芯片数据预处理方法-

《芯片数据预处理方法-》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基因芯片数据预处理分类4个技术环节基因芯片（genechip），又称DNA微阵列（microarray），是由大量DNA或寡核苷酸探针密集排列所形成的探针阵列，其工作的基本原理是通过碱基互补配对检测生物信息。实验要求：单通道——一张芯片检验一种状态；双通道——差异表达基因的筛选储存的生物信息：寡核苷酸芯片（常为单通道）、cDNA芯片（常为双通道）基因芯片制备样品制备mRNA提取等杂交反应信号检测与分析基因芯片的实验流程（双通道）单通道/双通道基因芯片实例杂交完成后，要对基因芯片进行“读片”，即应用激光共聚焦荧光扫描显微镜，对基因芯片表面的每个位点进行检测。基因芯片数据分析：对从基因芯

2、片高密度杂交点阵图中提取的杂交点荧光信号进行定量分析，通过有效数据筛选和相关基因表达谱聚类，发现基因的表达谱和功能之间的联系。探针荧光值基因表达值？计算机“读片”机理cDNA芯片、载有较长片段的寡核苷酸芯片采用双色荧光系统：目前常用Cy3一dUTP（绿色）标记对照组mRNA，Cy5一dUTP（红色）标记样品组mRNA用不同波长的荧光扫描芯片，将扫描所得每一点荧光信号值自动输入计算机并进行信息处理，给出每个点在不同波长下的荧光强度值及其比值，同时计算机还给出直观的显色图。在样品中呈高表达的基因其杂交点呈红色，相反，在对照组中高表达的基因其杂交点呈绿色，在两组中表达水平相当的显黄色，这些

3、信号就代表了样品中基因的转录表达情况。将样品中的DNA/RNA标上荧光标记，则可以定量检验基因的表达水平。数据预处理分析流程：算法（以cDNA芯片为例）探针水平数据获得（计算机扫描图像）数据预处理：背景处理、数据清洗、提取表达值、标准化、汇总获取基因表达数据：判断差异基因表达聚类和分析1探针水平数据（probe-leveldata）的获得提取生物样品的mRNA并反转录成cDNA，同时用荧光素或同位素标记。在液相中与基因芯片上的探针杂交，经洗膜后用图像扫描仪捕获芯片上的荧光或同位素信号，由此获得的图像就是基因芯片的原始数据（rawdata），也叫探针水平数据。获取探针水平的数据是芯片数

4、据处理的第一步，然后需要对其进行预处理（pre-processing），以获得基因表达数据（geneexpressiondata）。基因表达数据是芯片数据处理的基础。基因芯片探针水平数据处理的R软件包有affy,affyPLM,affycomp,gcrma等。2预处理2.1背景（background）处理背景处理即过滤芯片杂交信号中属于非特异性的背景噪音部分。一般以图像处理软件对芯片划格后，每个杂交点周围区域各像素吸光度的平均值作为背景，但此法存在芯片不同区域背景扣减不均匀的缺点。也可利用芯片最低信号强度的点（代表非特异性的样本与探针结合值）或综合整个芯片非杂交点背景所得的平均吸光值

5、做为背景。背景处理之后，我们可以将芯片数据放入一个矩阵中：其中，各字母的意义如下：N：条件数；G：基因数目（一般情况下，G>>N）；行向量mi=(mi1,mi2,…,miN)表示基因i在N个条件下的表达水平（这里指绝对表达水平，亦即荧光强度值）；列向量mj=(m1j,m2j,…,mGj)表示在第j个条件下各基因的表达水平（即一张芯片的数据）；元素mij表示第基因i在第j个条件下（绝对）基因表达数据。m可以是R（红色，Cy5，代表样品组）。也可以是G（绿色，Cy3,代表对照组）。2.2数据清洗（datacleaning）经过背景校正后的芯片数据中可能会产生负值，还有一些单个异常大（或小

6、）的峰（谷）信号（随机噪声）。对于负值和噪声信号，通常的处理方法就是将其去除，常见数据经验型舍弃方法有：标准值或奇异值舍弃法；变异系数法；前景值＜200；前景值-平均数/前景值-中位数＜80%等等。然而，数据的缺失对后续的统计分析（尤其是层式聚类和主成分分析）有致命的影响。Affy公司的芯片分析系统会直接将负值修正为一个固定值。对数据的删除，通常是删去所在的列向量或行向量。一个比较常用的做法是，事先定义个阈值M。若行（列）向量中的缺失数据量达到阈值M，则删去该向量。若未达到M，有两种方法处理，一是以0或者用基因表达谱中的平均值或中值代替，另一个是分析基因表达谱的模式，从中得到相邻数据

7、点之间的关系，据此利用相邻数据点估算得到缺失值（类似于插值）。填补缺失值（k临近法）：利用与待补缺基因距离最近的k个临近基因的表达值来预测待填补基因的表达值。根据邻居基因在样本中的加权平均估计缺失值。2.3提取表达值由于芯片数据的小样本和大变量的特点，导致数据分布呈偏态、标准差大。对数转换能使上调、下调的基因连续分布在0的周围，更加符合正态分布，同时对数转换使荧光信号强度的标准差减少，利于进一步的数据分析。cDNA芯片：对双通道数据使用Cy5（红）和Cys