principal Component Analysis Correspondence Analysis Expression Terrain Map IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

41 Funcionalidades do MeV
6 - Redução dos Dados Principal Component Analysis PCA é usado para atribuir a variabilidade dos dados para um conjunto reduzido de variáveis chamadas componentes principais. Para cada componente principal é atribuída uma fração da variabilidade total, e esses componentes são ordenados em ordem decrescente de variabilidade. Visualização 3D IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

42 Funcionalidades do MeV
6 - Redução dos Dados Principal Component Analysis IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

43 Exemplo Prático 6 - Redução dos Dados
Realizar o Principal Component Analysis (PCA) IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

44 Funcionalidades do MeV
7 - Meta Analysis Gene Set Enrichment Analysis EASE Cluster Analysis IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

45 Funcionalidades do MeV
7 - Meta Analysis EASE Cluster Analysis - Interpretação biológica dos dados - Gene Ontology, KEGG pathways IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

46 Funcionalidades do MeV
7 - Meta Analysis EASE Cluster Analysis IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

47 Exemplo Prático 7 - Meta Analysis Realizar o EASE Cluster Analysis
IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

48 Funcionalidades do MeV
8 - Visualização Linear Expression Map Gene Distance Matrix IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

49 Funcionalidades do MeV
9 - Outros Gene Shaving Bayesian Network Literature Mining IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

50 Conclusão Foi apresentada uma ferramenta para análise dos dados de expressão gênica obtidos através de experimentos de microarray. A ferramenta mostrada participa do ciclo final de um conjuno de vários softwares destinados a realizar um experimento completo de análise de expressão gênica. Também foram mostrados as diversas operações possíveis na ferramenta seguindo uma ordem lógica de análise dos dados. IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão

51 Referências TIGR – www.tigr.org TM4 – www.tm4.org
Site da Disciplina – MeV QuickStart Guide MeV Manual IF705 - UFPE - CIn MeV: MultiExperiment Viewer Eduardo Gade Gusmão