第七讲 差异表达基因分析经典教程.pptVIP

其他方法 B-statistics (Smyth,2004) Bayes T-test (Baldi and Long, 2001) SAMROC (Broberg, 2002) Zhao-Pan method (Zhao and Pan, 2003) … … Improved Detection of Differentially Expressed Genes Time series microarray dataset 聚类分析 基因表达数据矩阵 (Affymetrix GeneChip? oligonucleotide arrays) sam/ref 基因表达数据矩阵 (glass slides) 数据矩阵具体形式 数据形式 数据矩阵,基因数远大于样品数 对任意一个基因来说,样本值是特征值,数据的维数是M 对任意一个样本来说,基因值是特征值,数据的维数是N 聚类时考虑基因之间的相似性，从数学上讲就是看对应的M维数据之间的相似性 ClusterTreeview软件 ClusterTreeview软件 Genesis软件 预分析（Pre-Analysis） 重复值合并（ replicate handling ） 数据转换和标准化（data transformation and standardization） 缺失数据处理（ missing value management ） 基因筛选（pattern selection） 重复值合并 基因不同命名 重复值合并 Gene ID converter 重复值合并 在特定条件下把所有的重复值合并成一个数值可能更为方便，而这一个值是给定基因/条件的代表。 通常的合并是指计算这些重复值的集中趋势指标，如均数、中位数或众数。然而，使用一个集中趋势指标代替一组数值意味着信息的丢失，因此数据的合并应谨慎。 去除奇异值。可以通过计算原始数据的均数和标准差，去除位于给定区间外的数据（如均数加减3个标准差外的数据）。剩余的数据重新计算均数和标准差，并消除给定区间外的数据。 第七讲 Quantile Normalization 使每张芯片/通道的强度值有相同的分布(intensity distribution) Quantile normalization Before After Quantile normalization R语言和bioconductor 单张cDNA芯片差异表达基因 差异表达基因分析 基因表达谱芯片实验的主要目的之一是发现两个样本间差异表达基因。 通常采用基因在实验组和对照组中信号的比值作为衡量基因在两种状态下基因的表达差异，在双色荧光系统中，用Cy5/Cy3的比值来衡量基因的表达差异，也称表达差异值。在Affymetrix等短的寡核苷酸芯片中，采用单色荧光标记的方式，实验组和对照组分别用两张芯片进行检测，表达差异值即为两张芯片的信号比值。 噪声和芯片本身的一些因素以及生物学本身的特点给筛选差异表达基因带来了很大的麻烦。必须设定一个差异表达基因的判定标准。这个筛选的标准就称为差异表达基因的阈值。 倍数法 倍数法 倍数法是比较常用的一种方法，因为比较简单和直接。 但是，这种方法也是有其重大缺陷的。比如，在某个实验中，基因表达水平的变化不大，如果选择判别域值为2倍，则有可能找不到几个差异表达的基因，假阴性率比较高。但如果是主观缩小判断域值，又有可能增大假阳性率。 这一方法没有考虑到差异表达的统计显著性。 Z值法 在一张cDNA芯片上一般都点了很多基因，其实这些基因中只有很小一部分表达有差异，所以一般都假设表达的比率值满足正态分布。 Z=(X-μ)/σ. |Z|=1.96 在寡核苷酸芯片中，芯片上的基因在相应实验条件下或相应组织中也只是有很小一部分基因有表达，可以假定强度满足对数正态分布，同样可以对其作Z变换，使其具有统计意义。 如果实验体系中没有一条差异表达的基因，Z值法还是会挑选出5％的差异表达基因。这是因为在芯片实验中，总有一些由于背景噪声产生的假阳性点。如果实际上实验中有大量的基因发生表达改变，Z值法还是机械的找出5％的差异表达基因，丢失了一部分真阳性点。 一般性的方法 选择一个统计量给基因排秩来证明表达有差异 为排秩统计量选择一个判别值，在它之上的值将被认为是显著的 前面一个部分更为重要，所以研究的较多，方法也更多，后面那部分的方法稍微简单 重复芯片（replicates）M值 根据比率平均值或 对基因排序。 M值为信号强度比值的log2值， 是任一特定基因在重复序列中M值的均值。 这一排序法忽略了一个基因在重复实验中的不同芯片上表达水平的差异程度。例如，可能某一个基因在某一张芯片上M值很大，但在其他芯片上M值很小，其实这条基因并没