生物芯片专题.pptVIP

* Hai Fang hfang@sibs.ac.cn Applied Genomics Laboratory IHS,SIBS,CAS 生命信息与组学研究 转录组 Transcriptome 蛋白组 Proteome 基因组 Genome 组学研究策略 中心法则 高通量检测技术 全基因组测序技术 单核苷酸多态性检测技术 DNA基因芯片技术 2D-MS、蛋白芯片技术 Association Integration cDNA基因芯片技术原理 芯片数据挖掘一般流程 预处理 归一化 图象处理 数据分析与展示 On-line databanks Web-based tools Stand-alone tools Local Public “数据爆炸—知识贫乏” 数据挖掘标准流程 基因表达矩阵 Samples Genes Gene expression levels Gene annotations Sample annotations 生物学 数据库 Gene Ontology Pathway Resources TRANSFAC NCBI UCSC --- Data 聚类分析 SOM Hierarchy K-Means 差异表达基因筛选 Multiple hypothesis test SAM 功能富集分析 GO enrichment Pathway enrichment PWM enrichment 文献挖掘 Natural language processing 展示 分析工具 Cluster 3.0 Treeview MAPPFinder DAVID Stanford Source Expander Bioconductor Matlab Perl --- Validation Interpretation 芯片数据挖掘详解流程 聚类分析 相似性的度量 相关系数 欧式距离 n experiments p genes x11 , x12 , x13 , --- x1n x21 , x22 , x23 , --- x2n --- xi1 , xi2 , xi3 , --- xin --- xj1 , xj2 , xj3 , --- xjn --- xp1 , xp2 , x3 , --- xpn 聚类的算法 层级聚类：Hierarchical cluster K均值法： K-means 自组织图：Self-organizing maps 聚类的评价 Homogeneity(均一性) vs Separation(区分度) Natural number of clusters (最佳类别数目) 基因表达矩阵 pn; missing value. 相似性的度量 相似性的度量 Given two vectors (向量) x = (x1, …, xn), y = (y1, …, yn) Euclidean distance (欧式距离): Manhattan distance (曼哈顿距离): Correlation distance (相关距离): Correlation distance measures trends/relative differences Euclidean and Manhattan distance both measure absolute differences After standardization, Euclidean and correlation distance are equivalent dE=2ndC 层级聚类 Complete linkage: largest distance Centroid linkage: mean distance Single linkage: smallest distance Average linkage: average distance 亚类别合并的相似度横量 自组织图 SOM（自组织映射神经网络） 海量组学数据探索性挖掘 海量组学数据可视化展示 高维输入到低维输出的映射 给定神经网络结构图 Initialization （初始化） 2. Winner Selection （获胜神经元选择 ） 3. Learning Process （竞争学习训练 ） 邻近核心函数： 自组织、自适应实现过程 自组织图 Genes---data points Clusters---map nodes 自组织图 平面展示 人工智能算法