微陣列數(shù)據(jù)基因集統(tǒng)計(jì)分析方法研究及醫(yī)學(xué)應(yīng)用.pdf

1、微陣列技術(shù)是生物技術(shù)變革的核心，允許研究者同時(shí)監(jiān)測(cè)成千上萬(wàn)個(gè)基因的表達(dá)水平，已廣泛應(yīng)用于醫(yī)學(xué)研究。如何挖掘海量基因表達(dá)信息中的有用信息，并進(jìn)行生物學(xué)專業(yè)解釋是基因表達(dá)譜數(shù)據(jù)分析領(lǐng)域所面臨的一個(gè)重要挑戰(zhàn)。目前，針對(duì)海量基因表達(dá)數(shù)據(jù)不同學(xué)者和研究機(jī)構(gòu)提供了各種統(tǒng)計(jì)分析方法和工具。本研究將這些方法大致劃分為兩大類：?jiǎn)位蚍治觯⊿ingle GeneAnalysis，SGA）、基因集分析（GeneSet Analysis，GSA）。其目的都是為

2、了能篩選出有差異表達(dá)的基因，以得到疾病的控制和預(yù)測(cè)。單基因分析不能有效地解釋生物學(xué)特性，且沒(méi)有考慮基因間的相關(guān)性，因此結(jié)論非常有限。自2003年Mootha等提出基因富集分析方法以來(lái)，微陣列數(shù)據(jù)基因集分析引起了統(tǒng)計(jì)學(xué)者與生物信息學(xué)者的廣泛關(guān)注。然而，由于基因表達(dá)譜數(shù)據(jù)本身特有的多維、樣本量小以及基因間復(fù)雜的相關(guān)性等特點(diǎn)，至今沒(méi)有一套成熟的理論和公認(rèn)有效的篩選差異表達(dá)基因集的方法。本碩士課題結(jié)合實(shí)際微陣列數(shù)據(jù)、利用計(jì)算機(jī)技術(shù)和蒙特卡羅模擬

3、研究微陣列數(shù)據(jù)基因集的統(tǒng)計(jì)分析理論方法及其應(yīng)用，主要內(nèi)容包括基因集分析方法原假設(shè)的合理性、Ⅰ型錯(cuò)誤的控制、篩選差異表達(dá)基因集（Different Expression Geneset，DEGs）的有效性等等。目前作了以下工作：
　　1．簡(jiǎn)要介紹微陣列實(shí)驗(yàn)基本概念、基因集注釋數(shù)據(jù)庫(kù)和單基因分析方法。在此基礎(chǔ)上廣泛復(fù)習(xí)和評(píng)價(jià)國(guó)內(nèi)外有關(guān)微陣列數(shù)據(jù)的基因集分析方法。按照基因集的定義、統(tǒng)計(jì)原假設(shè)框架與統(tǒng)計(jì)量理論分布的生成回顧和綜述了基因表達(dá)

4、譜富集分析方法。
　　2．基因集分析原假設(shè)包括競(jìng)爭(zhēng)性原假設(shè)（Q1）、自限性原假設(shè)（Q2）和混合型原假設(shè)（Q3）。更多的研究團(tuán)體認(rèn)為自限性原假設(shè)方法要好于基于競(jìng)爭(zhēng)性原假設(shè)進(jìn)行的統(tǒng)計(jì)推斷，但究竟哪種原假設(shè)更合理目前尚無(wú)定論。為了探討此問(wèn)題，本研究通過(guò)模擬實(shí)驗(yàn)進(jìn)行比較研究。結(jié)果表明，自限性原假設(shè)方法檢驗(yàn)效能較高，能識(shí)別出較多的差異表達(dá)基因集，但錯(cuò)誤發(fā)現(xiàn)率較高；而競(jìng)爭(zhēng)性原假設(shè)方法則是通過(guò)削弱其檢驗(yàn)效能來(lái)達(dá)到較高的準(zhǔn)確性；混合型原假設(shè)方法識(shí)

5、別出的差異表達(dá)基因數(shù)及檢驗(yàn)效能位于中間。我們建議進(jìn)行微陣列數(shù)據(jù)分析時(shí)，如果條件允許可以采用不同原假設(shè)方法分析，否則采用混合型原假設(shè)，因?yàn)樗朔薗1、Q2方法的主要缺陷。
　　3．由于基因集統(tǒng)計(jì)量的概率密度函數(shù)未知，故一般采用重排列或有放回抽樣方法得到其理論分布。通常會(huì)認(rèn)為重排列效果優(yōu)于反復(fù)抽樣，但是我們通過(guò)模擬實(shí)驗(yàn)發(fā)現(xiàn)兩種效果基本一致，ROC曲線分析結(jié)果顯示有放回抽樣方法得到的曲線下面積稍大于重排列方法，說(shuō)明同等條件下自助法抽樣

6、略優(yōu)于樣本重排列。
　　4．假定基因間相互獨(dú)立的前提下，借助SAS9.13模擬產(chǎn)生數(shù)據(jù)集，比較不同基因集方法篩選差異表達(dá)基因集的有效性。結(jié)果顯示Efron’sGSA方法的特異度及靈敏度均高于其它方法，而SAFE、Globaltest方法的檢驗(yàn)效能僅次于Efron’sGSA方法。
　　5．由于基因間往往存在復(fù)雜的相關(guān)性，在模擬數(shù)據(jù)中納入這種相關(guān)關(guān)系。模擬實(shí)驗(yàn)分析結(jié)果發(fā)現(xiàn)Efron’sGSA對(duì)此類數(shù)據(jù)完全失去判別能力，幾乎不能識(shí)

7、別任何差異表達(dá)基因集。而PCOT2、Globaltest方法的效果卻非常顯著，能很好地識(shí)別模擬數(shù)據(jù)設(shè)定的差異表達(dá)基因集。
　　6．采用不同基因集方法對(duì)兩個(gè)著名的微陣列實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)例分析比較。結(jié)論進(jìn)一步證實(shí)考慮了基因間相關(guān)性基因集方法PCOT2、Globaltest優(yōu)于其他方法。而Globaltest方法能識(shí)別更多差異表達(dá)基因集，且模擬設(shè)定條件下錯(cuò)誤發(fā)現(xiàn)率比PCOT2低19％。綜合模擬及實(shí)例數(shù)據(jù)分析結(jié)果，我們更傾向于主張采用模型分

8、析法，如Globaltest方法（構(gòu)建logistic隨機(jī)效應(yīng)模型）進(jìn)行基因集的分析。
　　本課題的創(chuàng)新點(diǎn)主要包括以下幾點(diǎn)：①針對(duì)不同原假設(shè)、理論分布生成方法對(duì)基因集分析結(jié)果的影響做了模擬比較研究。②將基因間相關(guān)性從不同角度納入模擬實(shí)驗(yàn)數(shù)據(jù)，分別模擬每個(gè)基因集內(nèi)部相關(guān)性，并基于此模擬數(shù)據(jù)進(jìn)行基因集方法檢驗(yàn)效能的比較。③模擬實(shí)驗(yàn)結(jié)果顯示基于模型構(gòu)建的基因集方法在數(shù)據(jù)分析時(shí)有效地考慮了基因間的相關(guān)性。④綜合實(shí)例比較后提出Globalt