Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Theo dõi thống kê các điểm yếu để cải thiện chuẩn hóa và ước lượng tỷ lệ trong microarray
Tóm tắt
Nhiều khía cạnh của phân tích dữ liệu microarray phụ thuộc vào việc xác định các gen được biểu thị ở hoặc gần giới hạn phát hiện. Ví dụ, các phương pháp chuẩn hóa dựa trên hồi quy dựa vào giả thuyết rằng hầu hết các gen trong các mẫu so sánh đều được biểu thị ở mức độ tương tự và do đó yêu cầu xác định chính xác các gen không được biểu thị (nhiễu thêm) để chúng có thể được loại trừ khỏi quy trình chuẩn hóa. Hơn nữa, các gen điều hòa quan trọng có thể duy trì kiểm soát nghiêm ngặt một phản ứng nhất định ở mức độ biểu hiện thấp. Nếu các ngưỡng tùy ý được sử dụng để phân biệt các gen được biểu thị với các gen không được biểu thị, một số gen điều hòa quan trọng này có thể bị loại trừ không cần thiết khỏi phân tích. Thật không may, hiện không có phương pháp chính xác nào để phân biệt nhiễu thêm và các gen được biểu thị ở mức thấp. Chúng tôi đã phát triển một quy trình đa bước để phân tích dữ liệu biểu hiện mRNA, qua đó xác định một cách vững chắc nhiễu thêm trong một thí nghiệm microarray. Phân tích này dựa trên thực tế rằng các tín hiệu nhiễu thêm có thể được xác định chính xác bằng cả phân phối và phân tích thống kê. Việc xác định nhiễu thêm theo cách này cho phép loại trừ các tín hiệu yếu không tương quan khỏi chuẩn hóa dựa trên hồi quy của các hồ sơ so sánh, do đó tối đa hóa độ chính xác của các phương pháp này. Hơn nữa, các gen được biểu thị ở mức độ rất thấp có thể được xác định rõ ràng do thực tế rằng phân phối biểu hiện của chúng ổn định và có thể phân biệt được với mô hình ngẫu nhiên của nhiễu thêm.
Từ khóa
#microarray #phân tích dữ liệu #chuẩn hóa #gen điều hòa #hồi quy #nhiễu thêmTài liệu tham khảo
Geiss GK, Bumgarner RE, An MC, Agy MB, van't Wout AB, Hammersmark E, Carter VS, Upchurch D, Mullins JI, Katze MG: Large-scale monitoring of host cell gene expression during HIV-1 infection using cDNA microarrays. Virology 2000, 266: 8–16. 10.1006/viro.1999.0044
Dozmorov I, Saban MR, Gerard NP, Lu B, Nguyen NB, Centola M, Saban R: Neurokinin 1 receptors and neprilysin modulation of mouse bladder generegulation. Physiol Genmics 2003, 12: 239–250.
Kooperberg C, Fazzio TG, Delrow JJ, Tsukiyama T: Improved background correction for spotted DNA microarrays. J Comput Biol 2002, 9: 55–66. 10.1089/10665270252833190
Yang MC, Ruan QG, Yang JJ, Eckenrode S, Wu S, McIndoe RA, She JX: A statistical method for flagging weak spots improves normalization and ratio estimates in microarrays. Physiol Genomics 2001, 7: 45–53.
Chen Y, Kamat V, Dougherty ER, Bittner ML, Meltzer PS, Trent JM: Ratio statistics of gene expression levels and applications to microarray data analysis. Bioinformatics 2002, 18: 1207–15. 10.1093/bioinformatics/18.9.1207
Greller LD, Tobin FL: Detecting selective expression of genes and proteins. Genome Res 1999, 9: 282–296.
Jin W, Riley RM, Wolfinger RD, White KP, Passador-Gurgel G, Gibson G: The contributions of sex, genotype and age to transcriptional variance in Drosophila melanogaster. Nat Geneti 2001, 29: 389–395. 10.1038/ng766
Rocke DM, Durbin BA: A model for measurement error for gene expression arrays. J Comput Biol 2001, 8: 557–569. 10.1089/106652701753307485
Zien A, Aigner T, Zimmer R, Lengauer T: Centralization: a new method for the normalization of gene expression data. Bioinformatics 2001, 17(Suppl 1):S323–31.
Dozmorov IM, Centola M: An associative analysis of gene expression array data. Bioinformatics 2003, 19: 204–11. 10.1093/bioinformatics/19.2.204
Dozmorov I, Bartke A, Miller RA: Array-based expression analysis of mouse liver genes: Effect of age and of the longevity mutant Prop1df. J Gerontol A Biol Sci Med Sci 2001, 56: B72-B80.
Kim JH, Shin DM, Lee YS: Effect of local background intensities in the normalization of cDNA microarray data with a skewed expression profiles. Exp Mol Med 2002, 34: 224–32.
Strimmer K: Modeling gene expression measurement error: a quasi-likelihood approach. BMC Bioinformatics 2003, 4: 10. 10.1186/1471-2105-4-10
Rocke DM, Durbin B: Approximate variance-stabilizing transformations for gene-expression microarray data. Bioinformatics 2003, 19: 966–72. 10.1093/bioinformatics/btg107
Durbin BP, Hardin JS, Hawkins DM, Rocke DM: A variance-stabilizing transformation for gene-expression microarray data. Bioinformatics 2002, 18(Suppl 1):S105–10.
Huber W, Von Heydebreck A, Sultmann H, Poustka A, Vingron M: Variance stabilization applied to microarray data calibration and to the quantification of differential expression. Bioinformatics 2002, 18(Suppl 1):S96–104.