基因芯片分析的方法

‘壹’ 基因芯片差异表达为什么取logfc

基因芯片差异表达分析中取logFC的原因主要有以下几点：

1. 标准化数据：

   • 在基因芯片实验中，由于实验条件、样本处理等因素，不同基因或不同样本之间的原始数据可能存在较大的差异。通过对数据进行对数转换，可以缩小这种差异，使得数据更加标准化，便于后续分析。

2. 量化差异：

   • logFC能够量化两个样本组之间基因表达的相对变化程度。通过计算logFC，我们可以直观地了解到某个基因在两个不同条件下表达量的倍数变化，这对于差异表达基因的筛选和解读具有重要意义。

3. 便于数据解读：

   • 对数转换后的数据更加直观，易于理解和解读。例如，logFC为1表示基因表达量在两个样本组之间相差两倍，而logFC为1则表示基因表达量在两个样本组之间相差0.5倍。这种表示方式使得基因表达的相对变化更加清晰明了。

4. 统计分析需要：

   • 在差异表达分析中，通常需要进行统计检验来判断基因表达差异是否显着。对数转换后的数据更符合某些统计模型的要求，如t检验或方差分析等，从而提高统计分析的准确性和可靠性。

综上所述，基因芯片差异表达分析中取logFC是为了标准化数据、量化差异、便于数据解读以及满足统计分析的需要。

‘贰’ 如何轻松搞定基因芯片数据分析

当人类基因体定序计划的重要里程碑完成之后，生命科学正式迈入了一个后基因体时代，基因芯片 (microarray) 的出现让研究人员得以宏观的视野来探讨分子机转。不过分析是相当复杂的学问，正因为基因芯片成千上万的信息使得分析数据量庞大，更需要应用到生物统计与生物信息相关软件的协助。要取得一完整的数据结果，除了前端的实验设计与操作的无暇外，如何以精确的分析取得可信数据，运筹帷幄于方寸之间，更是画龙点睛的关键。
�0�2
基因芯片的应用
基因芯片可以同时针对生物体内数以千计的基因进行表现量分析，对于科学研究者而言，不论是细胞的生命周期、生化调控路径、蛋白质交互作用关系等等研究，或是药物研发中对于药物作用目标基因的筛选，到临床的疾病诊断预测，都为基因芯片可以发挥功用的范畴。
�0�2
基因表现图谱抓取了时间点当下所有的动态基因表现情形，将所有的探针所代表的基因与荧光强度转换成基本数据 (raw data) 后，仿如尚未解密前的达文西密码，隐藏的奥秘由丝丝的线索串联绵延，有待专家抽丝剥茧，如剥洋葱般从外而内层层解析出数千数万数据下的隐晦含义。
�0�2
要获得有意义的分析结果，恐怕不能如泼墨画般洒脱随兴所致。从 raw data 取得后，需要一连贯的分析流程 (图一)，经过许多统计方法，才能条清理明的将 raw data 整理出一初步的分析数据，当处理到取得实验组除以对照组的对数值后 (log2 ratio)，大约完成初步的统计工作，可进展到下一步的进阶分析阶段。

‘叁’ 基因芯片数据分析与处理的目录

第一章概述1
第一节分子生物学技术及基因、基因组
科学发展历史简介1
第二节基因芯片技术简介3
一、基因芯片的基本概念4
二、基因芯片技术的产生和发展4
三、基因芯片的应用领域6
第三节生物信息学与基因芯片的数据
挖掘7
一、生物信息学的兴起7
二、基因芯片的数据挖掘8
参考文献9
第二章微阵列基因芯片实验技术11
第一节基因芯片的价值和分类11
一、基因芯片的价值11
二、基因芯片的分类12
第二节基片的制备15
一、基片的类型和性质15
二、玻璃基片表面的修饰方法17
第三节点样探针的制备18
一、cDNA探针的制备19
二、基因组DNA探针19
三、寡核苷酸探针19
四、独特的PM?MM探针设计20
第四节基因芯片点样22
一、芯片点样仪和点样方式22
二、点样后处理27
三、基因芯片的质量标准28
第五节原位合成及纳米结构的基因芯片
制备28
一、原位合成法制作基因芯片28
二、纳米结构的基因芯片制备31
第六节表达谱基因芯片的检测方法34
一、样本选择、处理和RNA的分离35
二、mRNA样本标记35
三、芯片杂交38
参考文献39
第三章统计学基础41
第一节统计学的基本概念41
一、总体与样本41
二、资料的统计描述42
三、随机变量、概率与分布43
四、统计量45
第二节假设检验46
一、假设检验的基本原理46
二、假设检验的步骤47
三、假设检验的基本方法47
第三节方差分析54
一、完全随机设计资料的方差分析54
二、随机区组设计资料的方差分析55
三、多个样本均数间的多重比较57
第四节聚类分析与判别分析简介57
一、聚类分析58
二、判别分析59
参考文献61
第四章实验设计62
第一节样品配对模式62
一、基因芯片实验的分类62
二、样品配对方案概述64
三、样品配对模式的选择66
第二节样品的重复及合并69
一、实验误差的来源及重复样品的使用69
二、样品重复数量的确定70
三、样品合并70
第三节总结72
参考文献72
第五章基因芯片图像的采集和处理74
第一节基因芯片图像的采集74
一、激光共聚焦扫描仪74
二、CCD扫描仪78
三、扫描仪的技术指标79
第二节基因芯片图像的处理81
一、划格83
二、分割84
三、信息提取87
四、质量评估88
第三节一些芯片扫描仪和芯片图像处理
软件的介绍88
一、激光共聚焦扫描仪90
二、 激光非共聚焦扫描仪91
三、CCD基因芯片检测仪92
参考文献96
第六章数据的预处理和归一化98
第一节数据的预处理98
一、背景的校正98
二、弱信号的处理99
三、数据的对数转换101
四、重复数据的合并102
五、缺失数据的处理103
第二节数据的归一化104
一、cDNA芯片数据的归一化105
二、Affymix芯片数据的归一化115
参考文献118
第七章差异表达基因分析120
第一节差异表达基因的挑选120
一、倍数法120
二、Z值法121
三、重复实验的判别方法121
四、其他方法124
五、总结125
第二节研究差异表达基因的意义126
一、在基因组研究中的作用126
二、在药物研究中的作用127
三、在医学基础研究中的作用129
参考文献131
第八章芯片数据的可靠性分析133
第一节数据的评价133
一、差异表达基因的可靠性133
二、芯片数据重复性评价139
第二节误差来源分析142
一、生物学差异来源142
二、实验系统误差144
第三节基因芯片的质控体系149
一、直接点样的基因芯片的质控体系149
二、Affymetrix的寡核苷酸芯片质控
体系及其产品质量评估151
第四节信号线性扩增技术及其评估154
一、信号线性扩增技术154
二、信号扩增方法的可靠性评价154
参考文献161
第九章聚类分析和可视化162
第一节相似性（或距离）的度量162
一、欧氏距离162
二、马氏距离163
三、Chebychev距离164
四、Mahalanobis距离164
五、Minkowski距离164
六、平均点积164
七、向量间的角度165
八、协方差165
九、Pearson相关距离165
十、Spearman秩相关166
十一、互信息166
十二、Kendall?s Tau167
第二节聚类算法167
一、系统聚类168
二、分割聚类172
第三节二维聚类177
一、耦联二维聚类177
二、区组聚类177
第四节主成分、SVD和基因修剪178
一、主成分178
二、奇异值分解178
三、基因修剪179
参考文献179
第十章微阵列实验中的分类方法181
第一节概述182
一、利用基因表达谱数据进行生物样本
分类183
二、分类的背景183
三、基因表达谱数据184
第二节不同分类方法的概述184
一、分类及统计决策论184
二、费歇线性判别分析186
三、线性判别和二次判别分析186
四、线性判别分析的扩展188
五、最近邻分类器188
六、决策树190
七、BP神经网络分类法194
八、支持向量机197
九、Parzen窗204
第三节分类中的一般问题205
一、特征选取205
二、标准化和距离函数206
三、缺失值填充207
四、多分类问题208
第四节性能评价209
一、偏差、方差和误差率209
二、再置换估计210
三、倍数交叉验证法210
四、解靴带估计210
第五节实例分析211
一、基因表达谱数据211
二、数据预处理212
三、支持向量机软件应用213
参考文献216
第十一章微阵列技术的标准化218
第一节MIAME规则218
一、MIAME规则的具体内容219
二、MIAME表单221
三、MIAME的目前与将来222
第二节Affimetrix芯片系统与MIAME
规则223
一、遵循MIAME规则224
二、Affimetrix实验的MIAME表单225
三、Affimetrix的RNA抽提、清洗、
标记和杂交规范225
参考文献227
第十二章基因芯片数据的基因注释和
功能分析228
第一节单一基因的注释228
一、一般的注释228
二、关于疾病的信息233
三、蛋白质家族的信息234
第二节转录因子调节的分析235
一、Transfac数据库236
二、转录因子研究中的统计学检验238
第三节Gene Ontology数据库中基因
功能分类的分析240
一、Gene Ontology数据库240
二、GO数据库相关分析的工具241
第四节生物学通路和生物学相互作用的
分析243
一、生物学通路中的基因分析244
二、生物学网络中的基因分析249
三、基因芯片数据中使用者自己定义的
基因集的分析250
参考文献251
第十三章系统生物学及基因调控
网络252
第一节系统生物学简介252
第二节基因转录调控网络的构成253
一、基因转录过程简介253
二、研究转录因子及其调控基因的实验
方法254
三、基因调控网络与图形254
第三节用高斯图形模型推导基因调控
网络257
第四节贝叶斯网络模型在基因芯片
数据中的应用259
一、贝叶斯网络简介259
二、学习贝叶斯网络261
三、贝叶斯网络方法在基因芯片数据
方面的应用262
第五节从时间序列数据中推导基因调控
网络266
一、基因调控网络模型的“事件模型”266
二、关于基因调控网络的“动态
概率模型”268
第六节通过基因扰动来推导基因调控
网络的反义工程方法270
第七节结论271
参考文献272
第十四章基因芯片技术的应用——
从基因筛选到临床诊断274
第一节基因表达谱研究与临床肿瘤学274
一、确定肿瘤亚型275
二、识别肿瘤的组织来源276
三、预后分析276
四、存在问题277
第二节微矩阵芯片和遗传多态性278
一、单核苷酸多态性简介278
二、基因多态性与疾病易感性279
三、基因多态性作为遗传标记的应用279
四、基因多态性与个性化用药280
五、基因多态性和基因芯片检测技术281
第三节微矩阵和基因拷贝数变化282
一、cDNA阵列CGH283
二、基因组阵列CGH283
第四节微矩阵和感染性疾病284
一、微生物的鉴定和分型285
二、耐药性研究286
三、致病机理研究287
第五节微矩阵芯片的其他应用288
一、微矩阵芯片和DNA甲基化分析288
二、转录因子结合位点分布290
三、展望291
参考文献292
第十五章主要数据分析软件的介绍295
第一节分析软件在基因芯片技术中的
地位295
第二节主要图像和数据处理软件296
一、基因芯片图像分析软件
GenePix Pro296
二、Affymetrix GCOS系统297
三、Cluster和TreeView程序298
四、GeneSpring300
五、SpotFire DecisionSuite300
六、SAM和PAM302
七、R平台及生物导体303
八、MATLAB生物信息工具箱304
第三节基因表达谱公共数据库304
一、NCBI?Gene Expression Omnibus
(GEO)基因表达数据专用库304
二、EBI ArrayExpress和SMD307
三、微阵列数据库的建立和管理307
第四节基因注释数据库的访问308
一、斯坦福大学SMD/SOURCE309
二、UCSC基因组浏览器309
三、mySQL客户310
参考文献311
第十六章展望312
第一节后基因组研究的趋势——系统
生物学312
一、系统生物学的启动312
二、系统生物学的发展趋势313
第二节后基因组应用研究发展的
趋势——基因组医学314
第三节基因芯片技术在系统生物学和
基因组医学中的地位316
一、基因芯片及数据挖掘在基础研究中
的地位316
二、 基因芯片技术在基因组医学分子
诊断中的应用趋势316
参考文献318