[[176522]]

在大多數(shù)科學研究中，大量的實驗數(shù)據(jù)的統(tǒng)計分析工作通常由計算和統(tǒng)計方面的技術專家完成。 遺憾的是，這些專家不是相應領域研究的專家，這可能導致分析中的缺陷。 如果，研究人員本人能夠輕松使用工具和方法來處理和分析數(shù)據(jù)，那么肯定會獲得豐富研究成果。

問題

許多科學家都面臨著共同的挑戰(zhàn)，特別是那些分子生物學領域科學家，他們的實驗產(chǎn)生了大量的數(shù)據(jù)。對于如此海量的數(shù)據(jù)，人們需要軟件工具來有效地解釋其數(shù)據(jù)。

如今，面臨日益增長的大數(shù)據(jù)，計算機軟件仍大多側重于數(shù)據(jù)處理，通過面向技術專家的用戶界面，以標準的統(tǒng)計方法來呈現(xiàn)數(shù)據(jù)結果。 因此，科學家/研究者很難深入解釋這些數(shù)據(jù)，大量的數(shù)據(jù)分析工作只能由專業(yè)的生物信息學家和生物統(tǒng)計學家來執(zhí)行。 然而，這個模式并不盡如人意，因為通常情況下，科學家才是最了解該研究領域的人。

解決方案

結合優(yōu)選算法，可視化方法可以在某種程度上應對這些挑戰(zhàn)，并可使更多使用者去探索和分析數(shù)據(jù)?？梢暬夹g，給大家提供了一種快速識別重要結構和模式的積極有效的方法，而且反饋信息也很易于理解。 從團體化的視角來看，這也是一種很重要的方法，因為它使更多的科學家能夠分析和討論實驗數(shù)據(jù)和結果，進而推動創(chuàng)新。

當使用可視化來識別數(shù)據(jù)中新的子組數(shù)據(jù)和模式時，我們建議使用五步法來確?？芍貜偷娘@著的結果。 此分析步驟的是出于多方面的考慮， 最基本的意圖是嘗試在數(shù)據(jù)中識別全新的組或模式， 另一方面是為了探索數(shù)據(jù)，并且僅檢測預期的模式，這是一種質(zhì)量控制的好辦法。 通過應用這個五步法，科學家就可以研究大量復雜的數(shù)據(jù)集，而不必成為統(tǒng)計專家。 該方法在下面更詳細地描述，但是一些基本概念需在此交代清楚， 它可應用于任何類型的生命科學行業(yè)數(shù)據(jù)，可以是高維度數(shù)據(jù)和樣本數(shù)據(jù)，例如 RNA-seq，基因表達陣列，蛋白質(zhì)組學，DNA甲基化，代謝組學等等。

***步：降低數(shù)據(jù)維度

首先，高維數(shù)據(jù)需要被降階到較低的維度，使得其可以進行3D繪制。 為此，我們建議使用主成分分析(Principal Component Analysis, PCA)的方法。另外，還需要用數(shù)據(jù)染色工具來增強信息，并用過濾器等工具來篩選數(shù)據(jù)集的部分。

[[176524]]

在五步法的起始階段，研究人員會對活動數(shù)據(jù)集中存在的***信號進行檢測和去除。 一旦識別了該信號就可以去除它，以便查看是否存在其他模糊但仍然可辨認的信號。移除一個強信號，通常會導致活動樣本和或變量(特征)的減少。

第二步：評估信噪比

該過程的第二步是通過使用PCA、投影分數(shù)和隨機化來評估數(shù)據(jù)中的信噪比。 投影分數(shù)會顯示檢測的信號或模板的視覺強度。

[[176525]]

第三步：方差濾波去除噪聲

第三步是通過方差濾波去除“噪聲”。 如果研究人員可以在其活動數(shù)據(jù)集中看到顯著的信噪比，那么他們應該嘗試去除一些最可能貢獻噪聲的活躍變量。 為了識別所需的方差過濾量，用戶可以使用由PCA可視化和投影得分的方法來獲得方差過濾量。 通過測試多個不同的方差設置，可以更容易找到清晰的模式。

第四步：統(tǒng)計測試

[[176526]]

第四步，統(tǒng)計測試是可選的執(zhí)行步驟，可以應用于五步過程的任何/所有其他階段，也就是說，可以在初始分析期間執(zhí)行，或者當某個步驟重復的時候執(zhí)行，或者在步驟結束時執(zhí)行，或者不做也可以。 被測數(shù)據(jù)組可以是預定義的，或者是在迭代過程中確定下來的。 (建議對第二個數(shù)據(jù)集去驗證發(fā)現(xiàn)的數(shù)據(jù)結構和數(shù)組)

第五步：搜索子組或群集

***一步，使用圖形來細化子組或群集的搜索。 例如，在網(wǎng)絡或圖形中連接樣本，使其可以搬升至更高的維度(即，大于三個維度，可以用3D PCA圖來表示)，因為在樣本圖中創(chuàng)建的圖形是基于所有活動變量的空間距離，所以它可以使用戶對數(shù)據(jù)結構有更深入的了解。

重復這五個步驟，直到無法再找出新的數(shù)據(jù)結構。

就此方法來操作，可視化可以作為研究人員的強大工具。數(shù)據(jù)能夠以清晰的方式可視化，科學家可以輕松識別那些有趣和/或重要的結果，而不必依賴于專業(yè)的生物信息學家和生物統(tǒng)計學家。 相反，科學家可以與生物信息學家合作，去收獲更有意義的成果。