基于R語言的DNA微陣列數(shù)據(jù)分析與挖掘平臺的構(gòu)建.pdf

1、DNA微陣列（即基因芯片）是誕生于上世紀(jì)末的一項偉大技術(shù)，它是迄今為止最重要的基因表達(dá)調(diào)控研究技術(shù)之一。面對公共數(shù)據(jù)庫中與日俱增的基因芯片表達(dá)譜數(shù)據(jù)，如何高效地從海量的數(shù)據(jù)中提取和發(fā)掘有用的生物學(xué)知識便成為當(dāng)前生物學(xué)家遇到的最大挑戰(zhàn)。雖然已有多種用于基因芯片數(shù)據(jù)分析的軟件，但大多數(shù)軟件的分析模塊化，定制性較差，不適合二次開發(fā)，對新算法的兼容和容納能力也很有限，不能滿足深層數(shù)據(jù)挖掘的需要。
　　為了深入分析和挖掘蘊(yùn)藏在基因芯片數(shù)據(jù)中

2、的重要信息，本研究基于開源的R語言編程平臺，以Bioconductor為生物計算環(huán)境，利用多種軟件包在本地服務(wù)器上構(gòu)建了一個用于的基因芯片數(shù)據(jù)分析和挖掘系統(tǒng)。并采集公共數(shù)據(jù)庫中已發(fā)表的Affymetrix寡核苷酸微陣列原始數(shù)據(jù)GSE470，對構(gòu)建的芯片數(shù)據(jù)分析系統(tǒng)進(jìn)行了包括基因芯片數(shù)據(jù)的獲取、預(yù)處理、質(zhì)量檢測、差異表達(dá)基因的篩選、GO注釋、聚類分析、pathway分析、基因表達(dá)調(diào)控網(wǎng)絡(luò)和分子互作網(wǎng)絡(luò)的分析與可視化等多項實(shí)際測試。

3、　　GSE470芯片數(shù)據(jù)組的測試結(jié)果發(fā)現(xiàn)，哮喘患者與正常人體存在PIP、MMP1、PDPN等33個差異表達(dá)的基因，兩者間最大的信號通路差異在于氧化磷酸化途徑發(fā)生了變化；同時預(yù)測出了以該組差異表達(dá)基因?yàn)殛P(guān)鍵節(jié)點(diǎn)的哮喘相關(guān)基因表達(dá)調(diào)控與互作網(wǎng)絡(luò)，發(fā)現(xiàn)MMP1、S100a7、DBC1與RPA2等多個關(guān)鍵性的調(diào)節(jié)點(diǎn)。以上通過該平臺取得的預(yù)測結(jié)果與哮喘研究領(lǐng)域已經(jīng)公開發(fā)表的結(jié)論一致，并不斷被新的文獻(xiàn)所證實(shí)。
　　此外，應(yīng)用構(gòu)建好的數(shù)據(jù)分析平

4、臺對GSE470、GSE13396和GSE41649三組數(shù)據(jù)進(jìn)行通路綜合分析，顯示有多條通路在哮喘病人體內(nèi)發(fā)生了顯著改變，提示這些信號通路的研究可能為哮喘的分子機(jī)理研究提供佐證。
　　上述的結(jié)果表明，構(gòu)建于本地windows平臺下的芯片數(shù)據(jù)分析系統(tǒng)可快速、高效、精準(zhǔn)地處理和分析以 Affymetrix寡核苷酸微陣列為代表的基因芯片數(shù)據(jù)，最大限度地挖掘大量基因芯片數(shù)據(jù)背后所隱藏的豐富的生物學(xué)知識，加深科研人員對疾病的分子機(jī)理等生物學(xué)