SNParray数据分析和拷贝数检测作业.pdfVIP

SNP-array 数据分析和拷贝数检测作业 背景： SNP：单核苷酸多态性，全称Single Nucleotide Polymorphisms 正常人有22 组常染色体，1 组性染色体。人是二倍体，每个染色体组有2 条染色体， 共46 条染色体。 染色体异常：在肿瘤细胞中，染色体的数目发生变化等。主要有两个特点: 1).这种变异 有时只是局部染色体区域的，而非全染色体; 2). 不同区域的变异情况不同。常见的染 色体变异有扩增，删除，复制等。例：扩增（其中的A B 为染色体上的等位基因）： 扩增：局部染色体的扩增，拷贝数（copy number，CN ）增加。 删除：局部染色体的删除，拷贝数减少。 复制：整个染色体发生扩增。 SNP-array：SNP Array 利用单核苷酸多态性微阵列实验技术，可以得到高通量的数据从 而对细胞中染色体异常现象（拷贝数异常、杂合性）进行检测。 SNP-array 数据： 主要有4 列：Name （检测位点的名字，本实验中无用），Chr （染色体号，只包括1-22 号常染色体），Position （染色体上相应位点的位置编号，从小到大已排好序），LRR* （每 个检测位点的荧光信号强度值） *注：LRR （Log R Ratio ）：通过微阵列实验技术，对已被荧光标记过的染色体检测， 得出相应每个位点的荧光信号强度值，再作一定的处理。LRR 值与 CN 的计算公 式为 LRR 2 *log (CN / 2) i 10 i 若CN=1 和2 ，则计算可得LRR=-0.60 和0; 然而由于是实验所得数据，LRR 的检 测值中是包含噪声的，所得到的数据则为一个均值是LRR 所计算的理论值的分布 带。实际分析中常使用高斯正态分布来模拟噪声。 例：扩增，删除，复制情况下的LRR 数据分布。 实验内容： 通过viterbi 算法，分析肿瘤细胞整个染色体的CN 变异。 整个染色体上的各个位点可以看做一个马尔科夫链，CN 就是HMM 中的隐含状态，LRR 是观察值。每个位点的之间的CN 改变可看做作隐含状态的跳转。 通过所给出的HMM 参数（转移概率，初试概率，每个状态对应的LRR 均值与标准差）， 使用viterbi 算法对SNP-array 数据做染色体异常分析，将最后的状态序列输出到一个文 件中（如图所示）。 附：结果参考图（蓝点为原始LRR 数据，红线为分析结果） HMM 相关参数： A[6][6]= （状态转移矩阵） 0.936719716 0.006332139 0.048770575 0.000000001 0.008177573 0.000000001 0.000801036 0.949230924 0.048770575 0.000000001 0.001168245 0.000029225 0.000004595 0.000047431 0.999912387 0.000000001 0.000034971 0.000000621 0.000049998 0.000049998 0.000049998 0.999750015 0.000049998 0.000049998 0.000916738 0.001359036 0.048770575 0.000000001 0.948953653 0.000000002 0.000000001 0.000000001 0.027257213 0.000000001 0.000000004 0.972742785 PI[6]= （初始概率） 0.000001 0.000500 0.999000 0.000001 0.000500 0.000001 B_MEAN[6]= （每个