全基因组DNA甲基化芯片数据批次效应的评价.pdfVIP

JournalofMathematicalMedicine Vo1．24 No．2 2011 文章编号：1004—4337(2011)02—0142—03 中图分类号：R318．04 文献标识码：A ·基础医学研究 · 全基因组 DNA 甲基化芯片数据批次效应的评价△ 姚 晨 李红东 郭 政 (电子科技大学生命学院生物信息中心和神经信息教育部重点实验室 成都 61O054) 摘 要： DNA甲基化芯片已广泛应用于癌症研究。但是有研究表明批次效应对基于高通量数据 的研究有很大影响。癌症基 因组计划 (T(A)数据库包含大量的不同批次的高通量甲基化数据 。通过分析 TCGA 中7种癌症的数据 ，发现批次效应在各种类 型的癌症数据 中都广泛存在 ，可能会导致错误的生物学分析结论 。最后 ，建议用一个简单的方法来避免批次效应 。 关键词： TCGA； 批次效应 ； 甲基化芯片 doi：10．3969／J．issn．1004-4337．2011．02．008 2 材料与方法 1 引言 2．1 数据组 在肿瘤的形成和发展过程中，大量基因发生表达改变。 甲基化数据从 TCGA下载[12]，涉及 7种癌型：卵巢癌，结 表观遗传改变，即不改变 DNA序列而影响基因表达 ，在癌症 肠腺癌，肺腺癌，肺鳞癌，神经胶质瘤，直肠腺癌，浸润性乳腺 发生和发展过程中扮演重要的角色。已有的研究提示肿瘤的 癌。原始数据包含甲基化 (M)与非甲基化 (u)值。甲基化程 甲基化改变包括全基因组的低 甲基化和特定启动子位点的高 度Beta值计算采用 M／(U+M+100)。 甲基化。基因组的低 甲基化在早期细胞形态的改变中发生， 2．2 批次效应的测度 首先，对于每种癌症，我们将样本按如下方式分类：① 样 影响基因组稳定性和基因表达_】]。启动子的高甲基化经常 伴随在相同位点失去杂合子，通常在抑癌基因位点发生，可能 本采集 自不同的中心，但是在相同的批次处理 ；② 样本来 自 相同的中心，但是在不同的批次处理；③ 样本来 自不同的批次 导致在肿瘤中基因的功能丧失 4【]。最近，基于高通量芯片检 和不 同的中心。 测技术，在卵巢癌，白血病等多种癌症中发现了大量的差异 甲 然后，我们使用 F检验，检验任意两个批次或样品中心的 基化基因[a,5-7]。在这些差异 甲基化生物标记应用之前，首先 样本中的基因的甲基化程度Beta值是否来 自相同的分布。如 要评估它们的可重复性。很多因素比如实验设计，批次效应 果来 自不同分布，则认为它们受批次效应的影响1『。多重检 和统计分析都会影响这些甲基化生物标记的重复性l8 。其 验的假阳性率 (falsediscoveryrate，FDR)由Benjamini-Hoch— 中，批次效应是指和生物学无关因素的变异和样本 的差异显 berg方法控制 ]。最后，我们计算每种癌症中所有来 自不同 著相关，它可能是影响甲基化标记重复性的重要因素[1。但 分布的基因的比例，作为批次效应的测度。 是，目前还没有研究对这些 DNA 甲基化标志的重复性进行评 2．3