微阵列数据分析.ppt

Analysis of microarray data Cui Qinghua 2009-03-06 Outline Introduction Databases Detection of differentially expressed genes Clustering Classification Principal component analysis (PCA) Pathway and Ontology analysis Survival analysis Introduction 我只强调一点，基因芯片数值反应的是mRNA的丰度（abundancy），因此，可以在一定程度上反应基因的表达水平。 Microarray总流程 应用 差异表达基因检测（不同组织、不同时间、不同条件等） 基因联合调控 疾病诊断 基因功能鉴定 药物筛选和新药开发 应用：以人类疾病为例 神经系统：肿瘤、aging, CNS炎症、多发性硬化、老年痴呆、精神分裂症、癫痫、帕金森病等； 呼吸系统：肺癌、支气管哮喘、原发性肺动脉高压、肺间质纤维化、结节病等； 消化系统：肿瘤，肠炎等 其他：造血系统疾病、传染性疾病、生殖系统疾病以及泌尿系统疾病等 Databases-三大基因表达数据库 美国国立生物信息中心NCBI的Gene Expression Omnibus数据库 (GEO, /geo/) Databases-三大基因表达数据库 欧洲生物信息学研究所EBI的ArrayExpress数据库 (http://www.ebi.ac.uk/microarray-as/ae/) Databases-三大基因表达数据库 美国斯坦福大学的SMD数据库 (/) Detection of differentially expressed genes 两类样本 t test Wilcoxon test …… 多类样本 anova …… 多重检验校正 Bonferoni FDR 软件-SAM Significance Analysis of Microarrays (Tusher et al. 2001) 需要R软件包 Excel嵌入式函数 Clustering三要素 相似性度量 Pearson’s correlation Spearman’s correlation Euclidian distance City block distance 聚类准则 聚类算法 聚类算法 层次聚类：假设有N个样本，第一级，每个样本为1类，即有N类，依次合并，直到样本只有一类。 非层次聚类 K-means Fuzzy c-means 自组织映射 。。。。。。 Clustering软件-Cluster Michael Eisen et al. 步骤： 打开软件 装入数据（格式解释） 选择聚类办法 设置参数 运行 层次聚类法的基本步骤 层次聚类linkage方法 Linkage方法直接影响了聚类结果，它取决于类间距离如何定义。关于类间距离有如下几种： Centroid linkage：几何中心距离。仅适用于欧氏距离。The distance between two clusters is the Euclidean distance between their centroids Single linkage：最短距离 Complete linkage:最长距离 Average linkage:平均距离 层次聚类结果的可视化-TreeView 非层次聚类 Principal component analysis (PCA, 主成分分析) 基因芯片数据维数高，难以可视化 基因芯片数据噪音比较强 PCA主要的应用 降维 去噪 PCA 数学基础：统计和线性代数 均值(mean): 标准差(standard deviation): 方差 PCA 数学基础：统计和线性代数 协方差（covariance）:以上测量都是针对一维变量的，然而，实际数据很多都包含2维以上的数据，统计分析的一个重要目标是检查这些维之间是否有某种关系。 PCA 数学基础：统计和线性代数 协方差（covariance）例子:样本：一个班里抽取12个学生。2维：一是每个学生的期末成绩，另一是每个学生花费在学习上的时间 PCA 数学基础：统计和线性代数 协方差距阵（covariance matrix） 矩阵代数（线性代数）：这方面知识不介绍了，感兴趣的同学可以课下自学。 PCA:举例说明 PCA软件 Too many! Excel SPSS Matlab R Cluster Pathway and Ontology analysis Gene set enrichment analysis (GSEA) BiNGO: Gene