基因表达数据分析实验指导

《基因表达数据分析实验指导》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基因表达数据分析实验指导1. 实验基本情况2. 实验方法：2.1 表达谱数据的下载2.2 将表达谱数据导入matlab软件2.3 补缺失值2.4 数据标准化2.5 差异表达基因筛选2.6 选择差异表达的基因2.7对差异表达基因送入功能注释附 --Matlab的MicroarrayDataAnalysis 1. 实验基本情况实验目的：掌握和了解常用的基因表达分析过程，包括数据下载、数据预处理、差异表达分析和基因功能注释。了解GEO、SMD、Matlab软件和WebGestalt数据库的使用。实验方法：详见下面的描述。实验作业：每位同学从GEO

2、或SMD数据库上下载一套表达谱数据，进行数据预处理，差异表达基因分析或聚类分析等数据分析过程（依据具体问题操作，arraytool或matlab或其他软件均可），基因功能注释（WebGestalt、GO、KEGG等数据库）。实验实例分析=====================================================================2. 实验方法：2.1 表达谱数据的下载2.1.1 从GEO数据库上下载表达谱数据1) 网址及数据库概述GEO主页：http://www.ncbi.nlm.nih.gov/

3、geo/GEO数据库中包含四种类型的条目，分别以GPLXXXX（检测平台），GSMXXXX（生物样本），GSEXXXX（基因表达系列），GDSXXXX（基因表达数据集）表示。其中GPLXXXX有SAGE、MPSS、单色芯片（Affymetrix）、双色芯片（spotcDNA/DNA）几种；GSEXXXX与GDSXXXX的区别在于：GSE是实验者一次一起提交的数据集，包含原始的数据文件，而GDS是GEO数据库的维护者根据样本和实验平台的特性进行整理的，与原有的GSE数据可能有样本量上的差异；一般GDS都有对应的GSE数据；GDS不包含单独的原

4、始数据，如果想获得其原始数据，需要链接到他的GSE网页上下载；GDS样本间的可比性更强，如果有GDS就先分析GDS。2）数据下载GEO可提供两种数据的下载，一种是整理好的soft格式数据，是一个数据矩阵，包含多个基因在多个条件下的表达值，如GDS2220.soft；另一种是单独的数据文件，每张芯片一个数据表格，如GSE3519_family.xml文件夹里的文件，就是对应GDS2220这次实验的原始数据。另外还有一个GDS2220.annot数据是提供基因描述的。具体的下载方式如下：在GEO主页上（图1），可以通过浏览（browse）或qu

5、ery中输入疾病名字，如风湿性关节炎（rheumatoid arthritis）在Datasets后，点击go进行搜索，结果如图2。图1.GEO的主页图2.GEO的搜索结果之后点击你感兴趣的GDS集合，如GDS2220，就进入每套数据的页面了（图3）。图3.GDS2220数据的浏览界面在图3中，点击下拉菜单中的DataSet SOFTfile，就能下载GDS2220.soft文件；点击AnnotationSOFTfile就可以下载GDS2220.annot文件；点击seriers family miniml file就可以下载GSE3519

6、_family.xml文件夹,但这个速度较慢，这里有个小窍门，大家可以在迅雷中新建一个下载任务，粘贴地址： ftp://ftp.ncbi.nih.gov/pub/geo/DATA/MINiML/by_series/GSE139/GSE139_family.xml.tgz ，这里GSE139是可以替换的，比如要下载GDS2220配套的数据，就直接把两个GSE139都替换成GSE3519就可以直接下载了；点击seriesfamilysoftfile下载的文件与GDS2220.soft类似，只是样本是GSE3519的数据，可能和GDS2220的样

7、本不同，这里是相同的。也可以通过以下方式寻找特殊平台的数据。3) 文件描述（a）GDS22.soft该文件从上到下分为三个部分：第一部分，数据集合基本描述，文字形式，以！或#开头；第二部分，表格的表头，如“ID_REF                  IDENTIFIER      GSM80309         GSM80310         GSM80311         GSM80312         GSM80313         GSM80314         GSM80315        GSM80316    

8、     GSM80317”，以tab键分割，表示下面的数据部分每一列的含义；第三部分，数据，如GDS2220.soft中第一列为每一个基因的编号，第二列是基因名字，第三列是GS