特异基因挖掘及顺式元件分析.ppt

组织特异性表达基因挖掘及顺 式元件分析 主讲人：宋伟 2012.05.27 分析流程图 一、组织特异表达基因挖掘 1. 基因芯片数据下载 数据的预处理 计算方法 2. 3. 4. 组织特异基因筛选 基因功能分析 5. 二、顺式元件分析 1. 基因启动子序列的获得 阴性参照的选取 特异性顺式元件的预测 2. 3. 4. 元件功能分析 基因芯片数据下载 ? ? ? 实验分析所使用的水稻基因表达数据均来 自 NCBI GEO 数据库中的水稻 Affymatrix 生物 芯片数据 选取每个实验系列中有具体组织的实验， 如根、叶、胚等等，并且还要筛选那些空 白组、对照组和野生组等无处理的组织基 因芯片。 最终选取并下载了 274 张基因芯片 芯片数据预处理 ? ? 均一化： RMAExpress 工具。两种文件： .cel 和 .cdf 。水稻的 .CDF 文件需要在 EMBL-EBL 的 ArrayExpress 数据库中下载（下载地址为： http://www.ebi.ac.uk/arrayexpress/files/E-GEOD-16793 ） 探针与基因序列对应：水稻 Affymatrix 基因 组芯片包含 57381 个探针组，每组探针包括 11 个探针序列，我们要求至少其中 7 个探针 能与基因序列完全匹配。而后我们进一步 排除那些一个探针组对应多个基因的映射， 以及多个探针组对应一个基因的映射。 57381 25737 统计参数 SPC ? ? ? 将基因在不同组织中的表达信号看作一个多维空 间内的向量 X p ： X p = (x 1 , x 2 , x 3 , ... , x i , ... , x n ) 理想状态下，假设基因 x 只在组织 i 中特异表达，则 其对应的向量 X i 可表示为： X i =(0, 0, 0, ... , x i , ... , 0) 基因 x 的组织特异性由两个向量夹角的余弦值来决 定 , 称其为 SPC （ Specificity Cosine ） 基因组织特异性计算 两种情况下不同计算公式： 1. 基因只在一种组织中特异表达： 2. 基因在两种相近性组织中特异表达： 判断组织特异性基因的条件 1. 计算中基因在组织中 SPC=0.9; 2. 基因在组织中的平均表达信号强度 100; ? 结果： 胚乳特异表达基因： 127 个； 根特异表达基因： 394 个； 挖掘结果：水稻胚乳（ 127 个） 基因功能分析 1. 根据 Plant Biology 网站的基因功能注释 一些转录因子基因 2.GO 分类： AgriGO 工具 Molecular function ， F Biology process ， P Cellular component ， C 基因启动子序列 ? 水稻基因启动子序列（位置设定在非 编码区 -1000bp~0bp ，长度为 1000bp ）。 RAP 数据库（ http://rapdb.dna.affrc.go.jp/tools/dump/ ） ? 下载，保存为 .fasta 格式 LOC_Os06g31070.1 1000 bp upstream sequence AAATAAATACAGGAAATTGCTAAGTTTGTAATCTAAAATATAATATTGTCATAATATAATAATTCTAAAATTCAAATT AATAAATACCAAGTTGATGTTTTATTTAAAATATATAGTATGTGCCGCACAGCTTGATGCTTAGTCTAGATCTTTTA ACCGTGCTACGCTGGGTTAATTAGCGATGGTGCAGGTCACGTACCCAAATTTCTTCACTGTTGGATCAACTAGAG TAGTTAAACGAGGGCATGTGATGAAGGCTAGCTATTTGAAATTTTCCAATTATCCCTGCATAAGTCAGGCTACAAT AGCACCTGGACTACATGCAGGGATTACAAAATAGGTGGTAACCACATTtaccgcgttaaccctatcaaattcaaataaattttaaaagtaattt gatttttttaataaattttgtatggtttctcaagctttattttggttaccgtgcttactgcCGGAGGCAATGGGAAACCCTCACTAGAAGTTGCACCTGTT CTTGTCTGTGCACCATATCATGTTGAATCATGTGCGTTGTGTCCTTTCGGAAGAACCGATTTACTACATGACTCAT CAATTCCACTTTACGTATCAAAAGGTTTGTTATGGGGGCAATGCTTTTGTGAAATTAAATTTTTATTTTGCG