Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tác động của các phương pháp chuẩn hóa khác nhau lên dữ liệu hệ thống biểu hiện gen của Applied Biosystems
Tóm tắt
Công nghệ vi mạch DNA cung cấp một công cụ mạnh mẽ để đặc trưng hóa biểu hiện gen trên quy mô toàn bộ bộ gen. Mặc dù công nghệ này đã được sử dụng rộng rãi trong nghiên cứu y học khám phá và nghiên cứu sinh học cơ bản, nhưng việc áp dụng trực tiếp của nó trong thực hành lâm sàng và quá trình ra quyết định quy định đã gặp phải nhiều câu hỏi. Một số vấn đề chính, bao gồm khả năng tái lập, độ tin cậy, khả năng tương thích và tiêu chuẩn hóa phân tích vi mạch và kết quả, cần được xem xét một cách nghiêm túc trước khi bất kỳ việc sử dụng vi mạch nào trong phòng thí nghiệm lâm sàng và các lĩnh vực quy định có thể diễn ra. Trong nghiên cứu này, chúng tôi điều tra một số vấn đề này đối với vi mạch khảo sát bộ gen người của Applied Biosystems. Chúng tôi đã phân tích hồ sơ biểu hiện gen của hai mẫu: não và mẫu tham chiếu người toàn cục (UHR), là một hỗn hợp RNA từ 10 dòng tế bào ung thư, bằng cách sử dụng vi mạch khảo sát bộ gen người của Applied Biosystems. Năm bản sao kỹ thuật tại ba vị trí khác nhau đã được thực hiện trên cùng một mẫu RNA tổng số theo các giao thức tiêu chuẩn của nhà sản xuất. Năm phương pháp khác nhau, quantile, median, scale, VSN và cyclic loess đã được sử dụng để chuẩn hóa dữ liệu vi mạch AB trong mỗi vị trí. Một nghìn gen trải dài trong khoảng động rộng lớn về mức độ biểu hiện gen đã được chọn để xác thực bằng PCR thời gian thực. Sử dụng bộ dữ liệu thử nghiệm TaqMan® làm bộ tham chiếu, hiệu suất của năm phương pháp chuẩn hóa đã được đánh giá dựa trên các tiêu chí sau: (1) Nhạy cảm và tái lập trong phát hiện biểu hiện; (2) Mối tương quan thay đổi gấp giữa dữ liệu PCR thời gian thực; (3) Nhạy cảm và độ đặc hiệu trong phát hiện biểu hiện khác biệt; (4) Khả năng tái lập của danh sách gen biểu hiện khác biệt. Kết quả của chúng tôi cho thấy mức độ đồng thuận cao giữa các phương pháp chuẩn hóa này. Điều này đúng, bất kể liệu tín hiệu, phát hiện, biến đổi, đo lường thay đổi gấp và khả năng tái lập có được xem xét hay không. Hơn nữa, chúng tôi đã sử dụng các thử nghiệm TaqMan® làm tham chiếu, để tạo ra các biểu đồ TPR và FDR cho các phương pháp chuẩn hóa khác nhau trên toàn bộ dải thử nghiệm. Ít tác động được quan sát đến tỷ lệ TP và FP trong phát hiện các gen biểu hiện khác biệt. Thêm vào đó, ít hiệu ứng đã được quan sát từ các phương pháp chuẩn hóa khác nhau trên các phương pháp phân tích thống kê, cho thấy một độ bền nhất định của các phương pháp phân tích hiện đang được sử dụng trong lĩnh vực này, đặc biệt khi được sử dụng kết hợp với Hệ thống Biểu hiện Gen của Applied Biosystems.
Từ khóa
#DNA vi mạch #chuẩn hóa dữ liệu #biểu hiện gen #nghiên cứu y học #PCR thời gian thựcTài liệu tham khảo
Hackett JL, Lesko LJ: Microarray data – the US FDA, industry and academia. Nat Biotechnol 2003, 21: 742–743. 10.1038/nbt0703-742
Petricoin EF 3rd, Hackett JL, Lesko LJ, Puri RK, Gutman SI, Chumakov K, Woodcock J, Feigal DW Jr, Zoon KC, Sistare FD: Medical applications of microarray technologies: a regulatory science perspective. Nat Genet 2002, 32(Suppl):474–479. 10.1038/ng1029
Bolstad BM, Irizarry RA, Astrand M, Speed TP: A comparison of normalization methods for high density oligonucleotide array data based on variance and bias. Bioinformatics 2003, 19: 185–193. 10.1093/bioinformatics/19.2.185
Yang YH, Thorne NP: Normalization for two-color cDNA microarray data. In Science and Statistics: A Festschrift for Terry Speed, IMS Lecture Notes-Monograph Series Edited by: Goldstein DR. 2003, 40: 403–418.
Hartemink A, Gifford D, Jaakkola T, Young R: Maximum Likelihood Estimation of Optimal Scaling Factors for Expression Array Normalization. In Microarrays: Optical Technologies and Informatics, Proceedings of SPIE Edited by: Bittner M, Chen Y, Dorsel A, Dougherty E. 2001, 4266: 132–140.
Yang YH, Dudoit S, Luu P, Lin DM, Peng V, Ngai J, Speed TP: Normalization for cDNA microarray data: a robust composite method addressing single and multiple slide systematic variation. Nucleic Acids Research 2002, 30(4):e15. 10.1093/nar/30.4.e15
Smyth GK, Speed TP: Normalization of cDNA microarray data. In METHODS: Selecting Candidate Genes from DNA Array Screens: Application to Neuroscience Edited by: Carter D. 2003, 31(4):265–273.
Huber W, Heydebreck A, Sueltmann H, Poustka A, Vingron M: Variance stabilization applied to microarray data calibration and to the quantification of differential expression. Bioinformatics 2002, 18(Suppl 1):S96-S104.
MAQC Consortium: The MicroArray Quality Control (MAQC) project shows inter- and intraplatform reproducibility of gene expression measurements. Nat Biotechnol 2006, 24(9):1151–61. 10.1038/nbt1239
Applied Biosystems Expression Array System: System profile[http://docs.appliedbiosystems.com/pebiodocs/00113259.pdf]
Heid CA, Stevens J, Livak KJ, Williams PM: Real time quantitative PCR. Genome Res 1996, 6: 986–994.
Gibson UE, Heid CA, Williams PM: A novel method for real time quantitative RT-PCR. Genome Res 1996, 6: 995–1001.
Cleveland WS, Devlin SJ: Locally-weighted regression: an approach to regression analysis by local fitting. J Am Stat Assoc 1988, 83(403):596–610. 10.2307/2289282
Benjamini Y, Hochberg Y: Controlling the false discovery rate – a practical and powerful approach to multiple testing. J R Stat Soc B Met 1995, 57(1):289–300.
Tusher V, Tibshirani R, Chu G: Significance analysis of microarrays applied to the ionizing radiation response. PNAS 2001, 98: 5116–5121. 10.1073/pnas.091062498
Wang Y, Barbacioru C, Hyland F, Xiao W, Hunkapiller KL, Blake J, Chan F, Gonzalez C, Zhang L, Samaha RR: Large scale real-time PCR validation on gene expression measurements from two commercial long-oligonucleotide microarrays. BMC Genomics 2006, 7: 59. 10.1186/1471-2164-7-59
Canales R, Luo Y, Willey J, Austermiller B, Barbacioru C, Boysen C, Hunkapiller K, Jensen R, Knight C, Lee K, Ma Y, Maqsodi B, Papallo A, Herness-Peters E, Poulter K, Ruppel P, Samaha RR, Shi L, Yang W, Zhang L, Goodsaid F: Evaluation of DNA Microarray Results with Alternative Quantitative Technology Platforms. Nat Biotechnol 2006, 24(9):1115–22. 10.1038/nbt1236
Guo L, Lobenhofer E, Wang C, Shippy R, Harris S, Zhang L, Mei N, Chen T, Herman D, Goodsaid F, Hurban P, Phillips K, Xu J, Deng X, Sun Y, Tong W, Dragan Y, Shi L: Rat toxicogenomic study reveal analytical consistency across microarray platforms. Nat Biotecnol 2006, 24(9):1162–69. 10.1038/nbt1238
Patterson T, Lobenhofer E, Fulmer-Smentek S, Collins P, Chu T, Bao W, Fang H, Kawasaki E, Hager J, Tikhonova I, Walker S, Zhang L, Hurban P, de Longueville F, Fuscoe J, Tong W, Shi L, Wolfinger R: Performance comparison of one-color and two-color platforms within the MicroArray Quality Control (MAQC) project. Nat Biotecnol 2006, 24(9):1140–50. 10.1038/nbt1242
Dudoit S, Yang YH, Callow MJ, Speed TP: Statistical methods for identifying genes with differential expression in replicated cDNA microarray experiments. Stat Sin 2002, 12(1):111–139.
Bioconductor[http://www.bioconductor.org]