iPOP特徴量抽出・相関検出

• こちらの論文(Personal Omics Profiling Reveals Dynamic Molecular and Medical Phenotypes )
• データ解析に関しては、Experimental ProceduresのExtended タブ(こちら)
• 以下、その手順
• データを収集
  • 時系列で
• データのタイプ
  • Whole Genome Seq.
  • Whole Exom Seq.
  • Whole Transcriptome Seq.
  • Small RNA Seq.
  • Shotgun Proteome
  • Serum Metabolome
  • ImmunoSorbent CRP
  • Serum Cytokines
  • Serum Chemistry
  • Autoantibodyrome
  • Telomere Length
  • von Willebrand Factor
• 解析の枠組み
  • 上記のタイプごとにデータをQC
  • タイプを越えて(multi-omicsで)解析
• タイプごとの処理
  • 扱うための情報集約
    • 多型のアノテーション
    • RNA発現量を遺伝子単位に
    • タンパク発現量を分子単位に
  • 扱うための加工
    • ノイズに埋もれているとみなせるものを排除
    • 時系列解析に耐えないもの(複数の観測時点で値が取れていないもの)を排除
    • 意義のあるもののみを残す
      • FDR処理など
  • 扱うための標準化
    • Quantile normalization(Wiki記事)
      • Bioconductorの解説文書
      • 参考資料
    • Vector Normalization(Wolframの解説文書)
    • 分布の推定
      • bootstrap samplingによる分布作成
  • 経時処理
    • 多数の観測時点がある場合には、フーリエ変換して、周期的要素に分解(periodogramを作成)して、periodogramの特徴量を解析対象とする
    • 多数の観測時点があって、周期的反応を見たいときなどは、(こんな感じ)
    • 時点数が少ないとき
      • すべての時点について単調増・単調減を考えているときは、(線形)回帰など、単純なものを
      • 初期スパート、後期減衰など、一定のパターンを想定しているときは、そのパターンごとに時点の順序を入れ替えて、(線形)回帰など
      • 仮説フリーで行うなら、全時点の順序を無視して
• 各論
  • Whole Genome, Exome, その他ゲノム多型
    • 多型アノテーション、ジェノタイプ化
  • mRNA
    • 遺伝子単位に統合
    • 低発現遺伝子の足きり
    • 補正
      • 個々の実験単位で
      • 異なる時点にわたっての補正
  • プロテオーム・メタボローム
    • 分子単位に統合
    • 低発現画分の足きり
    • (過多画分の足きり)
  • (論文とは関係ないけれど)FACS
    • 特定の血球画分における、膜タンパク発現として扱う
    • 表面マーカーによって分類される細胞画分の量的変化として扱う(表面マーカーによる比率のみでなく、血球数に照らした絶対値も必要)
• その他
  • 複数サンプルの場合
    • 本論文は、１個人の経時的プロファイル
    • 複数人の経時的プロファイルの場合には、個人を分類するラベル(フェノタイプなど)の情報を加えたり、その上で、さらに個人ごとに異なる挙動を考慮したければ、(個人に関する)ランダムエフェクトを入れた上で、適宜、回帰などを(参考→こちら