基因芯片数据分析简介董.ppt

动画，cDNA芯片实验原理 对不同波长荧光的偏向 芯片的质量 位置尺度的归一化 Volcano plot (Significance) Volcano plot (Effect) Volcano plot 什么是聚类分析 将不同元素按照彼此相似性的大小按照一定的规则进行组织或者分类 元素 相似性 等级聚类/归类 聚类在生物分析中的应用 进化树 不同物种同源蛋白序列的相似性 聚类在基因芯片数据分析中的应用 基因之间存在共表达 共表达的基因可能具有相似的生物功能 从具有相似表达谱的基因去推测其功能 更好的可视化 选取何种距离 K均值聚类 选择合适的聚类数据 k 初始化k个聚类中心 ?1,… ?k 从所有数据点中挑选k个点 将数据随机分为k类，以每类的中心作为聚类中心 计算每个数据点与每个中心的相似性，将数据点归类到最相似聚类中心所属的类中去 当所有数据归类完毕后，重新计算每个聚类的中心，作为新的聚类中心 重复计算所有数据点与新的聚类中心的相似性，并且再次归类 当聚类中心不在发生变化时，聚类停止 该分为多少类？ 对k均值聚类的结果可视化 对k均值聚类的结果可视化 对于超过2维的数据，提取最高的两个主成分(PC) 等级聚类 将数据重新排序 组与组之间的距离 Single Linkage Clustering Minimum distance between members of two clusters Complete Linkage Clustering Greatest distance between members of relevant clusters Average Linkage Clustering UPGMA Centroid or Median 如何进行分类 其他名称 功能富集 Pathway富集 显著/重要的pathway/通路 GO富集 基因集合分析的优点 基因不是单独起作用的 有助于更好的理解基因的功能 也有助于理解关键基因是如何影响关键通路的 找到显著的功能，可以缩小寻找关键基因的范围 在一组差异表达基因中寻找富集的生物功能 Over-representation analysis (ORA) 例子 具体流程 谢谢 Over representation analysis (ORA) in set else total differential n11 n12 n1+ else n21 n22 n2+ total n+1 n+2 n By Fisher’s exact test / chi-square test In set else Total Differential 40 960 1000 Else 160 8840 9000 total 200 9800 10000 P-value from Fisher’s Exact test: 2.085e-5 GO/pathway 差异表达基因 背景基因 相同的基因ID类型 2x2列联表 计算显著性 DAVID的使用 开始分析 / DAVID的使用 选中Upload栏 输入基因列表 选择基因列表的ID类型 选中“Gene List” DAVID的使用 选择相应的物种 进行功能富集 DAVID的使用 选择相应的数据库 进行功能富集 DAVID的使用 功能富集结果页 * 聚类分析 Eisen et al. (1998), PNAS, 95(25): 14863-14868 聚类分析 在聚类分析中，基因被看作是一个向量 通过元素与元素之间的距离，将不同的元素归类 数据结构（表达值矩阵，log2Ratio） Array1 Array2 Array3 Array4 Gene1 0.5 -1.8 0.8 1.2 Gene2 -0.2 1.2 -0.4 0.1 Gene3 2.0 1.2 -0.1 0.5 Gene3 1.1 0.6 -1.0 0.8 Gene5 1.5 -1.2 0.2 0.7 Gene6 2.4 -0.5 2.2 1.5 Gene 1: (0.5, -1.8, 0.8, 1.2) Gene 2: (-0.2, 1.2, -0.4, 0.1) 聚类分析： 距离的定义 欧式距离 相似性距离——皮尔森相关系数 聚类分析：k均值聚类 将所有点放入k个不重叠的类中，使得每个类中基因相似度高，而类之间基因的相似度低。