基因微阵列数据聚类分析.docVIP

基因微阵列数据聚类分析 1 基因微阵列技术 1.1定义 DNA微阵列(DNA microarray),也叫基因芯片，是近几年发展起来的一种能快速、高效检测DNA片段序列、基因型及其多态性或基因表达水平的新技术。它将几十个到上百万个不等的称之为探针的核苷酸序列固定在微小的(约1cm2)玻璃或硅片等固体基片或膜上，该固定有探阵的基片就称之为DNA微阵列。利用核苷酸分子在形成双链时遵循碱基互补原则，可以检测出样本中与探阵阵列中互补的核苷酸片段，从而得到样本中关于基因结构和表达的信息Southern blot可被看做是最早的基因芯片。核酸分子通过一定的方法转移并结合到一定的固相支持物（硝酸纤维素膜或尼龙膜）上，即印迹（blotting）；二是固定于膜上的核酸同位素标记的探针在一定的温度和离子强度下退火，即分子杂交过程。该技术是1975年英国爱丁堡大学的E.M.Southern首创的，Southern印迹杂交故因此而得名。在八十年代，Bains W.等人就将短的DNA片断固定到支持物上，借助杂交方式进行序列测定。1995年，斯坦福大学开发出第一片cDNA芯片并用于生命科学研究，1998年美国Affymetrix公司将第一片带有13.5万个基因探阵的寡聚核苷酸芯片推向市场，标志着DNA微阵列的产业化，从此基因芯片或DNA微阵列的研究和应用得到了广泛的重视，可以说在生命科学研究界和产业界掀起了基因芯片热潮，1999年Nature出专刊介绍这门基因芯片及其应用。数据反映的是直接或间接测量得到的基因转录产物 mRNA 在细胞中的丰度，这些数据可以用于分析哪些基因的表达发生了改变，基因之间有何相关性，在不同条件下基因的活动是如何受影响的。检测细胞中 mRNA 丰度的方法有 cDNA 微阵列、寡核苷酸芯片、基因表达系列分析( Serial analysis of gene expression，SAGE )、 RT-PCR 等。目前，高通量检测基因组 mRNA 丰度的方法主要是cDNA 微阵列、寡核苷酸芯片原理是利用 4 种核苷酸之间两两配对互补的特性，使两条在序列上互补的单核苷酸链形成双链，这个过程被称为杂交。基本技术路线是：制备芯片，在一个约 1cm大小的玻璃片上，将称为探针的 cDNA 或寡核苷酸片段固定在上面;从细胞或组织中提取mRNA，通过RT-PCR合成荧光标记的 cDNA ，与芯片杂交;用激光显微镜或荧光显微镜检测杂交后的芯片，获取荧光强度，分析并得到细胞中 mRNA 丰度的信息。 1.3技术应用 通过基因表达谱的研究可以进行进一步的理论研究或应用研究。 1、理论研究。基因芯片技术是一种高通量检测技术，它可是并行的同时检测成百上千，甚至成千上万个基因的活动情况或DNA片段，改变了传统的每次只能检测一个基因的情况，因此能大大提高检测效率，降低检测成本，并保证了检测质量。根据基因组基因表达谱可以进一步分析共表达基因是否存在共同的顺式调控元件，发现新的调控元件。此外，可以研究基因的调控规律，构建调控网络。 2、应用研究基因芯片技术可广泛应用于疾病诊断和治疗、药物筛选、农作物的优育优选、司法鉴定、食品卫生监督、环境检测、国防、航天等许多领域。它将为人类认识生命的起源、遗传、发育与进化、为人类疾病的诊断、治疗和防治开辟全新的途径，为生物大分子的全新设计和药物开发中先导化合物的快速筛选和药物基因组学研究提供技术支撑平台。根据不同疾病状态下的差异表达谱的研究可以确定疾病的类型和进展。研究药物作用后基因表达谱的改变可以确定药物的毒性、预后和疗效，从而指导药物开发和临床合理用药。 聚类，其目的就是将基因分组。从数学的角度，聚类得到的基因分组，一般是组内各成员在数学特征上彼此相似，但与其它组中的成员不同。从生物学的角度，聚类分析方法所隐含的生物学意义或基本假设是，组内基因的表达谱相似，它们可能有相似的功能。然而，产物有相同功能的编码基因(例如对其它蛋白质有磷酸化作用)，不一定共享相似的转录模式。相反，有不同功能的基因可能因为巧合或随机扰动而有相似的表达谱。尽管有许多意外的情况存在，大量功能相关的基因的确在相关的一组条件下有非常相似的表达谱，特别是被共同的转录因子共调控的基因，或者产物构成同一个蛋白复合体，或者参与相同的调控路径。因此，在具体的应用中，可以根据对相似表达谱的基因进行聚类，从而指派未知基因的功能。 聚类分析是模式识别和数据挖掘中普遍使用的一种方法，是基于数据的知识发现的有效方法，特别适用于模式分类数不知道的情况。聚类分析是一种无监督学习方法，不需要任何先验领域知识，它根据数学特征提取分类标准，对数据进行分类，这种数学特征的例子有统计平均值、相关系数、协方差矩阵的本征值及本征向量等。 （1）数据选择； （2）数据预处理； （3）选择相似