bioinfo & microbiome

기본적으로 sampling depth 를 설정하기 위해서는 어느 정도의 타협이 필요한 것 같습니다. 1. 너무 많은 정보를 손실하지 않을 정도로 설정 2. 특정 샘플의 값이 튀어서 너무 낮다면 해당 샘플을 분석에 사용하지 않고 sampling depth 를 유지 NGS 데이터 분석하시는분들과 이야기해보면 그래도 sampling depth 가 10,000 은 넘어야 샘플 간에 비교하는 분석이 의미 있지 않나라고 이야기를 많이들 하십니다. 만약 전체적인 퀄리티가 10,000 보다 낮다면 샘플 퀄리티 또는 시퀀싱 퀄리티 상의 문제라고보고 혹은 몇 개 튀는 값들이 10,000 보다 낮다면 샘플을 몇 개 포기하고 이후 분석 진행하는 게 더 좋은 것 같다는 의견이 주류고 저도 그렇게 생각합니다. 그럼에도 실제 시퀀..

시퀀싱 파일을 dada2 등으로 전처리하고 나면, feature table 파일을 얻을 수 있습니다. 해당 qza file 을 qzv file 로 변환해서 qiime view 로 확인해 보면, 다음과 같은 frequency 관련 정보들을 얻을 수 있게 됩니다. 먼저, 정확히 이것들이 무엇을 의미하는지 알아보겠습니다. 1. feature table feature table 은 위와 같이 생겼습니다. 먼저 feature 라는 것은 OTUs 또는 ASVs 로 정의되는 서로 다른 microbial features 를 의미합니다. 가장 좌측의 숫자와 영어가 섞여있는 데이터가 hashing 되어있는 feature id 를 확인하실 수 있는데 이 하나하나가 ASVs 를 통해 cluastering 한 represent..

지난번 포스팅을 통해 intestinal permeability를 측정할 수 있는 방법을에 대해 알아보았습니다. 저도 관련 실험을 한번 해보고 싶어서 일단 가장 많이 사용되는 TEER (Transepithelial Electrical Resistance) 측정을 하면 좋을 것 같다고 생각을 했고 실제로 기기만 보유하고 있으면 상당히 간단하게 측정이 가능하다고 합니다. 문제는 해당 기기를 보유하고 있는 연구실이 있는지와, 있다고 해도 우리가 사용할 수 있을지가 확실하지 않아서 만약 TEER 측정이 불가하다면 차선책으로 어떤 것이 좋을까에 대해 생각해 보게 되었습니다. 그러던 중 intestinal permeability 와 관련된 단백질의 mRNA 발현양을 측정하여 비교하는 방법을 아래 논문에서 보게 되었..

지난 번 포스팅에 이어서 작성합니다. 지난 번 포스팅에서 intestinal permeability 와 그것이 증가함으로써 LPS 등이 유입되어 야기되는 것들에 대해 알아봤습니다. 이제 이런 배경지식을 갖고 실제 세포실험을 수행하기 위해 Caco-2 cell 을 주로 사용하고 있는 것으로 알고 있는데요, 이것에 대해서도 더 자세하게 알아보겠습니다. 3. Caco-2 cell?? 처음 알아보는 것이기 때문에 바로 위키피디아로 향했습니다. Caco-2 (from Cancer coli, "colon cancer") is an immortalized cell line of human colorectal adenocarcinoma cells. It is primarily used as a model of the ..

최근 열심히 공부하고 있는 논문에서 intestinal permeablity 의 증가를 microbiota 의 변화와 연결하는 부분이 있는데 막연하게 알고 있던 개념에 대해 조금 확실하게 공부하고자 포스팅합니다. 이 영상을 주로해서 공부하였는데 발표도 잘하고 무엇보다 ppt 자료를 되게 잘 만들었더라구요. 논문 레퍼런스하는 부분 디자인은 나중에 한번 비슷하게 구성해보고 싶었습니다 1. Intestinal permeability 의 증가가 문제가 되는 이유 많은 분들이 intestinal permeablity 가 증가하면 좋지 않다 라는 것은 알고 계실 것 입니다. 그 이유에 대해 조금 더 자세하게 LPS, lipoprotein 등과 함께 알아보겠습니다. Intestinal permeability 가 증가..

MGI DNBSEQ sequencing technology : 2 MGI DNBSEQ sequencing technology : 1 저희 연구실에서는 거의 Illumina Miseq 을 많이 사용했었는데 이번에 기회가 되서 MGI DNBSEQ 기기를 사용하게 되었습니다. NGS 과정은 Illumina 의 것만 알고 있었던 터라 MGI hiimgood.tistory.com 지난 글에 이어서 포스팅합니다. 4. Sequencing 시퀀싱에서는 cPAS (combinatorial probe anchor synthesis) 라는 방법을 사용하고 MGI 가 인수한 Complete Genomics 의 cPAL technology 를 개선시킨 것이라고 합니다. 합성에 의한 시퀀싱 방법이라고 정의할 수 있습니다. 4개..

MGI DNBSEQ sequencing technology : 1 저희 연구실에서는 거의 Illumina Miseq 을 많이 사용했었는데 이번에 기회가 되서 MGI DNBSEQ 기기를 사용하게 되었습니다. NGS 과정은 Illumina 의 것만 알고 있었던 터라 MGI 사의 DENSEQ 이 어떤 과정으로 hiimgood.tistory.com 지난번 글에 이어서 포스팅합니다. 3. loading nanoball on flow cell Illumina 에서 사용하는 flow cell 의 기본적인 개념은 동일하지만 MGI 에서 강조하는 것은 "patterned array flow cell" 입니다. 그림을 보시면 바로 이해하실 수 있습니다. 그림에서 처럼 일정한 간격을 두고 DNB 를 로딩할 수 있는 스팟이 ..

저희 연구실에서는 거의 Illumina Miseq 을 많이 사용했었는데 이번에 기회가 되서 MGI DNBSEQ 기기를 사용하게 되었습니다. NGS 과정은 Illumina 의 것만 알고 있었던 터라 MGI 사의 DENSEQ 이 어떤 과정으로 이루어지는지 공부해보고자 포스팅합니다. DNBSEQ 은 MGI 의 핵심 기술인 DNA Nanoball (DNB) Technology 를 기반으로 NGS 기법 중 하나입니다. 특징으로는 1. Original template 으로부터 copies 를 증폭함으로써 일반 PCR 에서 발생될 수 있는 오류를 최소화하고 한 번 발생된 오류는 축적되지 않음. 2. 염기 서열 분석 시 형광 신호를 효과적으로 증가시켜 해독 정확도를 높이고 인접 Nanoball 간에 서로 간섭되지 않아..

실제 데이터로 머신러닝 모델 만들기 : 1 안녕하세요. 빅데이터분석기사 취득 이후에, 실제 데이터를 가지고 꼭 한번 분석하는 시간을 가져야겠다는 생각을 했었는데요. 시중에 나와있는 머신러닝 모델을 학습시키기에 최적화된 데이 hiimgood.tistory.com 이전 글에 이어서 포스팅합니다. 3. 분류모형 이전 글에서 말씀드렸던 것처럼 회귀모형으로 예측하기에는 데이터의 구조가 특이한 부분이 었어 어렵고 분류 모델로 학습하는 것이 조금 더 효율적이면서 과제의 기존 목적도 어느 정도 달성할 수 있는 방법이라고 생각하였습니다. 균이 검출되지 않은 것 : 0 균이 검출된 것 : 1 로 다시 라벨링하여 데이터의 분포를 확인하였습니다. 이렇게 보니 확연하게 불균형 데이터라는 것을 볼 수 있었습니다. counter ..

안녕하세요. 빅데이터분석기사 취득 이후에, 실제 데이터를 가지고 꼭 한번 분석하는 시간을 가져야겠다는 생각을 했었는데요. 시중에 나와있는 머신러닝 모델을 학습시키기에 최적화된 데이터들이 아닌 실제 발생하는 데이터를 가지고 해보고 싶다는 생각이 있었습니다. 다만, 제가 개인적으로 몇천개의 데이터를 모을 수는 없기에 연구실에서 맡고 있는 과제들에서 해볼만한 데이터가 있나 살펴보던 중 괜찮은 데이터셋이 있어서 그걸 가지고 머신러닝 모델을 만들고 있습니다. 국가과제 데이터여서 데이터에 대한 세부사항을 설명하기보다는, 전체적인 데이터의 특성만 설명하고 실제 어떻게 모델을 만들었으며 모델의 성능과 성능을 향상시키기 위해 어떻게 하고 있는지 기록하면서 아직 이 분야에 초보자이기에 고수분들의 피드백도 받고자 포스팅합니..