基因芯片数据处理流程与分析介绍讲述.PDFVIP

科技 science topics 專題 基因芯片数据处理流程 与分析介绍 当人类基因体定序计划的重要里程碑完成之 要获得有意义的分析结果，恐怕不能如泼墨画 后，生命科学正式迈入了一个后基因体时代，基因 般洒脱随兴所致。从 raw data 取得后，需要一连贯 芯片 (microarray) 的出现让研究人员得以宏观的 的分析流程 (图一)，经过许多统计方法，才能条清 视野来探讨分子机转。不过分析是相当复杂的学 理明的将 raw data 整理出一初步的分析数据，当处 问，正因为基因芯片成千上万的信息使得分析数据 理到取得实验组除以对照组的对数值后 (log2 量庞大，更需要应用到生物统计与生物信息相关软 ratio) ，大约完成初步的统计工作，可进展到下一步 件的协助。要取得一完整的数据结果，除了前端的 的进阶分析阶段。 实验设计与操作的无暇外，如何以精确的分析取得 可信数据，运筹帷幄于方寸之间，更是画龙点睛的 关键。 基因芯片的应用 基因芯片可以同时针对生物体内数以千计的 基因进行表现量分析，对于科学研究者而言，不论 是细胞的生命周期、生化调控路径、蛋白质交互作 用关系等等研究，或是药物研发中对于药物作用目 标基因的筛选，到临床的疾病诊断预测，都为基因 芯片可以发挥功用的范畴。 基因表现图谱抓取了时间点当下所有的动态 基因表现情形，将所有的探针所代表的基因与荧光 强度转换成基本数据 (raw data) 后，仿如尚未解密 前的达文西密码，隐藏的奥秘由丝丝的线索串联绵 图一、整体分析流程。基本上 raw data 取得后，将经过从最上 延，有待专家抽丝剥茧，如剥洋葱般从外而内层层 到下的一连串分析流程。(1) Rosetta 软件会透过统计的 model， 解析出数千数万数据下的隐晦含义。 给予不同的权重来评估数据的可信度，譬如一些实验操作的误 差或是样品制备与处理上的瑕疵等，可已经过 Rosetta error model 的修正而提高数据的可信值；(2) 移除重复出现的探针数 整体分析的概略流程 据；(3) 移除 flagged 数据，并以中位数对荧光强度的数据进行 1 華聯快訊 2011.09 科技 專題 标准化 (Normalized) 的校正；(4) Pearson correlation coefficient (得到 R 值) 目的在比较技术性重复下的相似性，R 值越高表示两芯片结果越近似。当 R 值超过 0.975，我们才将 此次的实验结果视为可信，才继续后面的分析流程；(5) 将技术 性重复芯片间的数据进行平均，取得一平均之后的数据；(6) 将 实验组除以对照组的荧光表现强度差异数据，取对数值 (log2 ratio) 进行计算。 找寻差异表现基因 实验组与对照组比较后的数据，最重要的就是 图二、主成分分析 control 组与 treatment 组间的芯片结果。 要找出显著的差异表现基因，因为这些正是条件改