Startpagina / Samenvattingen / Class notes - OMICS / data-sample-samples

Data analyse & experimental design

Q: Wat is het verschil tussen repeatability and reproducibility?

Bij repeatability wordt alleen de sample injectie herhaald, bij reproducibility de sample workup of het gehele experiment (hierbij heb je grotere errors). Repeatability : mate van overeenkomst tussen metingen uitgevoerd op dezelfde sample in dezelfde locatie door dezelfde mensen. Reproducibility : mate van overeenkomst tussen metingen uitgevoerd op replicate samples in verschillende locaties door verschillende mensen.

Q: Wat is het verschil tussen biologische en technische replicaten?

Biologische replicatie is het meest belangrijke omdat je uiteindelijk graag uitspraken wil doen over een gehele populatie, in plaats van losse samples. Dus je moet samples uit een populatie organismen nemen. Technische replicatie wordt vaak gebruikt om meer statistische power te krijge.

Q: Welke disturbances zijn er mogelijk in metabolomics data?

1. Disturbances van gehele sample Hoeveelheid gemeten sample kan verschillen, verdunning van samples kan verschillen, sample workup is niet geheel hetzelfde, volgorde van metingen (begin/einde dag) is niet gelijk voor alle samples. 2. Disturbance van een enkele variabele in een samples pH van sample of instrumentele problemen

16 belangrijke vragen over Data analyse & experimental design

Wat doe je bij experimental design and data collection?

Je ontwerpt een biologisch onderzoeksvraag. Identificeert de ruis factoren en ontwerpt het experiment. En voert het experiment uit.

Je wil ervoor zorgen dat je betrouwbare metingen hebt vrij van bias.

Wat doe je bij Data preprocessing and quality control?

Je extraheert de instrumentele intensiteiten. Voert data preprocessing en normalisatie uit om biases te verwijderen die door sampling en metingen komen.

Wat doe je bij data analysis?

Je voert exploratory data analyse uit om vreemde fenomenen in de data te vinden. Je kan biomarker selectie uitvoeren om metabolieten te vinden die belangrijk zijn om te onderzoeken.

Wat doe je bij biological interpretation?

Je geeft een biologische betekenis aan een groep metabolieten die siginificant verschillen in patienten van de controlegroepen.

Welke vormen van onderzoeksvragen worden vaak gebruikt en waarom is een onderzoeksvraag belangrijk?

Je onderzoeksvraag bepaalt de hypothese dat getest wordt en de statistische toetsen die worden uitgevoerd.

1. Detectie van responsieve componenten (genen, eiwitten of metabolieten) onder gecondtroleerde experimentele omstandigheden
2. Detectie van biomarkers
3. Identificatie van regulatoire of mechanische relaties tussen variabelen

Wat is het verschil tussen repeatability and reproducibility?

Bij repeatability wordt alleen de sample injectie herhaald, bij reproducibility de sample workup of het gehele experiment (hierbij heb je grotere errors).

Repeatability: mate van overeenkomst tussen metingen uitgevoerd op dezelfde sample in dezelfde locatie door dezelfde mensen.

Reproducibility: mate van overeenkomst tussen metingen uitgevoerd op replicate samples in verschillende locaties door verschillende mensen.

Wat is het verschil tussen biologische en technische replicaten?

Biologische replicatie is het meest belangrijke omdat je uiteindelijk graag uitspraken wil doen over een gehele populatie, in plaats van losse samples. Dus je moet samples uit een populatie organismen nemen.

Technische replicatie wordt vaak gebruikt om meer statistische power te krijge.

Welke disturbances zijn er mogelijk in metabolomics data?

1. Disturbances van gehele sample
Hoeveelheid gemeten sample kan verschillen, verdunning van samples kan verschillen, sample workup is niet geheel hetzelfde, volgorde van metingen (begin/einde dag) is niet gelijk voor alle samples.

2. Disturbance van een enkele variabele in een samples
pH van sample of instrumentele problemen

Hoe corrigeer je voor disturbances van een variabele?

Dit komt meestal door technische fouten. Zo kan bijvoorbeeld het chromatogram kolom achteruitgaan door ouderdom, dit verandert dan de rententie tijd van de compounds.
Hiervoor gebruik je de alignment method.

Het achtergrond signaal kan ongelijk aan nul zijn. Hiervoor gebruik je background correction methods.

Wat is het doel van exploratory data analyse en hoe kan het gedaan worden?

Het doel is om de hoofd kenmerken van de hoog dimensionele data te samenvatten in makkelijk te begrijpen formats, vaak met visiuele graphs, zonder gebruik te maken van een statistisch model of een hypothese te formuleren.

Het doel is dus om te kijken of er rare fenomenen, grouping tussen samples en/of variabelen zijn.

Dit kan gedaan wordt met principal component analysis (PCA) en clusering analysis.

Wat zijn PCA loadings?

Ze kunnen worden begrepen als de de gewichten die worden toegekend aan elk origineel variabele wanneer de Principal component wordt berekend

Wat is een loading plot?

De waarden van 2 loadings die tegen elkaar geplot zijn. Jet beschrijft de relatie tussen de variabelen om een soortgelijke manier als een score plot.

Wat is het doel van de multivariate explorative method?

Het doel is om zo veel mogelijk variatie te beschrijben met zo weining mogelijk principal components

Voor wat kan de partial least squared discriminant analysis worden (PLSDA) worden gebruikt?

De methode kan worden gebruikt om aangepaste scores en loadings te berekenen die beter zijn in het descrimineren van de cases van de controles.

Het combineert alle gemeten metabolieten tegelijk om een prediction model te maken dat kan voorspellen welke klasse bij welke sample hoort.

Voor wat kan een PLSDA regression coefficient gebruikt worden?

De bPLSDA wordt voor elke metaboliet berekend. Als je de PLSDA coeffiecienten vermenigvuldigd met de bij behorende metaboliet concentraties krijg je de voorspelling van de klasse tot wat het behoort.

Wat betekent het dat het PLSDA model supervised is?

Er wordt class informatie gebruikt om de scores uit te rekenen.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

OMICS

Bekijk samenvatting

Een unieke studie- en oefentool
Nooit meer iets twee keer studeren
Haal de cijfers waar je op hoopt
100% zeker alles onthouden

Onthoud sneller, leer beter. Wetenschappelijk bewezen.

Studiemateriaal generieke omslagafbeelding

Data analyse & experimental design

16 belangrijke vragen over Data analyse & experimental design

Wat doe je bij experimental design and data collection?

Wat doe je bij Data preprocessing and quality control?

Wat doe je bij data analysis?

Wat doe je bij biological interpretation?

Welke vormen van onderzoeksvragen worden vaak gebruikt en waarom is een onderzoeksvraag belangrijk?

Wat is het verschil tussen repeatability and reproducibility?

Wat is het verschil tussen biologische en technische replicaten?

Welke disturbances zijn er mogelijk in metabolomics data?

Hoe corrigeer je voor disturbances van een variabele?

Wat is het doel van exploratory data analyse en hoe kan het gedaan worden?

Wat zijn PCA loadings?

Wat is een loading plot?

Wat is het doel van de multivariate explorative method?

Voor wat kan de partial least squared discriminant analysis worden (PLSDA) worden gebruikt?

Voor wat kan een PLSDA regression coefficient gebruikt worden?

Wat betekent het dat het PLSDA model supervised is?

Samenvattingen die gerelateerd zijn aan Next Generation Sequencing (NGS)

Class notes - OMICS

Oncologie

Class notes - Cellulaire Oncologie

Class notes - OMICS in Biomedical Sciences

Class notes - Startcursus

Class notes - Schade, afweer & herstel

Class notes - Start van het Leven

Class notes - Groei en Ontwikkeling

Class notes - EHO

Class notes - Leeftsijl en Gezondheid

Class notes - Arts&Patient 3