【基因芯片】差异表达分析的基本原理与方法

【基因芯片】差异表达分析的基本原理与方法

原文链接 https://mp.weixin.qq.com/s?__biz=Mzg4MDc2MzUwMg==&mid=2247483703&idx=1&sn=61c9d3ec29d027fe17a5098b30611342&chksm=cf717636f806ff205425bd30fba444758c8b2a3e56bdcf733b9706007612420ea9a35b39e1c0#rd
微信公众号，生信Cat

引言

生物芯片产生于1991年，其前身是分子点阵杂交技术。芯片数据在前十年使用较为广泛，但自从RNA-seq技术出现后便迅速没落，鲜有使用。不过目前GEO数据库中仍有大量的芯片数据可供挖掘，因此今天来讨论一下芯片数据的数据预处理和差异分析的基本原理。

01

—

基因表达的测定原理----杂交测序

杂交测序是指：提取样本总mRNA后，通过反转录过程获得标记荧光的核酸序列，然后与探针进行杂交反应后，再将未互补结合的片段洗去。对基片进行激光共聚焦扫描，测定芯片上各点的荧光强度来推算样品中各种基因的表达量。

最常见的两种技术分别为cDNA芯片和Affymetrix公司的寡核苷酸芯片。前者探针是cDNA，后者则是寡核苷酸。

02

—

数据预处理（pre-procession）

基因芯片的数据预处理主要包括数据提取，数据过滤，补缺失值，对数转化，标准化处理、

1，数据提取

主要目的是将高通量的荧光信号转化成基因表达数据，形成原始表达矩阵，包括探针ID，样本中每个基因对应的表达水平（荧光强度）。该矩阵可以用于后续分析。

2，数据过滤

基因芯片数据有很高的背景噪音及假阳性，数据过滤便是用于应对背景噪音的处理步骤，一般是去除表达量很小、负值或明显的噪音数据。通常是删除或赋予统一数值。

3，补缺失值

缺失值主要有两种类型，一种是随机缺失，即表达矩阵中的数据缺失与基因表达值的高低无关，是由其他因素造成的，如污染，杂交失败等，数据补缺适合这类情况。另一种是<