生物信息学第二版基因表达数据分析

7.动植物的发育研究 8.环境对细胞基因表达的作用 9.环境监测 10.物种的繁育
第二节 基因表达测定平台
与数据库
Microarray Platform and Databases
一、基因表达测定平台介绍
1.cDNA 芯片 2.Affymetrix芯片 3.下一代测序技术技术如：Roche-454, Illumina
➢ RNA-Seq在基因表达的定量上准确性很高； ➢ RNA-Seq在测定技术上和生物上重复性很高； ➢ RNA-Seq的测定需要很少的RNA样本。 ➢ 在应用上RNA-Seq技术对ISOFORM的测定和等位
基因的区分比芯片技术有很好的优势。
三、基因表达数据库
常用基因表达数据库名称
数据库内容
Gene Expression Omnibus （GEO）
MiSeq，Ion Torrent PGM
二、Microarray技术与RNA-Seq技术的比较
1.RNA-Seq技术对没有已知参考基因组信息的非模式 生物，也可测定转录信息；
2.RNA-Seq技术可以测定转录边界的精度达到一个碱 基，RNA-Seq可以用来研究复杂的转录关系；
3.RNA-Seq可以同时测定序列的变异； 4.RNA-Seq背景信号很小，测定的动态范围很大。
目前最常用的基因表达数据（NCBI）
Expression Atlas SMD RNA-Seq Atlas GEPdb GXD EMAGE AGEMAP
欧洲生物信息学中心的基因表达数据库 Stanford基因表达数据库 正常组织的基因表达谱数据 基因型、表型和基因表达关系 老鼠发育基因表达信息 老鼠胚胎的时空表达信息 老鼠老化的基因表达数据
原位合成芯片
➢ 定性信息提取：P/A/M（Present/Absent/Marginal） ➢ 定量信息提取：基于探针集汇总后的基因水平的荧
光信号强度值
（二）数据对数化转换
对芯片数据做对数化转换后，数据可近似正态分布
（三）数据过滤
➢ 数据过滤的目的是去除表达水平是负值或很小的 数据或者明显的噪声数据。
内标准化。
全局标化（global normalization） ➢ 假设： R=k*G ➢ 方法:
➢ c=log2k：中值或均值
荧光强度依赖的标化（intensity dependent normalization） ➢ 为什么 ➢ 方法: scatter-plot smoother lowess拟合
2.运用哪些基因进行标准化处理 ➢ 芯片上大部分基因（假设芯片上大部分基因在不
同条件下表达量相同） ➢ 不同条件间稳定表达的基因（如持家基因） ➢ 控制序列（spiked control） • 在不同条件下表达水平相同的合成DNA序列或外
源的DNA序列。
3. cDNA芯片数据标准化处理
（1）片内标化（within-slide normalization）方法 ➢ 全局标化、荧光强度依赖的标准化、点样针组
疾病相关基因表达数据库
数据库名称
数据库内容
GENT
肿瘤组织与正常组织的表达数据
ParkDB
帕金森病的基因表达数据库
cMAP
小分子化合物对人细胞基因表达的影响
Anticancer drug gene 抗癌化合物的基因表达数据 expression database
CGED
癌症基因表达数据库（包括临床信息）
• 过闪耀现象 • 物理因素导致的信号污染 • 杂交效能低 • 点样问题 • 其他
（四）补缺失值
1.数据缺失类型 非随机缺失 ➢ 基因表达丰度过高或过低。 随机缺失 ➢ 与基因表达丰度无关，数据补缺主要针对随机缺
失情况。
高表达基因的数据缺失
2.数据补缺方法 （1）简单补缺法
➢ missing values = 0 expression ➢ missing values = 1 expression （arbitrary signal） ➢ missing values = row （gene）average ➢ missing values = column （array）average
生物信息学
生物信息学
第五章 基因表达数据分析
苏州大学
沈百荣
首都医科大学 李冬果
第一节 引言
Introduction
基因表达组学与基因组学相比较 1. 表达组信息是动态的； 2. 表达组学的数据，更多的是数值分析； 3. 转录组学中除了模式识别外，系统建模也十分重要。
真核生物基因表达的基本方式
➢ c（A）为M 对A 的拟合函数 ➢ 标化后的数据
点样针依赖的标化（within-print-tip- group normalization）
➢ 为什么 一张芯片的不同区域运用不同的点样针点样，从而 引入点样针带来的系统误差。
➢ method
（2）染色互换实验（dye-s）的标化
实验组
对照组
第三节 数据预处理与差异表达分析
Preprocessing of Microarray Data and Analysis of Differentially Expression Gene
一、基因芯片数据预处理
（一）基因芯片数据的提取
cDNA微阵列芯片荧光信号
R a ( C 1 t I i H C o 1 B ) / H C (2 I H C 2 B ) H
芯片1 cy5（R） 芯片2 cy3（G）
（2）k近邻法
➢ 选择与具有缺失值基因的k个邻居基因 ➢ 用邻居基因的加权平均估计缺失值 参数
• 邻居个数 • 距离函数
（3）回归法
（五）数据标准化
1.为什么要进行数据标准化:存在不同来源的系统误差 ➢ 染料物理特性差异（热光敏感性，半衰期等） ➢ 染料的结合效率 ➢ 点样针差异 ➢ 数据收集过程中的扫描设施 ➢ 不同芯片间的差异 ➢ 实验条件差异
Baidu Nhomakorabea
基因表达调控示意图
基因表达的时空性
基因表达测定方法RT-qPCR
近20年来三种不同高通量基因表达测定技术的应用趋势
高通量基因表达测定的应用实例
1.测定组织特异性基因表达 2.基因功能分类 3.癌症的分类和预测 4.临床治疗效果预测 5.基因与小分子药物、疾病之间的关联 6.干细胞的全能型、自我更新和细胞命运决定研究