F-measure

precision (정확도)

recall (재현율)

2018/07/11 - [bioinformatics] - 민감도와 특이도

두 값을 모두 구했다면 F값을 계산하면 된다.

위의 값대로 계산하면 precision과 recall의 조화평균을 구할 수 있다.

precision과 recall등은 파라미터 등에 의해 조절될 수 있기 때문에 ROC 커브를 그려서 프로그램의 전반적인 성능을 테스트 할 수도 있다. 

이 부분에 대해서는 추후에 다루도록 하겠다.

source -

https://en.wikipedia.org/wiki/F1_score

https://en.wikipedia.org/wiki/Precision_and_recall

Gene ontology analysis - DAVID

DAVID는 Database for Annotation, Visualization and Integrated Discovery의 약자로 유전자 리스트를 입력으로 받아 각 유전자의 기능은 해석해주는 웹 제공을 기반으로하는 무료 툴 이다.

주로 유전자 기능 분류를 하거나 기능을 모를때 주석을 달기 위해 사용되며 이를 위해 현재 공개되어 있는 주요한 데이터베이스의 정보를 대부분 가져와 직접시켜 DAVID만의 데이터 베이스를 만들고 있다.

주요 기능으로는 유전자 리스트가 주어졌을 때

- 특정 기능에 대한 유전자들이 많이 포함되었는지

- 비슷한 기능을 가진 유전자들의 그룹화

- BioCarta & KEGG pathway map과의 가시화된 연결

- 2-D로 유전자와 특정 묶음간의 연관성

- 유전자와 상호작용하는 단백질 리스트

- 유전자의 질병간의 연관성 리스트

- 단백질의 기능적 도메인과 모티프

- 관련 문헌

- 유전자 ID를 다른 ID로 변환 ex) ensembl id에서 refseq id로

등등이 존재한다.

DAVID를 실제로 사용하기 위해서는 gene id list가 필요하다. gene symbol인지 특정한 데이터베이스에서 사용하는 ID인지는 ID mapping 과정을 통해 변환하는 과정이 있기 때문에 크게 중요하지 않다.

step1의 A에 유전자 ID를 직접 넣거나 한 줄에 하나씩 입력된 파일을 B에 넣고 step2의 identifier는 어떤 종류의 ID를 사용하고 있는지 넣은 후 step3의 gene list를 체크 후 submit 하면 된다.

당장 파일이 없을 땐 demolist를 눌러서 진행한다.

입력한 gene id를 기반으로 어떤 종에서 찾고싶은 것인지 선택하여야 한다. 만약 넣어준 gene list의 매칭되는 종이 있다면 위와같은 화면이 나오겠지만 없다면 mapping과정을 진행하는 창이 뜰 것이다. mapping 과정은 gene id를 통일하는 과정이다. mapping이 진행되고 나면 위와 같은 화면이 나온다.

Use 버튼을 눌러 분석을 실행했다면 위와같이 특정한 분류대로 어떤 유전자가 많이 포함되어있는지를 보여준다. 

가장 밑의 Functional Annotation Clustering은 누르면 모든 cluster에 대해서 어떤 유전자가 어떻게 묶였으며 각 p-value는 어떻게 되는지 확인할 수 있다.

위와 같이 그룹화된것을 확인하고 p-value, Benjamini, FDR 값을 토대로 특정 값 이하의 그룹을 significant하다고 정의내린 후 결과를 정리하면 된다.

통계 방법에 대한 정의는 아래 포스트를 참조하면 된다.

2018/07/11 - [bioinformatics] - Multiple Comparsion Problem

DAVID에서 제공하는 FDR값은 정상적이지 않다. 제일 마지막 줄에 있는 그룹만 봐도 FDR값이 3.3인데 FDR음 0에서 1 사이의 값을 가져야 한다.

Benjamini 값을 토대로 cutoff를 정하면 될 것이다.

source -

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2375021/

https://david.ncifcrf.gov/

_PAR_Y in Genecode annotation

htseq-count를 돌렸는데 genecode annotation을 사용하였다.

결과로 나온 gene_id 중에 _PAR_Y라는 태그가 붙어서 나오는 것을 확인하였다.

특이하여 genecode 홈페이지에 직접 들어가서 무슨 의미인지 확인해보니 염색체 Y의 "pseudoautosomal region" (PAR)에 존재하는 유전자라는 뜻으로 염색체 X와 Y에 동일한 서열부분에 존재하는것을 의미한다. 

실제로 annotation file을 열어보면 염색체 X에는 "ENSG00000124333.15_2"라는 gene_id가 염색체 Y에는 "ENSG00000124333.15_2_PAR_Y"라는 gene_id가 존재하는것을 확인할 수 있었다.

source -

https://www.gencodegenes.org/faq.html

neocomplcache vim plugin 설치하기

neocomplcache는 autocomplpop과 비슷한 자동완성 플러그인이다. vim에서 작업할 때 변수명이 길어지거나 외부 폴더 경로를 잡는데 유용하게 사용할 수 있다.

이미 선언한 변수도 가능하며

폴더에도 아래처럼 적용 가능하다.

아래의 목록이 떳을 때 방향키로 선택 후 엔터를 누르면 바로 적용된다.

설치 방법은 vim 플러그인 매니저를 사용하지 않고 메뉴얼하게 설치하는 방법만 설명하기로 한다.

git 저장소의 위치는 아래와 같다

다운로드 후 폴더를 열면 autoload, doc, plugin README.md 등의 파일이 존재한다.

이 폴더들은 그대로 ~/.vim/ 아래에 붙여넣으면 설치는 끝난다.

설치 후에 플러그인을 실행하기 위해서는 두 가지 방법이 있는데 

첫째는 vim 실행 후 명령 모드에서 아래 명령을 실행하는 것이며

두번째는 ~/.vimrc에 아래와 같은 명령을 작성하는 것이다.

vimrc파일이 없다면 생성하면 된다.

첫번째 방법은 vim을 실행할 때 마다 입력해줘야 적용이 되고 vimrc에 작성하는 방법은 vim을 실행할 때 마다 vimrc파일을 읽으면서 플러그인을 적용시키는 방법이다.

Multiple Comparison Problem

Familywise error rate

False discover rate 

- False discovery rate(FDR)는 다중 비교에서 무위가설에서의 1형 오류처럼 적용할 수 있는 검정방법으로 false positive에 total positive를 나눈 비율을 의미한다. Bonferroni correction과 마찬가지로 GWAS분석에 많이 활용되고 있는 통계방법이며 훨씬 덜 엄격한 방법을 채택하고 있다. Benjamini와 Hochberg가 개발하였기 때문에 Benjamini-Hochberg procedure라고도 불린다.

- p-value값을 가장 큰 것부터 가장 작은 것 순서로 나열하고 유의 수준 α=0.05k/N 공식을 이용하여 순차적으로 검정한다. 이 분석 방법은 순차적으로 p-value의 값을 줄여감으로써 통계적 파워가 적게 감소하게 되는 장점을 가진다. 

Familywise error rate vs False discover rate

conclusion

- 다중비교의 최종 목적은 false positive를 줄이는 것이다. false positive가 포함되어 있는 결과는 해석이 정확하지 않을 수 있기 때문이다. 하지만 반대로 다중 비교의 엄격한 기준 때문에 false negative가 생긴다면 그것도 문제일 것이다. 예를 들어 P-value는 0.013이지만 다중비교의 p-value 계산에서는 signifcant하지 않게 나올 수 있다. p-value를 계산할 때는 분석 방향에 따라 이러한 결과들을 신중하게 다룰 필요가 있다. 그렇지 않으면 중요한 발견을 놓칠 수도 있다. 

- 두 비교 방법은 같은 비교를 할 때 쓰이는 방법이 아니기 때문에 어디에 초점을 주었느냐에 따라 어떤 방식을 쓸 지 결정해야 한다.

Reference -

http://www.biostathandbook.com/multiplecomparisons.html

https://en.wikipedia.org/wiki/False_discovery_rate

https://en.wikipedia.org/wiki/Family-wise_error_rate#Controlling_procedures

민감도와 특이도

민감도 (Sensitivity)

특이도 (Specificity)

Reference -

Clinical Cancer 데이터베이스

CIViC는 Clinical Interpretation of Variants in Cancer의 약자로 암을 유발할 수 있는 유전체 내의 변이를 모은 데이터 베이스이다. 

CIViC의 목적은 암 환자의 가진 변이중에 pathogenic한 변이를 찾아내고 여기에 맞는 치료방법을 사용하는 정밀의학에 적용하기 위한 데이터베이스 구축이며 유사한 목적을 가진 데이터베이스보다 더 적극적인 방식으로 정보를 제공하며 토론을 장려한다고 밝히고 있다.

그래서 아래처럼 데이터 베이스의 통계를 주마다 갱신하여 보여주거나, Activity를 업데이트하여 실시간으로 정보가 더 쌓여가는 것을 홈페이지 시작 화면에서 보여주고 있다.

아래는 TP53에서 찾은 변이의 결과로 CIViC에서는 해당 변이에 대해 진행된 연구를 표시하고 있는데 해당 변이를 치료할 때 사용할 수 있는 DRUG를 표시해 주고 있으며 evidence level을 A,B,C,D 총 네 단계로 나누어 어떤 evidence가 서포트 해주고 있는지도 표시하고 있다.

OncoKB 데이터베이스

source -

https://civicdb.org/home

https://www.nature.com/articles/ng.3774

http://oncokb.org/#/

HLA typing

HLA 정의

HLA typing by NGS

source -

Kazuyoshi Hosomichi et al., The impact of next-generation sequencing technologies on HLA research, Journal of Human Genetics, 2015

https://en.wikipedia.org/wiki/Human_leukocyte_antigen

Molecular disease

겸형 적혈구 빈혈증은 1977년 β-globin 유전자의 손상에 의해 일어나는 최초의 분자 질환으로 기록되었으며 이 후로 유전자의 손상이 질병과 연관되어 있다는 것이 알려졌다. 이후 NGS의 발달로 sequencing 가격이 저렴해지면서 single nucleotide level의 mutation까지 측정할 수 있게 되었고 특정한 유전자 염기의 변이가 질병과 관련 있다는 연구가 진행되기 시작했다.

하지만 질병이 생길 수 있는 요인을 매우 다양하기 때문에 특정 변이와 질병관의 관계성을 특정짓기가 쉽지 않아 미국의학유전학회(American Medical College of Medical Genetics and Genomics, ACMG)는 이를 다섯가지 단계로 분류하기로 하였다.

Pathogenic

- 이미 신뢰할만한 데이터가 해당 변이와 질병간의 관계를 뒷받침 하고 있는 연구결과가 존재할 때 

Likely pathogenic

- 이전에는 보고되지 않았지만 질병과 연관되어 있는 유전자의 단백질 구조에 영향을 주는 변이가 발견되었을 때

Uncertain significance

- 이전에는 보고되지 않았고 다른 포유동물에서 해당 아미노산이 보존되어 있지만 변이가 발견되었을 때 

Likely benign

- 해당 변이가 이 전에 발견되었으며 in silico 실험 결과 영향력이 크지 않을 때

Benign

- 잦은 빈도로 변이가 발견되며 in silico 분석 결과 큰 영향이 없으며 또한 해당 변이를 친족이 가지고 있으나 같은 질병에 대해서 아무런 징후가 없을 때

위의 표기 방법을 따르는 것은 강제적인 것은 아니나 일반적으로 널리 쓰이는 방법이니 알아두는 것이 좋다.

source -

https://en.wikipedia.org/wiki/Variant_of_uncertain_significance#Classification

Sue Richards, PhD et al., Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology, Genetics in Medicine, 2015

암 분류법

암의 정의

- 암은 세포 주기 조절이 되지 않고 계속 세포 분열을 하는 질병의 통칭이다. 정상적인 세포는 일정한 주기를 가지고 분열하며 특정 조건이 만족되거나 한계 이상으로는 분열하지 않지만 암을 계속해서 분열하기 때문에 정상적인 기능을 하는 세포에 비해 수가 많으며 몸의 밸런스를 무너뜨리게 된다.

- 악성 종양이라고도 불리는데 양성 종양과는 구분을 해야한다. 일반적으로 종양은 비 정상적인 세포 덩어리를 의미하며 다른 조직으로 전이가 일어나면 악성 종양 그렇지 않으면 양성 종양이라고 부른다. 양성 종양은 발견시 제거하면 재발 위험이 낮지만 악성 종양은 이미 다른 조직으로 전이 했다면 찾기가 굉장히 어렵기 때문에 재발 위험이 높다.

- WHO에 의하면 neoplasm은 크게 4개의 범주로 구분할 수 있다.

 1) benign neoplasms : 양성 종양

 2) in situ neoplasms : 상피 내암

 3) malignant neoplasms : 악성 종양

 4) neoplasms of uncertain or unknown behavior : 

암종과 육종

- 악성종양은 발생 부위에 따라 암종(Carcinoma)와 육종(Sarcoma)로 나뉜다.

- 암종은 점막, 피부 같은 상피성 세포에서 발생한 악성종양을 뜻하고 육종은 근육, 결합조직, 뼈, 연골, 혈관 등의 비상피성 세포에서 발생한 악성종양을 뜻한다.

- carcinoma는 기원한 세포에 따라 아래처럼 나눌 수 있다. (예시 외에도 존재하지만 드물게 나타남으로 생략한다.)

 1) Adenocarcinoma : 선암종

   점액 등 피복원주상피, 선상피 세포로부터 발생한다.

 2) Squamous cell carcinoa : 편평세포암종

  중층편평상피세포를 가진 피부, 구강, 인두, 식도, 질, 자궁질부 등의 점막에서 발생한다.

 3) Adenosquamous carcinoma : 선편평세포암종

 4) Large cell carcinoma : 대세포암종

 5) Small cell carcinoma : 소세포암종

더 자세히 알고 싶으면 oncotree 사이트에 32개의 sample에 따른 685개의 암 종류를 확인할 수 있다.

고형암과 혈액암

- 고형암은 암 세포가 자라면서 덩어리를 이루는 암을 말한다. 간암, 폐암, 유방암, 위암 등 대부분의 암들이 여기에 해당하며 치료를 위해서는 해당 부위를 절제 후 항암, 방사선 치료 등을 시행한다.

- 혈액암은 혈액이나 조혈기관, 림프절, 림프 기관 등 혈액을 구성하는 성분에 발생한 암을 말한다. 백혈병, 악성림프종, 다발성골수증 등이 여기에 해당하며 전체 암의 약 5~10%정도의 비율을 차지한다.

Reference -

http://oncotree.mskcc.org/#/home