Validação e Séries Temporais

Transcrição

1 Validação e Séries Temporais Ivan G. Costa Filho igcf@cin.ufpe.br Centro de Informática Universidade Federal de Pernambuco

2 Tópicos I Como realizar validação biológica? Agrupamento de Genes/Expressão Diferencial Ontologias e Bancos de Dados Análise de enriquecimento Gene Sets

3 Problema de Agrupamento Genes genes condições metodo de clustering Grupo 1 Grupo 2 Grupo 3 YIR017C YJL118W YER019W YDR113C YJR043C YPL016W YBR156C YKR010C YPR141C... YDL093W YER016W YNL126W YKL053W YJL099W YDL198C YCR085W YBR043C YDR325W... Validação Grupo

4 O que fazer com listas de genes? Métodos de agrupamento ou expressão diferencial retornam listas de genes. Qual sentido biológico dessas listas? Solução 1: checar a literatura biológica de cada gene 1 por 1. Solução 2: Usar bancos de dados biológicos com anotação funcional

5 Bancos de dados Biológicos Gene Ontology 3 ontologias descrevendo função, processos e localização de genes KEGG Vias metabólicas e de iterações de genes MIPS Data Base (Yeast) Anotação funcional de genes

6 Gene Ontology (GO) swi5 cell cycle ace2 taf9 taf9 eaf1 swi5 cellular process ace2 ace2 regulation of cell cycle swi5 swi5 taf9 cbf1 biological process cbf1 taf9 ace2 regulation of celular process cbf1 swi5 ace2 eaf1 taf9 chromosome organization taf9 eaf1 chromatin modification taf9 eaf1 Heranca dos termos Redundancia dos termo

7 Gene Ontology Ontologias são definidas por especialistas da área (contem > termos) Cada organismo tem uma anotação termo-genes. Para vários organismos 80%-100% dos genes estão anotados Homo sapiens, mus musculus, Yeast, Anotações tem varias origens: literatura, experimentos, eletrônica (homologia de seqüência, expresso gênica),

8 Análise de Enriquecimento Gene Cluster SWI ACE2 CBF1 YJL099W YDL198C YCR085W YCR043C YDR825C Reference set YDL093 W YER016 W YNL126 W YKL053 W YJL099 W YDL198 C YCR085 W YBR043 C YDR325 W YCR085 W YBR043 C... swi cbf1 regulation of cellular process ace2 taf9

9 Análise de Enriquecimento Gene Cluster SWI ACE2 CBF1 YJL099W YDL198C YCR085W YCR043C YDR825C Reference set YDL093 W YER016 W YNL126 W YKL053 W YJL099 W YDL198 C YCR085 W YBR043 C YDR325 W YCR085 W YBR043 C... 8 de 40 genes Teste hiper-geométrico: swi cbf1 regulation of cellular process ace2 taf9 3 de 4 genes qual a chance de achar 3 genes em comum dado que o grupo tem 8 genes, o termo 4 genes e na base de dados temos 40 genes no total.

10 Análise de Enriquecimento YDL093 SWI W ACE2 YER016 CBF1 W YJL099W YNL126 YDL198C W YCR085W YKL053 YCR043C W YDR825C YJL099 W YDL198 C YCR085 W YBR043 8 de 40 genes C YDR325 W Termo YCR085 W Não Termo YBR043 Total C... Gene Cluster Reference set Grupo k m-k m Não Grupo n-k N+k-n-m n-k Total n N-m N ace2 swi cbf1 regulation of cellular process taf9 3 de 4 genes P( K k) Jm JJ N mj JJ Jk JJ n k J JN J Jn J k i 1 P( X k) 1 P( K i)

11 Análise de Enriquecimento Problemas: para cada termo de GO realizamos um teste estatístico. GO tem > termos. Solução é necessário realizar correção por testes múltiplos.

12 Análise de Enriquecimento Ferramentas

13 Kyoto Encyclopedia of Genes (KEGG) Contem centenas de vias metabólicas/gênicas Todas as anotações são curadas manualmente e retiradas da literatura Não tem uma cobertura grande como GO, mas é precisa.

14 KEGG Podemos fazer teste de enriquecimento, analogamente: quantos genes estão no grupo e na via?

15 Exemplo - Análise de dados Linfáticos tatic/supplements/infdif/results/mi xdtreesmap/

16 Resumo Análise de Enriquecimento permite associar grupos de genes a funções/processos biológicos. Não permitem dar um score global, para por exemplo, comparar métodos. Uma alternativa (heurística)

17 Comparação de Métodos Enriquecimento Para cada método, calcular enriquecimento e quantificar menores p-values

18 Comparação de Métodos Enriquecimento

19 Gene Sets

20 Gene Sets Idéia: dada uma ordenação de genes testar se genes de um grupo estão no topo da lista Ordenação lista de genes diferencialmente expressos, ranking de clustering probabilístico, Grupos termos de GO, vias de KEGG, Solução: escolher um threshold e realizar um teste hipergeométrico

21 Gene Sets Exemplo: ranking de genes Pergunta? ha mais genes a no topo da lista? N S score( i). signal( i) i 1 onde sinal = +1 se a = -1 se b

22 Gene Sets - Exemplos Usar permutaçoes da lista para testar a significância do score mais alto.

23 Gene Sets Tambem requer correção por teste multiplo. Software /gsea/ Fornece vários tipos de Gene Sets ontologies, vias, regulação TF,

24 Análise de Séries Temporais

25 Tópico Características de Series Temporais Tamanho, sampleamento, sincronização Problemas: Alinhamento Detecção de Periodicidade/Fases Agrupamento

26 Séries Temporais Experimento Biológico: ciclo celular

27 Séries Temporais Aplicacoes Aplicações detecção da periodicidade detecção de picos expressão diferencial Co-expressão

28 Series Temporais Inferência de Regulação Genes up em t-1 são possíveis reguladores de genes up em t

29

30

31 Séries Temporais Sincronização Problema: Sincronização Experimentos requerem muitas células cada uma tem seu tempo

32 Séries Temporais Multiplos Experimentos Diferentes experimentos tempos de medição tempo biológico Problema Alinhamento de séries de diferente experimentos

33 Metodos Detecção de Periodicidade Alinhamento de Series Representação Continua das Series Splines HMMs

34 Detecção de Periodicidade Analise de Fourrier Dado equações de fourrier e a expressão t φ Encontrar w período Φ - deslocamento minimizando D w

35 Alinhamento de Series Usar programação dinâmica escolher o pareamento dos pontos t 1, t 2, t 3,, t L t 1, t 2, t 3,, t M Minimizando uma distancia

36 Alinhamento de Series

37 Series Temporais Representação Continua Usar cubicsplines como representa continua de series temporais Overffiting com dados faltosos e ruído

38 Alinhamento Representacao Continua Achar T (s) = (s b)/ a Onde a = escala b = offset

39 Splines Tambem pode ser usado para agrupamento Requer muitos pontos

40 Modelos Escondidos de Markov

41 Example: Up-regulation 1,5 expression 1 0,5 0 Location and width -0, time Segment length

42 Prototype: Upregulation Location and width idden Markov Model (HMM) Segment length

43 Example: Constant 1,5 expression 1 0,5 0-0, time

44 Prototype: Constant Location and width Segment length Hidden Markov Model (HMM)

45 Viterbi Path: Upregulation 1,5 expression 1 0,5 0-0, time State

46 Viterbi Path: Upregulation 1,5 expression 1 0,5 0-0, State State time

47 Mixture models Mixture components: HMMs λ 1, λ 2,..., λ k Mixture model weighted sum of λ i P[ gene mixture ] = α 1 P[gene λ 1 ] + α 2 P[gene λ 2 ] + α i 0, add to unity

48 Mixtura de HMMs Vantagens Para cada HMM, ha 3x #estados parametros livres Usando Gausianas, temos 2xL + L 2 parametros livres No geral temos # estados << L

49 Biological Data Gene expression of synchronized HeLa cells (Whitfield et. al. 2002); experiment three 0-46 hours after arrest with double thymidine block in S phase 2272 expression time courses with two-fold change for at least one time point

50 Hela Cell: Cluster Example

51 Classificação de Pacientes Dados: ~50 pacientes de múltipla esclerose Cada paciente tem expressão medida em 70 genes e 7 pontos de tempo. Classificação: Pacientes com boa ou ma

52 Resultados Expressao Media

53 Resultados Series Alinhadas

54 Software GQL QuickTime and a TIFF (Uncompressed) decompressor are needed to see this picture.

55 Resumo Modelos Temporais são vitais na analise series temporais de expressão gênica Desafio: reconstrução de redes regulatorias (proxima aula)