《基因芯片技术》利用基因芯片进行差异表达基因分析解读ppt课件.ppt

《《基因芯片技术》利用基因芯片进行差异表达基因分析解读ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基因芯片技术Genechiptechnology内容提要：第一节差异表达基因分析第二节聚类分析第三节主成分分析第8章利用基因芯片进行差异表达基因分析第一节差异表达基因分析单张cDNA芯片差异表达基因Aerobic需氧Anaerobic不需氧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。差异表达基因分析在Affyme

2、trix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。如何确定差异表达基因的阈值倍数法优点：简单、直接。缺点：没有考虑差异表达的统计显著性。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

3、断域值，又有可能增大假阳性率。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一小部分表达有差异，所以一般都假设表达的比率值满足正态分布。Z=(X-µ)/σ.

4、Z

5、>=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有一小部分基因有表达，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。Z值法缺点：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

6、中有大量的基因表达发生改变，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。排秩统计量法选择一个统计量给基因排秩（研究多，方法多）为排秩统计量选择一个阈值，在阈值之上的值将被认为是表达差异显著的值重复芯片（replicates）M值法根据比率平均值或M值对基因排序。M值为信号强度比值的log2值，M杠是任一特定基因在重复序列中M值的均值。缺点：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

7、因并没有差异表达，但由于个别M值的影响，从而显示出一个差异表达的特性，造成假阳性。T值排序假如一个基因在几张重复芯片的M值都很小，但是这些M值非常接近，所以s值也非常小，这样可能会导致t值很大，从而会把这个本没有差异表达的基因误认为差异表达。修正的T值法修正值由样本方差的均数和标准差估计而得。结果显示：在一个模拟的数据集中，虽然带有一些经验性质，但用修正t-统计量给基因排秩比用均数和一般的t-统计量效果要好。单通道寡核苷酸芯片差异基因（两个样本直接比较）Affymetrix，illumina芯片由于有

8、探针重复，可以利用统计方法计算出一个统计性的P值或者score值，筛选差异表达基因。不同类样本差异基因识别评价一组数的统计量平均值标准差比较多组数的方法T检验：平均值F检验：方差SAM（significanceanalysisofmicroarrays）微阵列显著性分析在单通道Oligo芯片中，尤其是affymetrix芯片数据分析中用得较多双通道cDNA芯片数据分析用得较多FalseDiscoveryRate(FDR)错误发现率统计学家都想用更符合统计学的手段得到差异基因，即通过假设检验后，赋予每

9、个基因统计显著性或者P值，使得每个基因的判别更有统计学上的意义。为了达到这个目的，统计学家们常常用控制错误发现率（FalseDiscoveryRate）的方法来判断差异基因。错误发现率是评估检验统计显著性的最有力工具之一。Multipletest(P-valueadjustment)多重检验（P-价值判断）火山图（volcanoplot）Statisticaltest:P-value（统计检验：P值）Foldchange:Ratio（折叠变换：比率）其他方法B-statistics(Smyth,20

10、04)BayesT-test(BaldiandLong,2001)SAMROC(Broberg,2002)Zhao-Panmethod(ZhaoandPan,2003)……ImprovedDetectionofDifferentiallyExpressedGenes对差异表达基因的改良性观测Timeseriesmicroarraydataset微阵列数据的时间序列聚类：发现一些未知的细胞状态、疾病的亚型以及一些能识别这些样本状态的基因，或者说发现一类功能