复杂疾病基因芯片数据的获取与分析.ppt

1、复杂疾病基因芯片数据的获取与分析,大纲,基因芯片数据获取 基因芯片简介 Gene Expression Omnibus (GEO) ArrayExpress 基因芯片数据分析 预处理 差异表达基因筛选 聚类与分类 功能注释和富集分析,大纲,基因芯片数据获取 基因芯片简介 Gene Expression Omnibus (GEO) ArrayExpress 基因芯片数据分析 预处理 差异表达基因筛选 聚类与分类 功能注释和富集分析,基因芯片数据获取,基因芯片简介 cDNA微阵列芯片 寡核苷酸芯片 原位合成芯片 光纤微珠芯片,基因芯片数据获取,基因芯片简介,基因芯片数据获取,Gene Expres

2、sion Omnibus (GEO) /geo/,基因芯片数据获取,Gene Expression Omnibus (GEO) GPLXXXX GSMXXXX GSEXXXX GDSXXXX,实验组,GEO自己 组织的相近实验,基因芯片数据获取,Gene Expression Omnibus (GEO) Alzheimers disease (AD),基因芯片数据获取,Gene Expression Omnibus (GEO) GSE12685,基因芯片数据获取,ArrayExpress http:/www.ebi.ac.uk/arrayex

3、press/,大纲,基因芯片数据获取 基因芯片简介 Gene Expression Omnibus (GEO) ArrayExpress 基因芯片数据分析 预处理 差异表达基因筛选 聚类与分类 功能注释和富集分析,基因芯片数据分析,预处理 对数转换 数据过滤 标准化,基因芯片数据分析,预处理 对数转换 目的：使数据服从正态分布,基因芯片数据分析,预处理 数据过滤 去除表达水平是负值或很小的数据或者明显的噪声数据 波动筛选：去掉一成不变的基因，要求在一定的变化范围内波动 标准化 片内标准化：去除系统误差 片间标准化：在不同列之间的标准化，使每列在同一量纲上比较,基因芯片数据分析,差异表达基因筛选

4、 Fold change：差了几倍，一般是两倍 T-test,疾病样本中的表达值,正常样本中的表达值,基因芯片数据分析,差异表达基因筛选，越宽越严格，越窄越宽松 SAM (Significance Analysis of Microarrays),基因芯片数据分析,聚类（无监督，可用于发现疾病亚型）与分类（有监督） 层次聚类（一刀切或者阈值）,点与类的距离如下所示,基因芯片数据分析,聚类与分类 k均值聚类,随机的两个点,基因芯片数据分析,聚类与分类 k近邻分类器,基因芯片数据分析,聚类与分类 决策树分类器,功能注释（一个基因的功能）和富集分析（一组基因的功能） GO (Gene Ontolog

5、y) Biological Process Molecular Function Cellular Component KEGG (Kyoto Encyclopedia of Genes and Genomes),基因芯片数据分析,有向无环图,Enrichment analysis (富集分析),m: 人类所有基因数 t: 通路中所有的基因数 n: 疾病风险基因数（用户提供的基因集合中的基因数）（差异表达基因） r: 注释到通路中的疾病风险基因数 常用软件（DAVID, GSEG）,t,n,m,r,功能节点基因,疾病风险基因,人类所有的基因,基因芯片数据分析,基因芯片数据分析,基因芯片数据分析 (ArrayTools),预处理：表达强度小于x的时候就去掉，本例中是10,至少有20%有波动,基因芯片数据分析 (ArrayTools),差异表达基因筛选 (SAM),输入