2. Read Microarrays data
Helloo, Alhamdulillah saya masih diberi kesempatan berbagi ilmu lagi☺, semoga tulisan ini akan bermanfaat dan membantu kalian yang membutuhkan yaa, selamat membacaa …
How to read Microarrays data ?
Berdasarkan data yang sudah di input pada tulisan 1. Mencari dan Input data apakah sudah bisa membaca datanya ?, Informasi apa saja yang didapatkan ?, Siapa yang menjadi sampel ?, menurut saya informasi yang didapat dari tulisan sebelumnya masih sangat minim. Sehingga dibutuhkan untuk menarik data lagi untuk menambah informasi yang dapat ditemukan.
Data yang diambil adalah pheno data yang berisi dari sekumpulan sampel yang diobservasi. Dalam pheno data terdapat beberapa variabel dari sampel yang diteliti seperti umur, jenis kelamin, alamat, jenis penyakit dan lainnya. Hasil dari pheno yang sudah diambil dapat dibuat visualisasinya sehingga akan mudah dibaca dan dipahami oleh umum dengan membuat tampilan visual yang sesuai dengan informasi yang ada.
Untuk menarik data Pheno dari GSE Matrix dan pheno dari affybatch dapat menggunakan perintah berikut ini :
# get pheno data dari GetGEO GSE Matrix
pheno <- pData(phenoData(gset[[1]]))#get pheno data dari affy data
pheno4 = pData(phenoData(affy.data))dim(pheno4)
Pada data matrix, pheno data yang berisi mengenai informsi sampel terletak pada gset 1, sedangkan untuk data affybatch, pheno data terletak pada affy.data. Dengan menggunakan function pData untuk mengambil objek berupa pheno data pada sumber data
Dari informasi terkait GSE 16515 pada Pic 2 diperoleh bahwa terdapat 52 sampel (pasien) yang terletak pada baris tabel dengan 41 variabel pada kolom tabel yang berisi keterangan dari masing-masing sampel seperti Pic 3 yang ditampilkan dalam bentuk tabel data dari pheno4 :
Dari informasi yang sudah ada pada Pic 4, Variabel Pheno sebanyak 41, seperti title, geo_accession, status, hingga yang terakhir tissue:ch1, akan sulit untuk membaca data pada variabel sebanyak itu, maka untuk menyampaikan informasi yang mudah dipahami dapat ditampilkan dengan cara Visualisasi dari variabel yang sekiranya berisi informasi yang bisa disampaikan. Sebagai contoh untuk mengetahui kriteria umur bagi pasien penderita kanker pankreas dapat menggunakan variabel age:ch1, ketika ingin melihat jenis kelamin dapat menggunakan variabel sex:ch1, untuk melihat pasien yang mempunyai jaringan Kanker atau jaringan normal menggunakan variabel tissue:ch1. Disini saya ingin mengetahui umur pasien penderita perintah berikut :
#UMUR
h <- hist(pheno4$age.ch1,ylim=c(0,20),xlim=c(40,90),col=”darkmagenta”,
main=” ”,xlab=”Umur”,ylab=”Jumlah”)
text(h$mids,h$counts,labels=h$counts, adj=c(0.5, -0.5))
Menghasilkan output visualisasi berupa histogram dari umur pasien Jaringan kanker dan normal Pic 5 :
Untuk tampilan visualisasi dapat disesuaikan dengan data yang diinformasikan agar lebih sesuai sehingga akan memudahkan orang lain untuk cepat paham dengan apa yang ingin disampaikan, karena umur pasien beragam dari 45 hingga 85 tahun, maka saya menyampakan informasinya dalam bentuk histogram agar terbagi menjadi beberapa kelas umur, sehingga dapat diperoleh informasi bawa pasien terbanyak berumur 70–75 tahun kemudian disusul oleh pasien berumur 55–60 tahun, sedangkan pasien yang paling sedikit pada umur <50 tahun.
Dapat disimpulkan penderita jaringan kanker dan normal pankreas rentan pada umur 50–80 tahun dan yang paling tinggi pada dekade ke tujuh pada umur 70 tahun. Sesuai dengan tulisan dari :
“Menurut (Kleeff, et al. 2016), sebagian besar penderita kanker pankreas didiagnosis pada usia lebih dari 50 tahun dengan puncaknya pada dekade ketujuh dan kedelapan kehidupan. Perokok, Obesitas dan aktivitas fisik yang rendah juga menjadi penyebab kanker pankreas.”
Bagaimana, sudah mulai paham untuk membaca dan mencari informasi tentang sampel pada teknologi microarrays ? silahkan untuk di ikuti langkahnya dan dieksplore lebih dalam yaa, sekian dulu untuk materinya, selanjutnya akan membahas tentang Preprocessing …
Thanks for reading about Read Microarrays data, hopefully this article can help you, see you in the next article …
