[논문 리뷰] multiDimBio: An R Package for the Design, Analysis, and Visualization of Systems Biology Experiments

Samuel V. Scarpino, Ross Gillette외 1명|arXiv (Cornell University)|2014. 04. 02.

Genetic Mapping and Diversity in Plants and Animals참고 문헌 22인용 수 8

한 줄 요약

multiDimBio는 차원 감소, 다변량 통계 및 3D 기능적 경관 시각화를 통해 체계생물학 연구자가 다차원 생물학적 데이터를 설계, 분석 및 시각화할 수 있도록 돕는 R 패키지입니다. 이 패키지는 힘 분석, MANOVA, PermuteLDA 및 FSelect를 지원하며, 주요 결과로 볼즈린졸린에 노출된 뇌핵 6개에서 신경 반응 차이가 유의미하게 관찰되었고, 3D 경관도를 통해 시각화되었습니다.

ABSTRACT

The past decade has witnessed a dramatic increase in the size and scope of biological and behavioral experiments. These experiments are providing an unprecedented level of detail and depth of data. However, this increase in data presents substantial statistical and graphical hurdles to overcome, namely how to distinguish signal from noise and how to visualize multidimensional results. Here we present a series of tools designed to support a research project from inception to publication. We provide implementation of dimension reduction techniques and visualizations that function well with the types of data often seen in animal behavior studies. This package is designed to be used with experimental data but can also be used for experimental design and sample justification. The goal for this project is to create a package that will evolve over time, thereby remaining relevant and reflective of current methods and techniques.

연구 동기 및 목표

• 체계생물학 실험에서 유도된 고차원 생물학적 데이터를 분석하고 시각화하는 데 도전하는 것.
• 전통적인 단변량 방법이 복잡한 다변량 형질 상호작용을 포착하지 못하는 한계를 극복하는 것.
• 실험 설계에서 데이터 분석 및 발표용 시각화에 이르기까지 통합된 워크플로우를 제공하는 것.
• 다차원 데이터셋에서 진정한 생물학적 신호와 잡음을 구분하는 데 연구자들을 지원하는 것.
• 특성 선택 및 효과 탐지에 사용할 수 있는 고급 다변량 기법들(예: PermuteLDA 및 FSelect)의 사용을 촉진하는 것.

제안 방법

• FSelect() 및 PermuteLDA()에 대한 힘 분석을 위해 다양한 표본 크기와 효과 크기를 반복 샘플링하여 구현.
• 시각화 및 분석 이전에 원시 데이터를 Z-점수 변환하여 형질을 표준화.
• FSelect()를 적용하여 볼즈린졸린 라인과 대조 라인을 가장 잘 구분하는 6개의 뇌핵을 식별.
• LandscapePlot을 사용하여 다변량 형질 상호작용을 3차원으로 시각화하는 3D 기능적 경관도 생성.
• MANOVA 결과의 상호작용 플롯과 판별 함수 분석을 위한 산점도/밀도도 통합.
• IntPlot을 사용하여 다수의 형질과 조건에 걸쳐 p-값과 상호작용 유의성 시각화.

실험 결과

연구 질문

• RQ1 체계생물학 실험에서 유도된 고차원 생물학적 데이터를 효과적으로 분석하고 시각화하는 방법은 무엇인가요?
• RQ2 다변량 행동 및 신경생물학적 형질의 의미 있는 차이를 탐지하기 위해 필요한 통계적 힘은 얼마인가요?
• RQ3 볼즈린졸린에 노출된 라인과 대조 라인 간의 스트레스 반응을 가장 강하게 구분하는 뇌 영역는 어디인가요?
• RQ4 3D 기능적 경관 시각화는 복잡한 다차원 형질 상호작용의 해석을 어떻게 향상시킬 수 있나요?
• RQ5 기존의 단변량 방법은 체계생물학에서 형질 반응의 진정한 복잡성을 얼마나 잘 포착하지 못합니까?

주요 결과

• FSelect 기능은 볼즈린졸린에 노출된 라인과 대조 라인을 가장 잘 구분하는 6개의 핵—MPED, ST, BnSTm, PMCO, CA1 및 Ctrx—를 식별했습니다.
• PermuteLDA는 볼즈린졸린과 대조 라인 간에 스트레스에 대한 신경 반응에 유의미한 차이를 탐지했으며, 주로 첫 번째 및 두 번째 주요 성분에 의해 주도되었습니다.
• MANOVA 결과는 조건 A(p = 0.0042)와 듀애드(Dyad, p < 0.001)에 유의미한 주효과가 있었고, 상호작용 효과는 경계선 수준이었음(p = 0.0358).
• 상호작용이 통계적으로 유의미하지는 않았지만, 축 4에서의 경향성이 관찰되었으며, 이는 상호작용 플롯에서 선이 교차하는 것으로 나타났습니다.
• 기능적 경관 시각화(그림 7)는 Z-점수 변환된 데이터를 사용하여 6개 뇌 영역에서 볼즈린졸린의 다변량 효과가 스트레스 반응에 미치는 영향을 효과적으로 시각화했습니다.
• 이 패키지는 유의미한 유형 I 오류 비율을 잘 제어했지만, FSelect의 경우 일반적인 행동 효과 크기에서 80%의 검정력을 확보하기 위해 그룹당 약 35명의 표본이 필요하고, PermuteLDA의 경우 약 20명의 표본이 필요합니다.