发现差异表达基因是微阵列实验研究的主要目的之一［44-47］。传统的差异表达基因检测方法基于癌症组所有样本的基因表达强度一致地为过高或过低表达这样一个假定［69，70］，如传统的T统计方法是对比两组表达值分布的均值，从而检测其差异［25］。差异表达基因检测方法不仅在统计量方面发展迅速，而且加强了对FDR错误发现率的控制，以减少假阳性并充分发挥数据分析的作用［71，72］。常用的传统差异表达基因检测方法如下。......
2023-11-21
差异表达基因检测方法总结及改进研究
【摘要】：差异表达基因检测可以寻找相对于正常组织过高或过低调节的癌症组织，在医学临床诊断、药物疗效判断、揭示癌症疾病发生机制等方面都有重要的作用。本书总结了Tomlins等人关于癌症组样本子集过表达的差异表达基因检测统计方法，同时通过模拟研究和真实数据的检验，比较分析了这些差异表达基因检测方法，并提出了改进的差异表达基因检测方法。
微阵列技术能同时检测成千上万个生物基因样本的表达水平，并产生蕴含着丰富生物学知识的基因表达谱数据。基因表达谱数据分析就是通过对有效数据的筛选和相关基因表达谱数据的统计检测，整合杂交点的生物学信息，从而发现基因的表达谱与功能可能存在的联系。根据研究的目的不同，基因表达谱数据分析方法通常有三个层次：差异表达基因检测、聚类分析和判别分析，其中差异表达基因检测就是使用参照实验设计进行的重复实验，对两样本或多样本基因表达数据进行差异表达基因分析，利用统计学中的假设检验，研究单基因水平的基因表达谱数据。差异表达基因检测从表达谱数据中筛选出潜在的、有过差异表达的癌症样本，从而发现癌症特异性基因。差异表达基因检测可以寻找相对于正常组织过高或过低调节的癌症组织，在医学临床诊断、药物疗效判断、揭示癌症疾病发生机制等方面都有重要的作用。
获得差异表达基因检测微阵列基因表达谱数据的方法很多，传统的差异表达基因检测方法（如T统计方法）通常假定癌症组所有样本相对于正常组样本都过表达。2005年10月，Tomlins等人在Science杂志上发表文章指出人的前列腺肿瘤转录因子基因被雄激素异常调节，在前列腺肿瘤中过表达，并据此推测其他常见固体肿瘤（如乳腺癌、结肠癌等）中也存在这种过表达情况，导致这种过表达的特定差异基因可能仅在样本的子集中被激活，剩余样本没有差异表达的迹象。癌症基因活化性的异样样本符合大多数癌症类型，因此假设生物芯片癌症组样本仅子集一部分是具有活性的，在少数样本中发生突变，基因表达强度值表现得显著过高或过低。这种差异基因表达的特性为癌症研究提供了新的探索方式，许多学者对这一现象做了深入探讨和分析，并提出了多种统计检测方法。本书总结了Tomlins等人关于癌症组样本子集过表达的差异表达基因检测统计方法，同时通过模拟研究和真实数据的检验，比较分析了这些差异表达基因检测方法，并提出了改进的差异表达基因检测方法。
首先采集真实的癌症数据（如乳腺癌数据以及本地区多发性癌症肿瘤——胃癌数据等）作为基因芯片数据；其次对基因芯片数据进行整理，检验数据的正确性，去掉数据冗余等，并分析其统计特性；最后对比分析已有的基因表达数据方法（尤其是基于变点理论的），研究不同方法在基因表达数据分析中的不同效果。这部分研究的开展能够使我们进一步理解差异表达基因检测数据的特点，为本书后面的深入研究奠定基础。(www.chuimin.cn)
对于乳腺癌真实数据，一般需要合并重复数据、清除不完整的数据或丢失数据、行填补等数据清洗，根据分析的目的进行数据过滤，以及针对分析方法选择合适的数据转换方法等。进行基因芯片数据标准化，通过数据转换（如对数）来达到假设正态分布或者估计的经验分布，使用分位数标准化和对数变换可对处理的数据做统计分析。标准化后的数据再用差异表达基因检测方法进行检测。真实数据使用的数据集是乳腺癌微阵列数据，应用各种方法对标准化后的真实数据进行分析。通过使用Bioconductor提供的注释包hu6800，将这些基因从Affemetrix identifiers映射到UniGene cluster identifiers，然后在PubMed中搜索与乳腺癌相关的文献，找到目标基因。本书的研究成果将应用到本地区医院真实癌症疾病的诊断，搜集典型病例数据，查找致病基因［3］。
传统的方法，如COPA方法、TriORT方法和TriMOST方法等都没有解决识别变点位置的问题。本书通过建立目标函数，求导得到参数的最小二乘估计，判断差异表达基因变点值是否存在并估计其位置，还可以对存在差异的样本进行估计。根据基因变点理论的非参数法检测差异表达基因的检测方法，把癌症异常点样本看作比所有正常组样本来自更高平均表达密度的分布，检测在癌症组中的基因表达强度的一个变点。根据分布变点的非参数统计算法思想，对一个独立的基因表达谱随机变量寻找估计的变点。
有关差异表达基因检测数据分析研究的文章
- 详细阅读
-
差异表达基因检测方法简介详细阅读
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
-
差异表达基因检测数据分析成果研究详细阅读
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
-
差异表达基因检测数据分析结果详细阅读
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。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。......
2023-11-21
-
TriORT方法解析差异表达基因检测数据详细阅读
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
-
基于中值的差异表达基因检测方法研究成果详细阅读
COPA方法是基于癌症组样本数据的第r分位数来确定差异基因表达值的。OS方法计算OS*i统计量，并且引入启发式规则附加表达值，利用分位数的知识对基因芯片数据进行基因表达的差异表达基因检测。在式中，差异表达基因的数量默认为个。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，都利用基因表达的分位数检测差异基因表达。......
2023-11-21
-
算法分析-差异表达基因检测方法的比较分析详细阅读
在COPA方法的基础上，Tibshirani等人在2007年提出的OS方法引入了分位数做启发式规则附加表达值，进行差异表达基因检测。由于差异估算中用正常组样本中值代替了全部数据的中值，ORT方法比COPA方法和OS方法恰当地估计了两组数据的差异。COPA方法和OS方法随差异数目的增加，性能有所降低。Lian在2008年提出的MOST方法隐性地考虑了差异基因表达强度临界值所有可能的取值，通过确定其统计量最大值来确定阈值，从而检测差异表达基因。......
2023-11-21
-
基因芯片应用研究：差异表达基因检测数据分析详细阅读
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
相关推荐