Affymetri芯片质量评估.pdf

Affymetrix 芯片质量评估 在拿到（数据库下载或者自己实验得到）的芯片，最好 先对芯片的质量做出评估，从而将有问题的芯片剔除。在 Robert Gentleman 的“ Bioinformatics and Computational Biology Solutions Using R and Bioconductor ”书的第三章提到“ Before any useis made of more complex methods, an initial examination of the data can often show evidence of possible quality problems. ”。以下关于 Affymetrix 芯片质控 的图和脚本，也引用上述参考书。首先是一些基础知识： 1 Affymetrix 芯片的数据格式主要有 .dat 和 .cel 两种。DAT 文件 是原始芯片图像的扫描文件， 需要用 affy 公司自己的软件打 开。 CEL 文件是 DAT 文件去除背景噪音后的文件，包括了 每个探针的原始密度数值（ raw intensity value ）。其中，我们最关注 CEL 文件，这也是我们后续载入 Bioconductor 中的原始数据类型。 后续需要对 CEL 文件进行 “质量评估”、“归一化”、“注释”等一系列预处理。 2 affy 芯片的数据单元。下图是一个“探针集（ probeset）”， 包括了 11-20 个长度位 22nt 的 “探针 （probe）”，图中每个亮 格代表一个探针。每个探针分为 PM （Perfect Match ）和 MM （Mis-Match ）两种，区别就是 MM 探针故意 将一个碱基设计错。这样做的目的是为了控制芯片的非特异 性杂交，从而获得更准确的信号值。 芯片质量控制： 1. 对于“探针数据（ probe-data level ）”的三 种图，使用 affy package boxplot( )：未处理的原始探针密度（以 2 为底取对数）的盒箱图。 评价标准：代表各个芯片的“盒箱”是否在同一个水平上。 如果出现像 f 那样的“断层” ，也不能推断 f 芯片出现质量问 题，因为可能通过“归一化（ normalization ）”使其在同一个 水平上。 hist( ) ：计算未处理的原始探针密度 （以2 为底取对 数）的直方图，实际画出的是平滑的密度曲线。 评价标准：查看所有芯片中是否有异常过高的密度值。下图 中可能出现如 a 芯片（红色）的“双峰”曲线，表明其密度 曲线服从 bimodal distribution( 双峰分布 ) （什么是双峰分布）。 这表明 a 芯片可能有“人为空白（ spatial artifact ）”的质量缺 陷。 MAplot( ) ：查看每张芯片的 MA-plot 评价标准：通过红色的“ loess smoother curve ”与 y=0 的关系衡量芯片的质量。 如果红色曲线在蓝色 直线上下摆动的很厉害，同时数值过