Data analysis and integration (III)

Question 1

Low dimensional data

Answer 1

More observations than variables.

Question 2

High dimensional data

Answer 2

More variables than observations.

Question 3

Problemen met high dimensional data

Answer 3

1. Visualization
2. relevant genes
3. similarity/subgroup data
4. avoiding overfitting
5. false positives
6. statistical analyses
7. similar function of genes

Question 4

Differential gene expression analysis doel

Answer 4

Analyse en interpretatie van verschillen in gentranscriptie binnen een transcriptoom.

Question 5

Workflow differential gene expresssion

Answer 5

1. Collect data
2. Normalize samples
3. Calculate changes between conditions.
4. Test which changes are significant.
5. Correct for multiple testing
6. Interpret results

Question 6

Fold change (FC)

Answer 6

Als we naar veranderingen kijken, is de verhouding tussen behandeling en controle doorgaans relevanter dan het verschil. Dit wordt fold change (FC) genoemd.

Question 7

Problemen met library normalization

Answer 7

1. Aanpassing voor verschillende bieb groottes.
2. Aanpassing voor verschillende bieb samenstelling.

Question 8

Bonferroni correction

Answer 8

Zeer strikt, gaat ervan uit dat alle genen zich onafhankelijk gedragen. Het deelt alle p-waardes (<0.05) door het aantal uitgevoerde tests.

Question 9

Benjamini-Hochberg (BH)

Answer 9

vaak gebruikt bij omics-data-analyse. Minder streng.
False discovery rate (FDR): verwacht aandeel valse ontdekkingen onder alle ontdekkingen gegeven een p-waardedrempel.

Alle p-values worden gerangschikt van laag naar hoog. De hoogste worden het meest gecorriceerd.

Question 10

Principe biological overlay

Answer 10

Biologische overlays worden gebruikt om van een dataset naar biologie te gaan met behulp van biologische kennis. Het zal genen in kaart brengen voor biologische functies en de aanzienlijk gewijzigde lijst van genen begrijpen in de context van transcriptomics/gene expression data.

Question 11

Enrichment

Answer 11

Gene set enrichtment is een methode om klassen van genen of eiwitten te identificeren die oververtegenwoordigd zijn in een grote reeks genen of eiwitten en die geassocieerd kunnen zijn met verschillende fenotypes.

Alleen differentially expressed gene (DEG).

Question 12

Ontology

Answer 12

Een manier om de eigenschappen van een vakgebied te laten zien en hoe deze met elkaar in verband staan, door een reeks concepten en categorieën te definiëren die het onderwerp vertegenwoordigen

Question 13

Annotation

Answer 13

Is het verband tussen een gen en zijn GO-term. Dit is gebaseerd op bewijsmateriaal uit de literatuur dat hen verbindt met de genen die we hebben.

Question 14

Nadelen en risk van biological overlay

Answer 14

1. Trajecten zijn vaak onvolledig en gebouwd op basis van de persoonlijke interesse van vrijwilligers die betrokken zijn bij het maken van de kaarten.
2. Het gebruik van biologische overlays creëert geen ‘nieuwe’ kennis, maar haalt alleen gegevens uit de literatuur.
3. Het is vaak gericht op bepaalde onderzoeksgebieden, zoals kanker.
4. Genen krijgen altijd een annotatie, ook al vervult één gen slechts één (bekende) functie, veranderingen in dit gen kunnen in de verkeerde richting wijzen → onbetrouwbaar

Question 15

Single linkage

Answer 15

De minimale afstand tussen twee punten in verschillende clusters.

Question 16

Complete linkage

Answer 16

De maximale afstand tussen twee punten in verschillende clusters.

Question 17

Average linkage

Answer 17

De gemiddelde afstand tussen alle punten in de twee clusters.

Question 18

Supervised analysis

Answer 18

Gebruikt annotaties als leidraad voor het bouwen van een statistisch model om een output te voorspellen op basis van inputs. Gebruikt bekende gegevens om de uitkomst te beïnvloeden

Question 19

Unsupervised analysis

Answer 19

Leer (willekeurige) relaties en structuur uit data, niet gebaseerd op annotaties/grondwaarheid → hiërarchische clustering

Question 20

Dimension reduction

Answer 20

De transformatie van gegevens van een high dimensional ruimte naar een low dimensional ruimte, zodat de low dimensional representatie enkele betekenisvolle eigenschappen van de originele gegevens behoudt, idealiter dicht bij de intrinsieke dimensie ervan.

Question 20

Principle component analysis (PCA)

Answer 20

Een techniek voor lineaire dimension reduction die de gegevens door lineaire projectie transformeert naar een lager-dimensionale ruimte die zoveel mogelijk gegevensvariatie behoudt

Question 21

Linear discriminant analysis (LDA)

Answer 21

Het minimaliseren van de component-as voor class separation → supervised omdat u weet hoe u de gegevens wilt splitsen