【生信分析】微阵列基因芯片数据分析的一般流程

曾经终败给现在 2022-09-17 04:22 378阅读 0赞

### Microarray data analysis的一般流程 ###

*  微阵列基因芯片数据
 *  微阵列数据分析中常见的分析领域
 *  微阵列数据分析的一般流程及主要内容

# 微阵列基因芯片数据 #

**基因芯片**，又叫做DNA微阵列基因芯片，为后基因组学提供了一种高通量和系统性的研究手段。它借用了计算机芯片的集成化特点，运用微缩技术，在一块数平方公分面积的特殊玻璃片或硅芯片布放数千或数万个核酸探针，形成微型的检测器件，将待检测样本标记后同芯片进行杂交，检体中的DNA、cDNA或RNA与探针结合后，借由荧光或电流等方式侦测，即可提供大量基因序列信息。研究人员应用基因芯片可以在同一时间定量分析大量（成千上万）的基因表达，具有快速、精确、低成本的检验能力，是基因组学和遗传学研究常用的工具。  
![基因芯片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]  
微阵列芯片的主要优势在于它可以同时大规模，全面地检测成千上万个基因的表达。 例如，通过基因微阵列，可以在短时间内发现可能受疾病影响的基因，并且作为早期诊断的生物标记。

其原理是将**两条DNA链之间杂交，互补的核苷酸碱基之间配对形成氢键**。  
![基因芯片原理][016a9de3642140d3b4eac42fb0108e37.png]

**微阵列数据分析**是用于高通量基因分型和表达分析的序列分析方法。 微阵列可以生成高质量的数据，并使学术和研究机构能够快速完成大规模的PoP研究，从而可以更好地满足研究项目的持续发展要求。 由于微阵列分析可以一次处理大规模样品，并且较短的分析周期使研究人员可以快速进行数据分析，从而缩短了项目的完成时间，以及快速发表相关文章。 目前，市场上常见的商用微阵列平台包括**Affymetrix**，**Illumina**和**Nimblegen**等。

# 微阵列数据分析中常见的分析领域 #

*  基因表达谱分析。
 *  miRNA分析。
 *  比较基因组杂交（CGH，CGH + SNP）。
 *  目标标记，杂交，信号检测和数据分析（CGH）。
 *  DNA甲基化分析。
 *  自定义SNP分析。
 *  用于NGS数据验证的定制微阵列。  
    ![常见绘图][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_18_color_FFFFFF_t_70_g_se_x_16]

# 微阵列数据分析的一般流程及主要内容 #

1.  一般流程如下：  
    ![微阵列数据分析的一般流程][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]
2.  微阵列数据分析的主要内容：  
    微阵列数据分析包括质量控制，差异表达，富集峰检测，甲基化区域，插入缺失和SNP调用，可帮助研究人员从其微阵列数据中得出有意义的结论。

*  **数据预处理**：数据预处理数据**质量控制**和数据标准化，数据统计。
 *  基因**表达分析**：差异基因表达分析，通过方差分析和倍数变化确定差异基因表达，绘制火山图，基因表达热图。
 *  **聚类分析**：K-means聚类分析，层次聚类分析。
 *  基因**功能分析**：差异表达基因的GO富集分析，差异表达基因的KEGG途径富集分析。
 *  MetaCorenetwork分析。

--------------------

补充：**KEGG数据库**  
KEGG（京都基因和基因组百科全书）数据库是日本京都大学生物信息学中心的Kanehisa实验室于1995年建立了的生物信息学数据库。现在是基因组测序和其他高通量实验技术产生的大规模分子数据集的整合和解释的重要生物信息数据参考知识库。KEGG是一个整合了基因组、化学和系统功能信息的数据库。其中最核心的为 **KEGG PATHWAY**和**KEGG ORTHOLOGY** 数据库。而在 KEGG PATHWAY 数据库中，**将生物代谢通路划分为 6 类**，分别为：

*  细胞过程（Cellular Processes）
 *  环境信息处理（Environmental Information Processing）
 *  遗传信息处理（Genetic Information Processing）
 *  人类疾病（Human Diseases）
 *  新陈代谢（Metabolism）
 *  生物体系统（Organismal Systems）。

KEGG作为参考知识库，可以用于预测各种细胞过程的蛋白质相互作用网络，整合了当前关于分子相互作用网络的知识，如路径和复合物，以及关于基因组计划产生的基因和蛋白质的信息（GENES / SSDB / KO数据库）和有关生化化合物和反应的信息。因此在生物信息学分析过程中，**KEGG通路富集分析常常应用于差异表达基因的功能注释，了解差异表达基因的相关功能与作用通路**。

相关论文：Peng T, et al. KEGG pathway enrichment analysis of differentially expressed genes between S28 and S6\[J\]. PLOS ONE. (2017). https://doi.org/10.1371/journal.pone.0178008.g004

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/ac76a4b25f74479e91cb1fee4d3a7c8d.png
[016a9de3642140d3b4eac42fb0108e37.png]: /images/20220828/6dc7769b064240bdb5ec97cd1cc27328.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_18_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/879848462f3d4b7cacef5cb42ceb61b3.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6ZWw5YiA6Z-t6I-c_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/3ce179cdb8544ff6b86324559ab647ac.png