結(jié)合優(yōu)選算法 利用可視化進(jìn)行高級數(shù)據(jù)分析的五個步驟
選文|寒小陽
翻譯|吳蕾
校對|任杰
【導(dǎo)語】在大多數(shù)科學(xué)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(shù)專家完成。 遺憾的是，這些專家不是相應(yīng)領(lǐng)域研究的專家，這可能導(dǎo)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(xué)家都面臨著共同的挑戰(zhàn)，特別是那些分子生物學(xué)領(lǐng)域科學(xué)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(cè)重于數(shù)據(jù)處理，通過面向技術(shù)專家的用戶界面，以標(biāo)準(zhǔn)的統(tǒng)計方法來呈現(xiàn)數(shù)據(jù)結(jié)果。 因此，科學(xué)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(xué)家和生物統(tǒng)計學(xué)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(xué)家才是最了解該研究領(lǐng)域的人。
解決方案
結(jié)合優(yōu)選算法，可視化方法可以在某種程度上應(yīng)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(shù)，給大家提供了一種快速識別重要結(jié)構(gòu)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(xué)家能夠分析和討論實驗數(shù)據(jù)和結(jié)果，進(jìn)而推動創(chuàng)新。
當(dāng)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?fù)的顯著的結(jié)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(yù)期的模式，這是一種質(zhì)量控制的好辦法。 通過應(yīng)用這個五步法，科學(xué)家就可以研究大量復(fù)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(xì)地描述，但是一些基本概念需在此交代清楚， 它可應(yīng)用于任何類型的生命科學(xué)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(dá)陣列，蛋白質(zhì)組學(xué)，DNA甲基化，代謝組學(xué)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(jìn)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。
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(jìn)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(rèn)的信號。移除一個強信號，通常會導(dǎo)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?jǐn)?shù)和隨機化來評估數(shù)據(jù)中的信噪比。 投影分?jǐn)?shù)會顯示檢測的信號或模板的視覺強度。
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(yīng)該嘗試去除一些最可能貢獻(xiàn)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(shè)置，可以更容易找到清晰的模式。
第四步：統(tǒng)計測試
第四步，統(tǒng)計測試是可選的執(zhí)行步驟，可以應(yīng)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(dāng)某個步驟重復(fù)的時候執(zhí)行，或者在步驟結(jié)束時執(zhí)行，或者不做也可以。 被測數(shù)據(jù)組可以是預(yù)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(jié)構(gòu)和數(shù)組)
第五步：搜索子組或群集
***一步，使用圖形來細(xì)化子組或群集的搜索。 例如，在網(wǎng)絡(luò)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(jié)構(gòu)有更深入的了解。
重復(fù)這五個步驟，直到無法再找出新的數(shù)據(jù)結(jié)構(gòu)。
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(xué)家可以輕松識別那些有趣和/或重要的結(jié)果，而不必依賴于專業(yè)的生物信息學(xué)家和生物統(tǒng)計學(xué)家。 相反，科學(xué)家可以與生物信息學(xué)家合作，去收獲更有意義的成果。
來源：http://www.qlucore.com
【本文是51CTO專欄機構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
