基因探針富集分析(gsea)

1、基因探針富集分析（GSEA）翻譯心得（例子部分除外）2011010416:24:44|分類：【主】微陣列|標簽：探針基因gsea富集表型|字號訂閱作者：為為作者：為為基因探針富集分析：通過基礎知識來揭示基因組表達數(shù)據(jù)的一種方法基因探針富集分析：通過基礎知識來揭示基因組表達數(shù)據(jù)的一種方法盡管通過RNA表達分析基因組在生物醫(yī)學研究中已經(jīng)成為一種直接途徑，但從這些信息中能顯示出生物學的重大發(fā)現(xiàn)（insight）現(xiàn)在仍然是一個大問題（2005）

2、。在這里，我們將講述一個給力的分析軟件（GSEA：GeneSetEnrichmentAnalysis基因探針富集分析）是如何揭示基因芯片所表達的數(shù)據(jù)關(guān)系。這個分析軟件是源于一個強力的聚集基因理論——有很多基因成組具有共同的生理功能，或染色體位置，或調(diào)節(jié)位點。我們將討論GSEA如何在癌癥晚期（包括白血病和肺癌）的基因探針集大顯身手。尤其是在單獨分析兩個獨立研究組的肺癌病人基因組時，能發(fā)現(xiàn)不同基因組的細微類似之處的能力。GSEA的初始數(shù)據(jù)包

3、已經(jīng)含有了1325有生物學意義的探針集，并在很多免費的軟件包中可用了。ByEricS.LerAugust22005當今通過DNA微陣列分析基因表達已成為基因研究的主流。獲得基因表達數(shù)據(jù)已不再是困難與挑戰(zhàn)，但是從獲得的數(shù)據(jù)（基因表達）中揭示出生物的意義的原理和方法才是研究的終極目的。在一個典型實驗中，mRNA的表達文件（無數(shù)基因）大部分（既是概率也是數(shù)量）都會被分為一到兩個大類，對于癌癥基因來說相對（其他生物意義（如疾病））的敏感。根據(jù)這

4、些基因的不同表達值可以排成一個序列（按大小順序），暫且成為L?，F(xiàn)在的最大問題就是找出其中的意義所在。一個普遍的方法是把注意力放在L的頂部和底部的少數(shù)基因上（因為能體現(xiàn)最大的差別），來辨別其中的跡象以揭示生物意義的線索。但這種一般方法有很多主要的限制。（i）在校正多重假設實驗后，沒有任何單獨基因顯示出有統(tǒng)計學意義的臨界值，這是因為相關(guān)的生物學意義誤差值被微陣列技術(shù)處理中的相關(guān)噪聲掩蓋了。步驟1：計算富集積分（EnrichmentSce，E

5、S）我們計算出一個富集積分值（ES），其為S的基因超表達在整個L序列的頭部和尾部的多少。積分值的計算是從L序列的頭部開始往尾部走，每當遇到一個基因是在S上就加分，沒有則減分。加分的分值大小根據(jù)基因表型相關(guān)系數(shù)大小。富集分值是從沒有遇到的時候開始計算直到最大值誤差值；而且它還與KStest統(tǒng)計加權(quán)值有關(guān)。步驟2：估計ES的顯著程度我們估計統(tǒng)計學上有意義部分的ES值（名義上的P值），是通過一個經(jīng)驗基礎表型方法——置換檢驗，保存基因表達數(shù)據(jù)的

6、結(jié)構(gòu)的復雜相關(guān)系數(shù)。明確地，我們置換不同表型標簽下的數(shù)據(jù)，并且再一次計算ES值，使之形成一個新的ES分布（假分布）。從經(jīng)驗上說，交換之后，ES的P值相對于新的ES值（統(tǒng)計分布）來說若是顯著的變化，則有理由說明此基因集是有一定的生物學意義的。步驟3：多重假設檢驗的調(diào)整當評估了所有基因探針數(shù)據(jù)之后，我們會用多重假設檢驗來評價它們的顯著性。我們首先把每一個探針的ES值做根據(jù)探針多少的一個標準化，生成一個標準化富集積分值（NES）。之后我們計算

7、出假陽性發(fā)現(xiàn)率（FDR），并以此劃出假陽性部分對應每一個NES值。FDR是評估一個NES表達值中所發(fā)現(xiàn)的假陽性可能性大小；它是由NES的觀測值和零分布時比較得出的。以上幾步的實行細節(jié)在附錄附錄里面有更詳細的說明。（在相關(guān)出刊物和PNAS網(wǎng)頁上也有支持文件。）我們注意到GSEA方法中很重要的幾步跟初始版本很不一樣了。在原始版本中，統(tǒng)計表達值總和的時候，我們用的是平均權(quán)重的方法，這樣探針會被認為富集在列表中間，則使高分段集中在列表中部。這樣

8、子的探針分布不能代表出跟表型相關(guān)的生物學意義。所以我們改變權(quán)重加權(quán)方式為與表型的相關(guān)性。這樣就會發(fā)現(xiàn)，ES值會偏差于一兩種表型上了。因此我們評估顯著性以此來分離陽性與陰性功能基因集。我們初始運用了一個不同以往的交換方法，叫做FWER，來糾正多重假設檢驗。FWER是一種保守的修改方法，所以會保證沒有一個假陽性的基因探針值。但是這種標準實在太過保守以至于很多程序產(chǎn)生了沒有顯著的統(tǒng)計結(jié)果。因為我們的初衷是產(chǎn)生一個假設能夠成立（譯者注：霸王硬上