微阵列基因芯片技术可以同时检测成千上万个生物样本的基因表达水平，从而得到大量的基因表达谱数据。基因表达谱不仅数据量非常庞大，而且在数据中蕴含着丰富的生物学知识［39，40］。通过分析基因表达谱数据，比较相同基因在不同环境条件、不同组织（如癌症组织和正常组织）中的不同表达强度，发现那些有可能与疾病诊断相关的基因，这就需要从微阵列基因芯片样本中检测出差异表达基因，进行差异表达基因检测［41］。
在基因芯片数据生成过程中，差异基因虽然与数据主体来自同一分布，但其本身以极小的概率出现，对既定模型偏离很大，拟合效果很差，是既定分布中的极端观测点。单基因水平的基因表达谱数据分析利用统计学中的假设检验，从表达谱中筛选出潜在的差异表达基因。通过在不同实验条件下基因表达水平的变化来判断基因的差异，分析基因在正常组样本和癌症组样本之间的差异，通过组间比较，确定同一个基因在不同组织之间和同一组织的不同条件和状态（如正常与癌症）下，排除实验、检测等因素后有差异表达的、与条件相关的特异性基因［42］。差异表达基因检测不仅具有统计学意义，而且具有生物学意义，在医学临床诊断、药物疗效判断、揭示疾病发生机制等方面都有重要的作用。在医学研究中，癌症差异表达基因检测就是一个重要的问题。
鉴于微阵列实验的费用昂贵，而且用来满足实验数据分析要求的足够多的微阵列实验不可能全部都做，因此运用统计方法分析基因表达谱数据就非常有价值。差异表达基因检测统计方法的目的是识别由于实验环境变化而引起的表达水平改变的基因［43］。
在基因芯片数据分析中，差异表达基因检测的传统方法通常是假定所有癌症组样本相对于正常组样本都具有过高或过低的表达。但2005年Tomlins等人指出差异基因表达是癌症组样本子集相对于正常组样本过表达的现象，并在Science杂志上发表文章，指出进行差异表达基因检测的研究必须考虑到基因活化的异质性，大多数人的前列腺癌症转录因子基因被雄激素异常调节，导致这类转录因子在前列腺癌症中过度表达，并推测在其他常见固体癌症中也存在这种过表达情况［1］。(www.chuimin.cn)
针对部分癌症组样本子集相对于正常组样本过表达的现象，Tomlins等人提出了检测差异基因表达的COPA（Cancer Outlier Profile Analysis）方法。受COPA方法启发，Tibshirani等人于2007年提出了OS（Outlier Sum）方法［2］；Wu于2007年提出了ORT（Outlier Robust T-statistics）方法［3］；Lian于2008年提出了MOST（Maximum Ordered Subset T-statistics）方法［4］。COPA方法、OS方法、ORT方法和MOST方法的共同特点是以参数方法采用样本基因表达强度的中值和中值绝对离差定义差异基因表达的统计量，并且都利用基因表达谱分位数来定义差异表达基因的表达强度。研究者针对差异表达基因检测癌症组样本子集相对于正常组样本过表达的情况，提出了TriMOST（Trimean Maximum Ordered Subset T-statistics）方法和TriORT（Trimean Outlier Robust T-statistics）方法［5，6］。
但COPA方法、OS方法、ORT方法、MOST方法、TriORT方法和Tri-MOST方法都需要通过对基因表达强度值重新排序，并通过分位数原理来确定过高表达或过低表达的基因。该问题从另一个角度来研究，即检测癌症组基因表达强度的变点。Hu于2008年提出了LRS（Likelihood Ratio Statistics test）方法，基于似然率来寻找癌症组样本中差异基因表达强度的变化［7］。LRS方法指出，变点是模型中的某个或某些量发生突然变化的点，而这种突然变化通常能够反映出事物的某种质的变化。癌症组数据中的癌症组样本的基因表达强度值可以看作基因表达谱数据中的变点异常值。研究发现基于似然率的LRS方法在检测癌症差异表达基因方面效果比其他方法略好。
有关差异表达基因检测数据分析研究的文章
Tomlins等人在2005年提出了COPA方法，用于检测癌症组样本一小部分基因相对于正常组样本过表达的差异表达基因检测［101］，许多学者由此受到启发，截至2010年9月13日，该文章的引用次数已经达到了763次。David A.Hanauer指出在不久的将来，COPA差异表达基因检测方法会提供较多的与癌症发生演化相关的重要基因，从而为揭开癌症的神秘面纱贡献力量［102］。通过模拟研究和应用到公共基因芯片数据，表明以上成果为综合分析和提高传统差异表达基因检测提供了方法。......
2023-11-21
在国外涉及较早的变点研究是突变点，对于渐变式变点的研究也有一些结论，对于位置参数模型提出了变点的最小二乘法的估计。最小二乘法就是以观察值和理论值之差的平方和作为目标函数，将其达到极小值的点作为有关参数的点估计［8］。给出衡量最小二乘法识别多差异表达基因检测突变点能力的方法，模拟研究最小二乘法对不同具有差异表达基因的基因表达谱数据生成过程的多差异表达基因变点检测效果［10］。......
2023-11-21
RNA-Seq测序技术已成为研究基因表达的重要实验手段，比较不同样本中基因表达差异，为解决后续的生物问题提供了定量分析的依据。生物信息学科的研究工作者近年来也意识到了大数据带来的挑战，开发了一些基于云计算的分析软件，其中涉及RNA-Seq数据分析的主要有MyRNA、Crossbow等。本部分的研究即将要构建的基因差异表达分析流程就是针对RNA-Seq技术得到的原始数据进行设计和实现的。......
2023-11-21
在农作物的基因育种方面，基因芯片技术已经成为育种工作的一项重要手段，利用基因芯片技术可以在多样本、高通量群体中进行基因筛选，从而找到携带目的基因的优良个体，充分利用有利的基因序列资源，创造方便、快捷的育种工作环境。近几年来，以基因芯片技术为代表的生物芯片技术迅速发展，使人类科学技术的研究有了阶段性的进步，对科学技术的发展产生了巨大的影响［32-34］。......
2023-11-21
每个Reads片段都对应了一个基因的某个转录本，所以通过将Reads序列Mapping到参考基因组序列上，继而根据该参考基因组已有的基因注释信息，推定出各个基因在转录组中对应的表达量的高低。Reads序列Mapping的结果往往存储在Sam文件或者Bam文件中［180，181］。......
2023-11-21
许多研究者对此进行了研究，并提出了多种差异表达基因检测方法。OPA方法采用基因组数据异常分析的非参数方法对某特定基因进行检测，这个基因的基因芯片数据的一个组中只有一部分样本相对于另一组样本过高表达，剩余的样本没有差异表达的迹象。PACK方法、PADGE方法、PPRM方法、OPA方法、LRS方法也研究了假定癌症组子集样本相对于正常组样本有过高或过低表达的差异基因表达检测统计方法。......
2023-11-21
差异表达基因检测普遍采用的方法是计算T统计方法，T统计方法通过两组样本的均值来判断基因是否存在表达差异。差异基因表达检测研究通过在不同实验条件下基因表达水平的显著性变化来判断基因的差异性，通常采用假设检验原理，把样本分为正常组样本和癌症组样本两类，或者分为两种条件下的多次重复试验，并对此进行判断。T统计方法通常用于检测两组样本均值的显著差异性，在差异基因表达检测中，它也是常用的较简洁的统计方法。......
2023-11-21
样本三均值trimeani：正常组样本三均值trimeanix：癌症组样本三均值trimeaniy：基于ORT方法改进的TriORT方法的统计量TriORT*i定义如下：基因i的癌症组样本集合过高表达时的定义为：其过低表达时的定义为：TriORT方法和ORT方法的不同之处在于，ORT方法中表示数据转换变化的中值和中值绝对离差分别被三均值和三均值绝对离差来代替，这样使得数据稳健，能全面地反映样本数据特征。......
2023-11-21
相关推荐