基因探针知识富集分析(GSEA).docVIP

基因探针富集分析（GSEA）翻译+心得（例子部分除外）?? 2011-01-04 16:24:44|??分类：?【主】微阵列?|??标签：探针??基因??gsea??富集??表型??|字号?订阅 基因探针富集分析：通过基础知识来揭示基因组表达数据的一种方法 ? 尽管通过RNA表达分析基因组在生物医学研究中已经成为一种直接途径，但从这些信息中能显示出生物学的重大发现（insight）现在仍然是一个大问题（2005）。在这里，我们将讲述一个给力的分析软件（GSEA：Gene Set Enrichment Analysis?基因探针富集分析）是如何揭示基因芯片所表达的数据关系。这个分析软件是源于一个强力的聚集基因理论——有很多基因成组具有共同的生理功能，或染色体位置，或调节位点。我们将讨论GSEA如何在癌症晚期（包括白血病和肺癌）的基因探针集大显身手。尤其是在单独分析两个独立研究组的肺癌病人基因组时，能发现不同基因组的细微类似之处的能力。GSEA的初始数据包已经含有了1325有生物学意义的探针集，并在很多免费的软件包中可用了。 ? ???????????????????????????????????????????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??By Eric S. Lander, August 2,2005 ? 当今通过DNA微阵列分析基因表达已成为基因研究的主流。获得基因表达数据已不再是困难与挑战，但是从获得的数据（基因表达）中揭示出生物的意义的原理和方法才是研究的终极目的。在一个典型实验中，mRNA的表达文件（无数基因）大部分（既是概率也是数量）都会被分为一到两个大类，对于癌症基因来说相对（其他生物意义（如疾病））的敏感。根据这些基因的不同表达值可以排成一个序列（按大小顺序），暂且成为L。现在的最大问题就是找出其中的意义所在。 一个普遍的方法是把注意力放在L的顶部和底部的少数基因上（因为能体现最大的差别），来辨别其中的迹象以揭示生物意义的线索。但这种一般方法有很多主要的限制。 （i）在校正多重假设实验后，没有任何单独基因显示出有统计学意义的临界值，这是因为相关的生物学意义误差值被微阵列技术处理中的相关噪声掩盖了。 （ii）作为上述的反面，有可能在整个列表中很多基因都看起来都具有不统一的（不相同的）生物学意义。 （iii）单基因分析有可能会错过其对某些重要通路的影响。能洞察其中的奥秘或许只有生物学领域的专家。（意译，直译为“翻译其中缘由会让人沮丧和且变成生物学的专家”。） （iv）当两个不同的小组研究同一生物系统的时候，那堆（一列单子）有意义的基因悲剧的只有小许部分是重叠的。 为了克服这些缺陷，我们近来研发出一个叫做GSEA（功能基因集富集分析），它是基于评估来自微阵列的数据的各级别基因探针。根据以往的生物学知识，例如在权威刊物上发表过的生物学通路和实验得来的共表达数据，我们把基因探针分门别类。GSEA的目的是：判断探针集S上与表L的顶端和尾部的探针集有否分类相关的表型特征。 我们用GSEA的初始版本来分析糖尿病人与正常人的肌肉活组织采样数据。从这个分析中显示，有某些基因牵涉到糖尿病人的氧化磷酸化作用的减弱，尽管只有平均每个基因20%的效果。但是这个结果已经在其他独立的微阵列研究和活体功能研究中证实了。 在成功的鼓舞下，我们继续研发出更强大的GSEA（关于分子分析数据的技术）。为了更广泛的适用环境，我们研究了各种不同分子的特征与效果，并在本质上修改和一般化了我们原来的原理。 在此，我们提供此方法的完整数学论述和证明，以及展示它在不同类型的生物学问题上的应用效果。我们也做了一个软件包，叫GSEA-P,，里面包含初始基因探针集（MSigDB数据库里面的，不知道的找google），当然这些都是免费的。（译者注：生意。。。绝对是生意） ? ? 方法 GSEA的综述??GSEA把实验所得出的基因组样本表达文件分为两类，标记为1和2。根据表达值的相关系数和特征分类，（用某种标准）让基因进行排序。 首先从一个叫S的探针集序列开始，假定它是一类编码产生新陈代谢的通路基因集，被定位于相同的细胞生成位段，或者是说有相同GO分类。（译者注：GO是什么？维基百科。）????GSEA的目的就在于判断S的成员是随机的分布于L（待测基因探针所排序列）上还是有序的分布于顶部与尾部。我们的预期目的是S探针集能在表型上揭示出后者的分布方式。 下面是具体的三个重要步骤： 步骤1：计算富集积分（Enrichment Score，ES） 我们计算出一个富集积分值（ES），其为S的基因超表