TUGAS KAPITA SELEKTA

1. Jelaskan (1) latar belakang dan (2) tujuan dari artikel yang dimaksud!
Latar belakang
Kanker manusia adalah ekosistem kompleks yang terdiri dari sel-sel dengan
molekuler yang berbeda. Seperti heterogenitas intratumor merupakan ciri kanker
yang dapat diterima secara luas dan dapat didiskusikan pada tingkat genetik dan
perkembangan, keduanya saling terkait erat. Pada tingkat genetik, sel tumor
menyajikan variabilitas genetik intrinsik, yang menghasilkan beberapa subclone
kanker yang berkembang , hal ini digunakan untuk diagnosis dan pengobatan yang
tepat kanker. Kemajuan terbaru dari teknik sel tunggal seperti scRNA-seq telah
membawa wawasan yang belum pernah terjadi sebelumnya ke dalam heterogenitas
seluler. Metode canggih ini telah sangat meningkatkan kemampuan analisis data
scRNA-seq. Namun, karena metode pengelompokan sensitif terhadap kebisingan,
bagaimana mengelompokkan data scRNA-seq secara akurat di lingkungan yang
berbeda dan mengungkapkan wawasan biologis masih merupakan tantangan besar
Tujuan
untuk identifikasi dan menganalisis perbedaan subtipe kanker dari data RNA-seq sel
tunggal menggunakan metode concluser pengelompokan tSNE+K-means dengan
parameter awal yang berbeda, dan kemudian menggabungkan partisi yang berbeda ini
ke dalam cluster konsensus.
2. Sebutkan data yang akan dikelompokkan dengan conCluster dalam artikel tersebut!
1. Data concluster.
2. Data t-SNE Kmeans
3. Data Spectral Clustering
4. Data SNN-cliq.
5. Data CIDR
6. Data SC3
3. Jelaskan langkah-langkah dalam metode conCluster!

Langkah -langkah
1. Filter gen
 menyaring gen yang diekspresikan dalam waktu kurang darir% sel (gen
langka) atau diekspresikan dalam setidaknya (100-r)%
sel (gen di mana-mana).
2. mengurangi dimensi menggunakan t-SNE
Untuk mengurangi dimensi dengan cara mengadopsi t-SNE yang banyak
digunakan untuk mengurangi data berdimensi tinggi menjadi
subruang dimensi yang lebih rendah. Secara rinci, parameter penting dari
t-SNE, yang digunakan sebagai ukuran halus dari jumlah tetangga yang
efektif.
3. Partisi sel dalam berbagai cara
Berdasarkan matriks data dua dimensi yang ditransformasi, dilakukan
pengelompokan K-means dengan parameter awal yang berbedaT kali untuk
mendapatkan partisi dasar yang berbeda untuk sel-sel tunggal.
Untuk setiap hasil pengelompokan individu, menurunkan matriks
binerBN∗Kto,yang dibangun berdasarkan label cluster yang sesuai
dariNsel, dimanaKto(t=1, 2,· · · ,T) adalah nomor klaster dalamt
partisi dasar. Untuk setiap baris dari BN∗Kto,hanya satu elemen
adalah 1, yang lain adalah 0.
4. Pengelompokan konsensus
Setelah mendapatkanTpartisi yang berbeda, kami menggabungkan
semua matriks biner itu menjadi matriks biner yang lebih besar B= {BN∗
Kto|t=1, 2,· · · ,T}.Selanjutnya, kami melakukan pengelompokan Kmeans
berdasarkan matriks biner gabungan. Di sini, Indeks Calinski-
Harabaz digunakan untuk menentukan jumlah cluster. Kemudian
menggabungkan hasil dari masing-masing hasil pengelompokan
individu menjadi satu konsensus.
4. Sebutkan hasil – hasil yang diperoleh dalam artikel tersebut!
1. Evaluasi kinerja conCluster dan lima metode pengelompokan data scRNA yang
banyak digunakan. Adjusted Rand Index (ARI) digunakan untuk
mengukur kesamaan antara label cluster yang disimpulkan dan benar.
2. Identifikasi subtipe dari kumpulan data scRNA-seq melanoma manusia. Warna
yang berbeda menunjukkan keluaran cluster oleh masing-masing algoritma
(Nomor cluster k = 6)
 3. Jaringan ko-ekspresi divisualisasikan untuk enam subtipe yang berbeda dari tumor
melanoma maligna manusia. Node mewakili gen, Edge
weight menunjukkan signifikansi statistik dari hubungan ko-ekspresi

5. Apakah itu ekspresi gen sel kanker?

Ekspresi gen sel kanker adalah rangkaian proses penggunaan informasi dari
suatu gen untuk sintesis produk gen fungsional. Produk-produk tersebut dapat
berupa protein, juga gen penyandi non-protein seperti transfer RNA (tRNA) atau gen
RNA inti kecil (snRNA) yang mana keduanya merupakan produk RNA fungsional
yang digunakan untuk pengelompokan dan identifikasi pada sel kanker.