基因芯片 进展

·112· 垦堡垒塑堡堂王壁垒查2Q!Q堡垒旦笙!≥鲞蔓!塑!坐』璺i!型曼竖：△趔!垫!!：型：ji：塑!墨 基因芯片数据方法研究进展 梅杰杨凯 【摘要】基因芯片是生物芯片的一种，是最先研究也是最成熟的生物芯片。其产生的海量数据中隐 含着许多有价值的生物信息，人们越来越重视探索和开发用以分析这些数据的方法。目前已有统计分析、 聚类分析、自组织映射等众多的方法用于大规模的基因达的数据挖掘整理。对基因芯片试验数据现有 的基础分析方法进行综述。并介绍一些新的分析方法。 【关键词】基因芯片； 基因表达；分析方法 中图分类号：Q78 文献标识码：A 文章编号：1673--4181(2010)02-0112埘 MethodsofclassificationandanalysisofthemicroarraydataME／肛，YANG鬣以DepartmentofOral andMaxillofacialSurgery,TheFirstAffiliatedHospital,ChongqingMedicalUniversity,Chongqing400016, China 【Abstract】DNAmieroarrayisthefirststudiedandthemostmaturedformofthebio-chip，whichgenerat· edhugeamountsofdatainanumberofvaluablehiddeninformation．Scientistshaveattachedmoreimportanceto theexplorationanddevelopmentfortheanalysisofthesedata．Atpresent,manymethodshavebeenusedfor large-scalegeneexpressiondatamining，suchasstatisticalanalysis，clusteranalysisandself-organizingmap． Thispaperreviewstheexistingmethodsforanalyzingexperimentaldataeoleetedfromandintroducessomenew analyticalmethods． 【Keywords】Genechip；Geneexpression；Analysismethod 0引言 基因芯片(microarray)，又称DNA芯片或DNA 微阵列，是指通过微加工技术和微电子技术，将成 千上万与生命相关的探针分子以预先好的排 列方式同化在固相支持物(硅片、玻片、聚丙烯酞胺 凝胶、尼龙膜等载体)的表面，组成密集二维分子排 列，通过检测每个探针分子的杂交信号强度进而获 取样品分子的数量和序列信息，以达到对样本基因 的表达水平、突变和多态性进行快速、并行、准确、 高效的检测分析。它是近几年发展起来的又一新的 分子生物学研究工具，被广泛应用于基因的表达和 调控、新基因的功能发现、疾病的诊断和预后、药靶 的发现、毒理学、微生物检测、农林业生产、食品、环 境保护和检测等领域li-3]。它综合了分子生物学、半 导体微电子技术、激光、化学、计算机科学等众多学 科领域的相关技术，使其具有高通量、快速、并行化 采集生物信息的特点问；同时，大规模、高通量的信 息获得也对“海量”数据的分析及信息的提取提出 DOI：10．3760／cma．j．issn．16734181．2010．02．012 基金项月：重庆市卫生局科研项目(03．2-073) 作者单位：400016重庆医科大学附属第一医院口腔颌面外科 通信作者：杨凯．Email：eqfyyk@yahoo．coln．cn ·综述· 了新的挑战，如基因芯片数据的化、样本(或基 因)间距离的度量以及样本(或基因)的监督和非监督 分类等分析方法，力图将无机的信息数据和有机的 生命活动结合起来阐释生命特征及基因功能，已经 成为生物信息学的研究课嘲。这些探索基因功能 的新技术和新方法是目前研究的重点，新的分析工 具和方法不断产生161。本文就基因芯片实验数据现 有的基础分析方法做一个概括的总结，并介绍一些 新的分析方法。 1基因芯片数据的获取及标准化 芯片上的每个点包含2个数值成分：信号值和 背景值。信号值是指芯片数据的真实强度值，这些 数值能提供相关基因表达的量化信息；背景值则指 那些因不真实的生化反应导致的强度值。生物芯片 通过探针与经荧光标记的目标样品进行生物反应， 使用芯片专用检测系统，经荧光共聚焦扫描进行荧 光信号的采集，通过图形分析软件产生每个点信号 及其背景的数据，最终转化成可计算的数字信息； 但标记物的差异、标记效率、空间位置的差异、荧光 标记检测效能的差异以及样品RNA的原始浓度的 差异等，都可能对基因表达结果产生影响。因此，原 始数据需经过标准化，以消除由于系统变量引起的 万方数据 垦堕生塑匿堂王墨苤查垫!Q生垒旦笙!!鲞笙2塑丛』Ei!堂i!韭：皇西!垫!Q：!垡：!!：№：! 误差，使得基因表达数据真实地反映测量样品的生 物学差异f7】。现有的标准化方法主要有：基因中心化、 总强度标准化法、局部加权线性回归标准化法以及 局部均值标准化法等[8-91。基因芯片数据标准化后， 基因表达的变化就表示为样品标准化表达水平与 参照样品标准化表达水平的比值。 1．1基因中心化 基因中心化是把每个基因在各实验中的表达 值减去该基因在各实验中表达值的均数或中位数。 基因中心化后的值就反映了该基冈在不同序列下 的变异；但当参照基因是实验的一部分或要了解基 因差异表达的程度时，不适宜进行中心化。 1．2总强度标准化法 此方法假设2批待标记的mRNA的量相同，相 对于对照组样品，实验组的表达应既有上调也有下 调。这样，扫描所得的所有Cy5和Cy3荧光分子的 光密度值是相同的。通常用于标准化同一块芯片上 杂交的2种样品，在实际应用中，通常采用扣除所 有点的平均值(mean)或者中值(median)。 1．3局部加权线性回归标准化法 这种方法根据是否采用线性回归．分为整体平 均值法(小halmeannormalization)和强度依赖 (intensitydependent)。此方法用于标准化同一块芯 片上杂交的2种样本，并建立于以下的假设之上： 如果mRNA来自紧密相关的样本，那么大部分基因 的表达水平是相近的，因此在以Cy5和Cy3为坐标 的散点图上，这些基因应呈一直线；如果2批样本 的标记和检测效率相同，则直线的斜率也是惟一 的，那么，标准化这些数据就等于用回归的方法计 算其最适斜率。 2基因表达矩阵的构建 在基因芯片标准化后，每一个基因都可以获得 一个代表基因表达水平的数据，如“表达比(ratio)”。 “表达比”计算在芯片分析中广泛应用Ilo一，可以得 到关于基因表型、基因表达模式及其他生物过程的 定量信息。在基因表达应用中，通常利用一个实验 组样品和一个对照样品去探索感兴趣的生物学现 象。“表达比”计算的一般算法是通过2个样品间基 因与基因的比较，反映出在实验条件下基因是诱导 还是抑制。通常采用表达比的对数形式(1092ratio)能 够更直观地描述基因表达上调或下调的幅度，同时 计算机还给出直观的显色图。在样品中呈高表达的 基因其杂交点呈红色；相反，在对照组中高表达的 基因其杂交点呈绿色；在2组中表达水平相当的显 黄色，这些信号就代表了样品中基因的转录表达情 况。 由若干次芯片实验可以得到一个xxy的基因 表达矩阵，用以记录基因在不同实验条件下的表达 谱。通常菇为基因的数目，Y为实验的次数或芯片的 数目。表达矩阵也可以理解为一个表达空间，每一 次实验都代表空间中一条单独的、不同的轴，矩阵 中每一行的数据即为该基因的表达向量。对每一个 基因而言，表达向量描述了其在表达空间中的位 置。这样，一个基因就可以被描述成表达空间中的 一个点，从这个观点出发来解释基因表达，如果2个 基因在每一个实验中有相近的(1092ratio)值，那么 在表达空间中2个基因的点会非常接近；相反，则 2个基因的点会相距较远。 3差异表达基因的筛选 差异表达基因就是在若干实验组中表达水平 有显著差异的基因，也可称之为显著性基因。大多 数已发表的研究都把表达水平增高一倍或下降一 半(即l092ratio>12或≤一2)作为判断是否有表达差 异的标准⋯一31。这种简单方法判断的结果虽然可以 通过重复性实验得到可靠的验证，但却很难发现那 些在表达上有微小改变而生物学意义重要的基因¨卅。 首先由所允许的假阳性FP(falsepositive)的大 小和基因的数目m来计算口值：a=FP／m；通过重复 性实验可以计算每一个基因的尸值，并按照P值的 大小将基因排序，P