Statystyczna analiza danych

Transkrypt

1 Statystyczna analiza danych wykład I: motywacja i organizacja Anna Gambin Instytut Informatyki UW

2 plan wykładu motywacja: statystyczna bioinformatyka - dwa przykłady (z własnego podwórka) spektrometria mas mikromacierze acgh organizacja: plan wykładu i reguły zaliczenia

3 EKSPERYMENT DANE (duża skala) STATYSTYCZNA ANALIZA DANYCH Diagram of the microarray-based comparative genomic hybridization (acgh)process 2008 Nature Education

4 ludzie (bioputer.mimuw.edu.pl) Piotrek Michał

5 projekty (przykład 1: spektrometria)

6 spektrometria mas widmo peptydu = obwiednia izotopowa

7 automatyczna interpretacja widma

8 DBSCAN

9 klastrowanie w domenie czasu retencji metody obszarowe: DBSCAN

10 klastrowanie )* "%## &!## &&##!"#$!"!$!""$ '( algorytm EM algorytm k-średnich wykorzystujące model probabilistyczny

11 ocena jakości

12 (jednoczesne) testowanie (wielu) hipotez statystycznych FDR - false dicovery rate

13 selekcja cech (biomarkerów) metoda PPC

14 selekcja cech (biomarkerów) t-test (Welch)

15 niestabilność biomarkerów

16 modele Markowa Markov Figure 7chain hierarchical structure

17 uliniowienie próbek

18 klasyfikacja

19 konsensus biomarkerów

20 klasyfikacja RF- random forest SVM- support vector machines DT - decision trees LDA- linear discriminant analysis

21 modelowanie aktywności proteolitycznej

22 model I: egzopeptydazy FTSSTS FTSST TSSTS SSTSY FTSS TSST SSTS STSY FTS TSS SST STS TSY FT SS TS ST SY Figure 2: The cleavage graph for 2 precursor peptides FTSSTS and SSTSY with source and sink nodes added.

23 model II: endopepydazy

24 modelowanie

25 bayesowskie modelowanie

26 prawdopodobieństwo a posteriori

27 Metropolis-Hastings

28 aktywność trypsyny

29 ! estymacja parametrów elastase.1 trypsin.1 ADAM10.peptidase matrix.metallopeptidase.20 membrane.type.matrix.metallopeptidase.3 cathepsin.s membrane.type.matrix.metallopeptidase.4 calpain.2 membrane.type.matrix.metallopeptidase.6 ADAMTS5.peptidase myeloblastin membrane.type.matrix.metallopeptidase.1 calpain.1 8 6! 4!! 2! cathepsin.h hea dise A (real data) clr(activity) 8 B (synthetic data with std = 0.1) clr(activity) 6 4 2!!! 0 C (synthetic data with std = 0.01) clr(activity) ! ! ! Figure 5. Peptidases activities for 19 samples. The red-whi represents peptidase acivities in descending order (for missing pe values are set to minimal). tering of activity profiles groups samples into two c being in good accordance with patient s diagnosis. Let s take a closer look at the set of identified pept Among them we detected the family of matrix metal tidases, whose role in cancer development and progr is significant [16], [17]. The calpain enzyme is use marker for the early detection of colorectal carcinom and inhibitors of cathepsins as possible therapeu

30 grupowanie

31 PCA: analiza składowych głównych

32 PCA: analiza składowych głównych

33 projekty (przykład 2: mikromacierze acgh)

34 technologia acgh Diagram of the microarray-based comparative genomic hybridization (acgh)process 2008 Nature Education

35 baza pacjentów w IMiD

36 zidentyfikowane segmenty

37

38

39

40

41 zidentyfikowane segmenty

42 zidentyfikowane segmenty

43 zidentyfikowane segmenty

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

46 Organizacja wykładu wykład ~ teoria (slajdy + notatki) zaliczenie wykładu = egzamin ustny laboratorium ~ analiza danych (język R) zaliczenie labu = projekt

47 literatura Statistics Using R with Biological Examples Kim Seefeld, Ernst Linder, Applied Statistics for Bioinformatics using R Wim P. Krijnen Statistical Bioinformatics with R Sunil K. Mathur, Elsevier Academic Press, 2010

48 Organizacja wykładu wykład 1: wstęp - organizacja wykładu, skąd przyszliśmy, dokąd zmierzamy... wykład 2 i 3: podstawowe rozkłady prawdopodobieństwa, testy parametryczne i nieparametryczne wykłady 4, 5: analiza skupień=grupowanie = klasteryzacja (ang. clustering) metody grafowe, metody hierarchiczne, relokacyjne, oparte o model.

49 Organizacja wykładu wykłady 6,7: redukcja wymiaru, selekcja cech (biomarkerów) analiza składowych głównych, skalowanie wielowymiarowe wykłady 8-11: klasyfikacja LDA, QDA, regresja liniowa, klasyfikatory drzewowe, boosting,... wykłady 11-14: modele Markowa

50 Organizacja wykładu wykład 1: wstęp - organizacja wykładu, skąd przyszliśmy, dokąd zmierzamy... wykład 2 i 3: podstawowe rozkłady prawdopodobieństwa, testy parametryczne i nieparametryczne wykłady 4-7: statystyka bayesowska modele Markowa, symulacje stochastyczne, próbnik Gibbsa, MCMC...

51 Organizacja wykładu wykłady 8,9: modelowanie estymacja parametów modelu wykłady 10-12: modele liniowe, analiza wariancji ANOVA, regresja liniowa,... wykłady 13-14: projektowanie eksperymentów