cDNA 微阵列数据处理中常用的统计分析方法(.pdf) .pdf

cDNA 微阵列数据处理中常用的统计分析方法 1 1 1 2 2 吴 骋 ，贺 佳 ，贺宪民 ，金杨晟 ，付旭平 ( 1. 第二军医大学卫生统计学教研室，上海 200433 ；2. 上海联合基因科技有限公司，上海 200433) [摘要] 本文从统计学研究的一般步骤出发，介绍了 cDNA 微阵列实验过程中数据处理常见问题的 统计分析方法，并对其各自的优缺点简要地做出了概括，包括实验设计、数据预处理和标准化、差异 表达的检测、聚类、以及预测样本特征等方面的问题。 [关键词] cDNA 微阵列 数据处理 统计分析 Common Statistical Methods in cDNA Microarray Data Analysis 1 1 1 2 2 Wu Cheng ，He Jia ，He Xian-Min ，Jin Yang-Sheng ，Fu Xu-Ping (1. Department of Medical Statistics ， Second Military Medical University，Shanghai 200433；2. United Gene Technology Limited Corporation ， Shanghai 200433) [ABSTRACT] This review starts with the basic pathway of statistics, introduces some main study fields in cDNA microarray data analysis, and summarizes several statistical methods and its merits for each field, including experiment design, data preprocessing and normalization, detection of differential expression, clustering and predicting sample characteristics. [KEY WORDS] cDNA Microarray，Data analysis ，Statistic al methods 微阵列技术的出现，在生物学和医学的各个研 列实验，常用方法有：完全随机设计、随机区组设 究领域产生了极大的影响，它允许同时分析成千上 计、拉丁方设计、两阶段交叉设计、析因设计、正 [1] 万的基因表达水平 。大量的生物学家、计算机科 交设计等。特别地，针对微阵列实验的基本设计方 学家、统计学家和软件工程师已经投入到微阵列技 案包括：直接或间接设计 （direct or indirect 术的研究工作中，大大促进了这一技术的发展。然 design ）、参照或嵌套设计 （reference or loop 而，应用这一技术的复杂性在其本身迅速发展的同 design ）、染色交换重复 （dye-swap replications ）等 [3-6] 时也在不断增加，如何有效地处理微阵列实验所产 等 。这些设计方法都有助于减少实验过程引起 生的海量数据越来越引起研究者们的广泛注意。人 的变异，例如染色标记的有效性 （dye labeling 们越来越清楚地认识到对这些海量数据进行简单 efficiency）。 的处理是远远不够的，必须利用更有效的方法才能 微阵列实验应该保证一定数量的重复，以提高 [2] 从中获取更有价值的信息 。目前，已有研究者运 估计质量的精确性，并对估计