08 Tus Resultados

Octavo módulo de la primera edición del curso «Bioinformática Aplicada a Tu Proyecto».

Transcript

1. Bioinformática Aplicada a Tu Proyecto Módulo 8: Tus Resultados Joshua Haase 2020-06-29 1
2. Estamos en la penúltima semana del curso. 2
3. Hacemos gráficos para presentar los resultados porque una gran proporción de nuestro cerebro procesa estímulos visuales. 3
4. Hacemos gráficos para presentar los resultados porque una gran proporción de nuestro cerebro procesa estímulos visuales. • Por eso es mejor gráfica que tabla. 4
5. Hacemos gráficos para presentar los resultados porque una gran proporción de nuestro cerebro procesa estímulos visuales. • Por eso es mejor gráfica que tabla. • Explorar datos y presentarlos es diferente. 4
6. Hacemos gráficos para presentar los resultados porque una gran proporción de nuestro cerebro procesa estímulos visuales. • Por eso es mejor gráfica que tabla. • Explorar datos y presentarlos es diferente. • Mostrar los resultados de manera evidente (Fry 2008). 4
7. El alumno que tenía resultados y gráficos pero no sabía interpretarlos. Figure 1: Un ejemplo de cómo podría fallar un algoritmo (Raykov et al. 2016). 5
8. Cómo hacer gráficas bonitas como en los papers.
9. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. 6
10. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. 6
11. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. • Limpiar datos: variables en columnas, registros en filas (Wickam 2014). 6
12. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. • Limpiar datos: variables en columnas, registros en filas (Wickam 2014). • Seleccionar la información relevante para contestar la pregunta. 6
13. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. • Limpiar datos: variables en columnas, registros en filas (Wickam 2014). • Seleccionar la información relevante para contestar la pregunta. • Analizar ese conjunto de datos para contestar la pregunta. 6
14. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. • Limpiar datos: variables en columnas, registros en filas (Wickam 2014). • Seleccionar la información relevante para contestar la pregunta. • Analizar ese conjunto de datos para contestar la pregunta. • Representar las conclusiones. 6
15. Proceso para filtrar visualizar datos (Fry 2008): • Identificar la pregunta. • Adquirir los datos necesarios. • Limpiar datos: variables en columnas, registros en filas (Wickam 2014). • Seleccionar la información relevante para contestar la pregunta. • Analizar ese conjunto de datos para contestar la pregunta. • Representar las conclusiones. • Refinar detalles. 6
16. Los resultados del análisis pueden ser: • Descriptivo 7
17. Los resultados del análisis pueden ser: • Descriptivo • Inferencial 7
18. Los resultados del análisis pueden ser: • Descriptivo • Inferencial • Predictivo 7
19. En el análisis descriptivo queremos verificar los datos y buscar correlaciones. • Buscar correlaciones. 8
20. En el análisis descriptivo queremos verificar los datos y buscar correlaciones. • Buscar correlaciones. • Datos completos (sin N/A). 8
21. En el análisis descriptivo queremos verificar los datos y buscar correlaciones. • Buscar correlaciones. • Datos completos (sin N/A). • Algunos modelos requieren reescalar. 8
22. Si el programa de análisis grafica puedes agregarlo como objetivo al mkfile. 9
23. En caso contrario hay varias bibliotecas que se pueden usar para graficar datos. • matplotlib 10
24. En caso contrario hay varias bibliotecas que se pueden usar para graficar datos. • matplotlib • ggplot2 10
25. En caso contrario hay varias bibliotecas que se pueden usar para graficar datos. • matplotlib • ggplot2 • Plot.ly 10
26. En caso contrario hay varias bibliotecas que se pueden usar para graficar datos. • matplotlib • ggplot2 • Plot.ly • D3.js 10
27. Los datos se van filtrando y refinando hasta tener gráficas. 11
28. Qué significan esas bonitas gráficas.
29. Las muestras no deben tener mala calidad. 12
30. Los datos de control de calidad para RNA-seq (Tarazona et al. 2015). 13
31. Verificar que el experimento capture las características biológica de interés (Tarazona et al. 2015). Figure 2: La captura entre tratamientos debe ser similar. 14
32. Verificar que el experimento capture las características biológica de interés (Tarazona et al. 2015). Figure 3: Cada muestra debe tener las características de interés. 15
33. Capturar características al menor costo posible (Tarazona et al. 2015). Figure 4: Diseñar bien el experimento permite optimizar los recursos. 16
34. Los tratamientos deben ser similares a nivel global (Tarazona et al. 2015) 17
35. Existen varios procesos para normalizar pero deben elegirse según el caso (Dillies et al. 2012) 18
36. Corregir efecto por tamaño de transcritos (Dillies et al. 2012) Figure 5: Diferencias en captura por tamaño de transcrito. 19
37. Corregir efecto por tamaño de transcritos (Dillies et al. 2012) Figure 6: Efecto de tamaño de transcrito normalizado. 20
38. RNA-seq tiene afinidad por secuencias con menos GC (Dillies et al. 2012). 21
39. RNA-seq tiene afinidad por secuencias con menos GC (Dillies et al. 2012). 22
40. Corregir diferencias en la cantidad de material genético en cada muestra (Dillies et al. 2012). 23
42. Los PCA agrupan las variables que están correlacionadas en un autovector (“Principal Component Analysis Essentials” n.d.). • Es preferible reescalar. 25
43. Los PCA agrupan las variables que están correlacionadas en un autovector (“Principal Component Analysis Essentials” n.d.). • Es preferible reescalar. • Variables correlacionadas. 25
44. Los PCA agrupan las variables que están correlacionadas en un autovector (“Principal Component Analysis Essentials” n.d.). • Es preferible reescalar. • Variables correlacionadas. • Las variables que correlacionan pueden agrupar las muestras. 25
45. Los k-means separan en k-grupos incluso si no tienes un sólo grupo. • La elección de puntos iniciales importa. 26
46. Los k-means separan en k-grupos incluso si no tienes un sólo grupo. • La elección de puntos iniciales importa. • Verificar el número de grupos. 26
47. Los k-means separan en k-grupos incluso si no tienes un sólo grupo. • La elección de puntos iniciales importa. • Verificar el número de grupos. • Mismos individuos por grupo. 26
48. Referencias
49. El material de este módulo está basado en: Dillies, M.-A., A. Rau, J. Aubert, C. Hennequet-Antier, M. Jeanmougin, N. Servant, C. Keime, et al. 2012. “A Comprehensive Evaluation of Normalization Methods for Illumina High-Throughput RNA Sequencing Data Analysis.” Briefings in Bioinformatics 14 (6): 671–83. https://doi.org/10.1093/bib/bbs046. Fry, Ben. 2008. Visualizing Data. Sebastopol, CA: O’Reilly Media, Inc. “Principal Component Analysis Essentials.” n.d. Accessed June 29, 2020. http://www.sthda.com/english/articles/31-principal-component-methods- in-r-practical-guide/112-pca-principal-component-analysis-essentials/. Raykov, Yordan P., Alexis Boukouvalas, Fahd Baig, and Max A. Little. 2016. “What to Do When K-Means Clustering Fails: A Simple yet Principled Alternative Algorithm.” PLOS ONE 11 (9): e0162259. https://doi.org/10.1371/journal.pone.0162259. 27