3、高通量生物数据的系统解读

高通量生物数据的系统解读

1. 引言

MATLAB 已从基于命令行的“矩阵实验室”发展成为功能齐全的编程环境。但它真的适合用于实现大型软件包吗？如果要在服务器上运行，且首选 Unix 作为服务器操作系统，情况又如何呢？要是有更多与问题相关的统计方法在 R 语言中可用，又该怎么办？

“多条件杂交处理系统”（M - CHiPS）的例子为这些问题提供了肯定的答案。该系统目前包含超过 13,000 次杂交、孵育、凝胶电泳、运行等数据，涵盖了所有常见的微阵列转录组学平台，还有基因组芯片数据、基于芯片的甲基化数据、二维差异凝胶电泳（2D - DIGE）凝胶数据、抗体阵列（单通道和双通道）以及 TMT 6 - 重质谱/质谱（MS/MS）数据。除了肿瘤活检数据，它还包含了如布氏锥虫、白色念珠菌和烟曲霉等模式生物的数据，目前共有 11 种生物的数据。

M - CHiPS 不仅集成了来自不同技术平台的异质数据，还记录了与实验相关的协议信息、样本生物学和临床数据。所有这些数据都以统计上可访问的格式获取和存储，并集成到探索性数据分析中，从而将基因表达模式与生物和/或临床数据相关联并进行解释。

2. 高通量生物数据

生物信息学是一个相对较新的领域。它始于对积累的序列数据进行解读的需求，因此基因和/或蛋白质序列分析可被称为“经典”生物信息学。如今，序列分析只是众多生物信息学子领域之一。

“组学”数据可以在一次测量中记录生物体许多甚至所有基因的状态。基因的状态可以在不同的调控水平上进行测量，对应于基因表达中涉及的不同过程。例如，基因组学涉及所有基因的丰度和序列，表观基因组学数据记录基因的甲基化程度，转录组学数据反映转录本水平，蛋白质组学数据记录蛋