基因芯片原理及数据分析01.pptVIP

标准化 做一次转换，标准化 五、异常值和缺失值的处理 异常值的产生 芯片的缺陷 点像素强度达到饱和 点像素强度非常小 异常值的处理 删掉，微阵列获取软件标记，数据预处理阶段去除 缺失值的产生：异常值去除 缺失值的处理 处理的必要性：一些统计学方法要求数据的完整性，比如奇异值分解，某些基因的聚类分析 处理的方法 删掉缺失值得整条记录（所在行和列，即删掉基因和相关的样本） 便于操作，但是会丢失大量有价值的信息 数据填充 使用重复数据点 利用基因的相关性 使用重复数据点 条件：缺失数据发生在含有重复测量点 方法：利用未缺失的重复数据点的集中趋势指标估计 单张芯片上的重复点 技术重复：可以用其他进行技术重复的芯片上集中趋势来估计 生物学重复：需要谨慎，尽量使用同质的样品估计，例如癌症组织的某个样品的某个基因的缺失，不能用正常组织样本 利用基因的相关性 预测模型的建立 应变量：需要填充的变量 自变量：其他变量（不能有缺失值） 方法 行均数、中位数、0等简单填充 使用回归模型对每个变量的缺失数据进行迭代性的预测 奇异值分解（特征选择、特征提取） 有一个适当完整的基因数据集 没有或者难于找到一个完整的基因数据集 K-近邻法 K-近邻法 方法（假定某个基因在某个指标上有缺失值） 计算缺失值的基因和其他基因的相似性指标和距离指标（要估计的指标不参与计算） 该基因的K个最近邻：找出与该基因最相似的K个基因 计算这K个基因在该指标上的均数或者加权均数 K一般取10-20之间（Troyanskaya等分析发现的结果） 六、数据的归一化 原因：系统误差的存在，使得同一芯片上和不同芯片间基因表达水平的直接比较无法实现，需要消除它 点样头 芯片的空间位置 … 影响Cy3和Cy5的因素 随机变异：随机因素引起，无法控制 系统变异：系统变异 样品的生物学变异：研究的目的 系统误差： Cy3和Cy5等荧光标记物的物理化学性质 扫描仪的属性设置对荧光强度测量的影响 两种荧光标记物在标记效率上的差异 不同点样头的差异 芯片的空间位置的不同 …… 使得测量结果不能反映生物学差异，使得同一芯片上和不同芯片间基因的表达水平直接比较无法实现=〉根据系统误差的来源对数据进行归一化，消除系统误差 系统误差的图形呈现方法 系统误差的图形呈现方法 2. MA散点图-1 系统误差的图形呈现方法 2. MA散点图-2 系统误差的图形呈现方法 3.分组箱式图 归一化的步骤 非差异表达基因的选取 校准 非差异表达基因的选择 全部基因或大多数基因 管家基因 对照 秩不变基因 归一化方法的分类 序列内归一化 多张芯片间的归一化 染色互换配对设计的芯片的归一化 序列内归一化 位置的归一化 全局归一化 强度依存偏倚的归一化 稳健现行回归 局部加权线性回归 ：LOWESS LOESS 分段归一化 点样头分组的归一化 离散度的序列内归一化 基因芯片原理及数据分析 杨德印 生物信息学系 参考教材和资料 《基因芯片数据分析与处理》李瑶 化学工业出版社 2006年 《生物芯片分析》 [美]M.谢纳 著 科学出版社 《DNA芯片技术的方法与应用》 马文丽 郑文岭 广东科技出版社 《生物芯片技术》 邢婉丽 程京 清华大学出版社 《生物芯片技术》 陈忠斌 化学工业出版社 《基因芯片与功能基因组》 李瑶 化学工业出版社 Google,ncbi,endnote:网络资源，文章（Paper） 相关关键词microarray,gene chip，gene expression 内容 基因芯片技术（概念、制作过程、应用等） 基因芯片数据分析一般流程和主要内容 课程目的 基因芯片分析流程 生物学问题 实验设计 图像采集和处理（图像分析） 芯片实验 预处理和标准化 聚类分析 差异表达基因分析 判别分析 基因网络分析 生物学解释和验证 基因芯片数据分析 基因芯片的产生 人类基因组计划完成，人类基因组研究的重心逐渐进入后基因组时代（?Postgenome?Era）向基因的功能及基因的多样性倾斜 ，基因芯片正是迎合这一需要产生的 基因芯片技术在不同学科和技术的基础上发展起来的。 基因芯片技术 基因芯片的技术发展历史 基因芯片技术 Southern Northern Blot Dot Blot Macroarray Microarray Based on Southern BIot Technology (Edward Southern, 1975, J. Mol. Biol.) 1990: first high-density Nylon filter Arrays (Lennon/Lehrach, 1991, Trends Genet., Re