基因芯片数据分析

基因表达谱芯片的数据分析基因芯片数据分析就是对从基因芯片高密度杂交点阵图中提取的杂交点荧光强度信号进行的定量分析，通过有效数据的筛选和相关基因表达谱的聚类，最终整合杂交点的生物学信息，发现基因的表达谱与功能可能存在的联系。

然而每次实验都产生海量数据，如何解读芯片上成千上万个基因点的杂交信息，将无机的信息数据与有机的生命活动联系起来，阐释生命特征和规律以及基因的功能，是生物信息学研究的重要课题[1]。

基因芯片的数据分析方法从机器学习的角度可分为监督分析和非监督分析，假如分类还没有形成，非监督分析和聚类方法是恰当的分析方法；假如分类已经存在，则监督分析和判别方法就比非监督分析和聚类方法更有效率。

根据研究目的的不同[2,3]，我们对基因芯片数据分析方法分类如下。

（1）差异基因表达分析：基因芯片可用于监测基因在不同组织样品中的表达差异，例如在正常细胞和肿瘤细胞中；（2）聚类分析：分析基因或样本之间的相互关系，使用的统计方法主要是聚类分析；（3）判别分析：以某些在不同样品中表达差异显著的基因作为模版，通过判别分析就可建立有效的疾病诊断方法。

1 差异基因表达分析(difference expression, DE)对于使用参照实验设计进行的重复实验，可以对2样本的基因表达数据进行差异基因表达分析，具体方法包括倍数分析、t检验、方差分析等。

1.1倍数变化(fold change, FC)倍数分析是最早应用于基因芯片数据分析的方法[4]，该方法是通过对基因芯片的ratio值从大到小排序，ratio 是cy3/cy5的比值，又称R/G值。

一般0.5-2.0范围内的基因不存在显著表达差异，该范围之外则认为基因的表达出现显著改变。

由于实验条件的不同，此阈值范围会根据可信区间应有所调整[5,6]。

处理后得到的信息再根据不同要求以各种形式输出，如柱形图、饼形图、点图等。

该方法的优点是需要的芯片少，节约研究成本；缺点是结论过于简单，很难发现更高层次功能的线索；除了有非常显著的倍数变化的基因外，其它变化小的基因的可靠性就值得怀疑了；这种方法对于预实验或实验初筛是可行的[7]。

生物信息学讲义——基因芯片数据分析生物信息学是指运用计算机技术和统计学方法来解析和理解生物领域的大规模生物数据的学科。

基因芯片数据分析是生物信息学研究的一个重要方向，通过对基因芯片数据进行分析，可以揭示基因在生物过程中的功能和调节机制。

本讲义将介绍基因芯片数据的分析方法和应用。

一、基因芯片数据的获取与处理基因芯片是一种用于检测和测量基因表达水平的高通量技术，可以同时检测上千个基因的表达情况。

获取基因芯片数据的第一步是进行基因芯片实验，如DNA芯片实验或RNA芯片实验。

实验得到的数据一般为原始强度值或信号强度值。

接下来，需要对这些原始数据进行预处理，包括背景校正、归一化和过滤噪声等步骤，以消除实验误差和提高数据质量。

二、基因表达分析基因芯片数据的最主要应用之一是进行基因表达分析。

基因表达分析可以揭示在不同条件下基因的表达模式和差异表达基因。

常用的基因表达分析方法包括差异表达分析、聚类分析和差异共表达网络分析等。

差异表达分析常用来寻找在不同条件下表达差异显著的基因，如差异表达基因的筛选和注释；聚类分析可以将表达模式相似的基因分为一组，如聚类分析可以将不同样本中的基因按照表达模式进行分类；差异共表达网络分析可以找到一组在差异表达样本中共同表达的基因，揭示潜在的功能模块。

三、功能富集分析对差异表达基因进行功能富集分析可以帮助我们理解这些基因的生物学功能和参与的生物过程。

功能富集分析可以通过对差异表达基因进行GO(Gene Ontology)注释，找到在特定条件下富集的生物学过程、分子功能和细胞组分等。

另外，功能富集分析还可以进行KEGG(Kyoto Encyclopedia of Genes and Genomes)富集分析，找到差异表达基因在代谢通路和信号传导通路中的富集情况。

四、基因调控网络分析基因调控网络分析可以帮助我们揭示基因间的调控关系和寻找关键调控基因。

基因调控网络是基于差异表达数据构建的，它可以包括转录因子-靶基因调控网络和miRNA-mRNA调控网络等。

实验六: 基因芯片数据处理和分析、GO 分析
实验目的：
1. 学会使用 TM4 软件集对芯片数据进行处理和分析，学会使用 Cluster 进行聚类分析 3. 学会 GO 语义及其相关注释的浏览与搜索，学会使用 DAVID 进行基因集功能富集分析
实验内容：
一、基因芯片数据处理和分析
基因芯片或称微阵列（microarray）能够平行、高通量地检测成千上万基因转录本的表 达水平， 应用芯片技术可以比较正常和异常细胞中的表达， 帮助识别疾病相关基因和药物作 用靶标，分析复杂疾病的致病机制，也可以揭示基因间的表达调控关系。基因芯片数据处理 包括芯片杂交实验芯片数据采集（扫描）数据基本处理提交数据库生物信息学分析 等步骤，涉及很多不同的实验类型。这里介绍 TIGR 中心开发的 TM4 软件包，应用 MeV、 Cluster 和 TreeView 等软件对相关基因表达谱进行聚类分析和差异表达基因的筛选。
Figure 6.11 （ 2 ） 数 据 导 入 ： 点 击 “Browse” 按 钮 ， 打 开 软 件 自 带 的 表 达 量 数 据 文 件 ：
TDMS_format_sample.txt ， 样 本 数 据 便 自 动 加 载 到 “Expression File Loader” 窗 口 下 方 的 “Expression Table”栏（Figure 6.12） 。实验数据类型有两个选项：双色芯片（Two-color Array） 和单色芯片（Single-color Array） ，本例选择双色芯片。单击“Load”按钮将数据导入。
Figure 6.12 （3）显示基因表达情况：通过 Multiple Array Viewer 窗口看热图（Heat map） ，了解每 个基因在不同样本中的相对表达量（Figure 6.13） 。

但是如何高效地对这些基因芯片数据做深入的挖掘和分析，是当前生命科学研究的热点和难点。目前，有多种基因芯片数据分析方法， 聚类分析是分析基因芯片数据最常用的方法。本文以此方法为基础进行综述，并介绍当前比较新颖的分析方法，如流行学习算法。
关键词：基因芯片；分析方法；聚类分析 中图分类号：R596.2 文献标识码：A DOI: 10.3969/j.issn.1671-3141.2016.69.021
0 引言
基因芯片又称 ＤＮＡ 微阵列 （ＤＮＡ ｍｉｃｒｏａｒｒａｙ）， 属于生物 芯片 （ｂｉｏｃｈｉｐ） 的一种。按照芯片上探针的种类， 可以将芯片 分为 ｃＤＮＡ 芯片和寡核苷酸芯片两类， 基因芯片将成千上万 个与生命相关的探针分子或基因片段以预先设计好的排列 方式固化在固相支持物硅片、 玻璃等载体上， 组成密集二维 分子排列， 然后与掺入荧光标记的待测样品进行杂交 ［１］， 再通 过激光共聚焦荧光扫描系统检测探针分子杂交信号的强度， 在对荧光信号进行综合解读和分析后， 即可获取样品分子的 大量基因序列及其表达信息。通过检测每个探针分子的杂 交信号强度进而一次性对样品的大量序列进行检测和分析， 基因芯片技术解决了传统核酸杂交印记操纵繁杂， 检测效率 低等缺点 ［２］。
1 芯片数据分析方法
芯片数据分析的目的是确定不同基因的表达， 从而研究 基因的功能。目前常用的芯片数据分析方法有统计学分析、 自组织映射和生物学分析。应用最普遍的分类方法是聚类 分析法 （ｃｌｕｓｔｅｒｉｎｇ ａｎａｌｙｓｉｓ） ， 本文以此为重点进行叙述。聚 类 分 析 是 研 究 事 物 分 类 的 一 种 方 法， 它可以分为无监督性 聚类 （ｕｎｓｕｐｅｒｖｉｓｅｄ ｃｌｕｓｔｅｒｉｎｇ）和 有 监 督 性 聚 类 （ｓｕｐｅｒｖｉｓｅｄ ｃｌｕｓｔｅｒｉｎｇ） 。