Проверить качество выборки в матрице подсчета генов

Практический пример Проверить качество выборки в GSE60450

Перед проведением дифференциально-экспрессионного анализа проверьте, что графовая матрица конструктивно пригодна для использования и что метки выборки остаются отслеживаемыми. В этом прохождении используется настоящая публичная матрица GEO GSE60450 для мыши RNA-seq. Он производит двенадцатиобразцовую таблицу QC, необработанный график размером с библиотеку и отчет о методах в Open-Science.

Является ли Научное решение: внутренне достаточно последовательным, чтобы перейти к выборке аннотации и отдельно разработанному статистическому анализу? Проверки ниже адреса целостности файла и описательные счета. Они не устанавливают биологическую сопоставимость, нормализацию, пакетную коррекцию или дифференциальную экспрессию.

Размеры и числовые результаты, приведенные ниже, относятся к этому примеру ввода. С помощью собственной матрицы определите ее столбцы выборки и пересчитайте чеки.

Исходный и входной контракты

Загрузите исходную матрицу из Примерные данные и ожидаемые результаты. Проверьте свою контрольную сумму, столбцы выборки и поля метаданных перед загрузкой. Используйте эту страницу для базовых значений в течение всего этого рабочего процесса.

1. Определите работу перед ее выполнением

Создайте проект и прикрепите исходную матрицу со страницы примера. Включить Python с csv, statistics и hashlib (стандартная библиотека) и установить matplotlib через Среды выполнения, если он отсутствует. Используйте подключенную модель, которая может выполнять код Notebook.

Отправьте этот запрос или адаптируйте названия выводов, сохраняя определения столбца:

Inspect the attached public GEO GSE60450 gene-count matrix in the Session
Notebook using Python csv/statistics/hashlib and matplotlib. Do not install
packages during the analysis. Preserve the input. Exclude EntrezGeneID and
Length from the 12 sample-count columns. Validate unique IDs, row widths,
nonnegative integer counts and missing entries. Save rnaseq-sample-qc.csv
with exactly six columns: compact_sample, original_column_name, total_raw_counts,
zero_count_genes, detected_genes_count_gt_0, median_count_among_detected_genes. Retain the complete original sample
identifier in original_column_name; compact_sample is only a compact display label.
For each sample compute the raw-count sum, count of zeros, count > 0,
and median of positive counts. Save rnaseq-library-sizes.png with all sample
labels and a raw-count axis, plus rnaseq-qc-report.md describing the source,
input SHA-256 before and after, method, label mapping and limitations.
Save all three outputs in English; I will reopen them to check the results.
Do not perform differential-expression testing or delegate.

Перед отправкой нажмите на вложение, чтобы проверить его заголовок: два столбца метаданных, за которыми следуют двенадцать столбцов выборки. предварительный просмотр текста загружает только часть большого файла; Notebook должен читать всю матрицу. Этот забег посылал расчёты напрямую. Если вы хотите сначала согласовать план, используйте отдельный поток Планирование.

2. Держите метаданные вне выборочных расчетов

Вычисление сохраняет идентификаторы Entrez, проверяет согласованную ширину строк и проверяет подсчеты как неотрицательные целые числа. Length — это метаданные гена, а не тринадцатый образец. Нулевое число - это измеренная запись, а не недостающее значение; Не заменяйте бланки на ноль или удаляйте гены с нулевым счетом.

Для каждого образца вычислите общее количество сырых чисел, количество генов с нулевым счетом, число с количеством больше нуля и среднее количество Только обнаруженные гены. Запишите этот знаменатель. Используйте точные входные колонки; Компактные метки, такие как MCL1-DG, представляют собой явные отображения, а не новые биологические группы.

3. Проверить исполнение и справиться с неудачей

Прочитайте запрос разрешения Python, включая входные файлы и имена выходов, а затем разрешите операцию. Откройте Notebook в разговоре и проверьте завершенную ячейку и ее выход. Проверьте размеры, оригинальные метки, метрические массивы и хеш-код до/после; Одного лишь сообщения о завершении модели недостаточно.

Если входной идентификатор версии не может быть решен, попросите агента прочитать прикрепленный вход и повторную запись этого разговора. Подтвердите имя файла и контрольную сумму, прежде чем продолжить.

Пример содержит Генные строки 27,179 и столбцы выборки 12, без искаженных строк, дублирующих идентификаторов, отсутствующих записей или недействительных подсчетов. Откройте все три выходных файла под Generated, чтобы проверить сохраненные результаты.

4. Принять таблицу выборки

Откройте rnaseq-sample-qc.csv и проверьте 12 строки · 6 столбцы. Сохраняется полное оригинальное название колонки. В таблице ниже перечислены все четыре метрики; Загружаемый CSV включает в себя столбец отображения.

Сравните все метрики выборки с базовая таблица, сопоставляя строки по полному идентификатору выборки.

Для этого входа нулевой счет плюс обнаруженные гены в каждой строке должны быть равны 27,179. Сравните метрики выборки 48 с независимым базовым уровнем. Соглашение проверяет эти расчеты на поставляемый ввод; Допущения, лежащие в основе, по-прежнему нуждаются в собственной оценке.

5. Прочитайте сюжет, не переосмыслив его

Откройте rnaseq-library-sizes.png и увеличьте его. Проверьте все двенадцать этикеток образцов, ось необработанного счета и примечание, что значения не нормализованы. Общие числа варьируются от 20,015,386 до 24,723,827 в этой матрице.

Большая библиотека сама по себе не означает, что ген выражен по-разному. Перед анализом ниже по течению сопоставьте характеристики выборки и GSM-идентификаторы с столбцами матриц с использованием метаданных GEO, затем укажите дизайн, контрасты, правила нормализации и фильтрации. Коннектор для получения метаданных.

6. Сохранить методы и доказательства

Держите отчет, содержащий контрольную сумму входа, размеры, проверки достоверности, точное отображение метки, версии времени выполнения / библиотеки и пределы интерпретации. Добавьте раздел независимой проверки только после сравнения значений. Экономия на пересмотре отчета не пересчитывает таблицу или цифру.

Сравните все метрики выборки 48 с исходным уровнем и проверьте, что входной SHA-256 остается 128d2411f3169de0cac9963c30152bb5c9a3083ac80fd25651b97cf4b7304691. В примере отчета приводятся записи Python 3.12.14 и matplotlib 3.11.1; Записывайте версии, используемые в вашем собственном запуске.

Скачать примеры Таблица QC, сюжет и доклад. Сохраняйте исходный ввод и сеанс Notebook вместе с выводами. Используйте Проверка воспроизводимости для подготовки среды и повторного расчета.