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(biāo)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(chǔ)知識來揭示基因組表達(dá)數(shù)據(jù)的一種方法基因探針富集分析：通過基礎(chǔ)知識來揭示基因組表達(dá)數(shù)據(jù)的一種方法盡管通過RNA表達(dá)分析基因組在生物醫(yī)學(xué)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(xué)的重大發(fā)現(xiàn)（insight）現(xiàn)在仍然是一個(gè)大問題（2005）

2、。在這里，我們將講述一個(gè)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(dá)的數(shù)據(jù)關(guān)系。這個(gè)分析軟件是源于一個(gè)強(qiáng)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(diǎn)。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(dú)分析兩個(gè)獨(dú)立研究組的肺癌病人基因組時(shí)，能發(fā)現(xiàn)不同基因組的細(xì)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(xué)意義的探針集，并在很多免費(fèi)的軟件包中可用了。ByEricS.LerAugust22005當(dāng)今通過DNA微陣列分析基因表達(dá)已成為基因研究的主流。獲得基因表達(dá)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(dá)）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(gè)典型實(shí)驗(yàn)中，mRNA的表達(dá)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(gè)大類，對于癌癥基因來說相對（其他生物意義（如疾?。┑拿舾?。根據(jù)這

4、些基因的不同表達(dá)值可以排成一個(gè)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(gè)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?yàn)槟荏w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(shè)實(shí)驗(yàn)后，沒有任何單獨(dú)基因顯示出有統(tǒng)計(jì)學(xué)意義的臨界值，這是因?yàn)橄嚓P(guān)的生物學(xué)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(jì)算富集積分（EnrichmentSce，E

5、S）我們計(jì)算出一個(gè)富集積分值（ES），其為S的基因超表達(dá)在整個(gè)L序列的頭部和尾部的多少。積分值的計(jì)算是從L序列的頭部開始往尾部走，每當(dāng)遇到一個(gè)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(shí)候開始計(jì)算直到最大值誤差值；而且它還與KStest統(tǒng)計(jì)加權(quán)值有關(guān)。步驟2：估計(jì)ES的顯著程度我們估計(jì)統(tǒng)計(jì)學(xué)上有意義部分的ES值（名義上的P值），是通過一個(gè)經(jīng)驗(yàn)基礎(chǔ)表型方法——置換檢驗(yàn)，保存基因表達(dá)數(shù)據(jù)的

6、結(jié)構(gòu)的復(fù)雜相關(guān)系數(shù)。明確地，我們置換不同表型標(biāo)簽下的數(shù)據(jù)，并且再一次計(jì)算ES值，使之形成一個(gè)新的ES分布（假分布）。從經(jīng)驗(yàn)上說，交換之后，ES的P值相對于新的ES值（統(tǒng)計(jì)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(xué)意義的。步驟3：多重假設(shè)檢驗(yàn)的調(diào)整當(dāng)評估了所有基因探針數(shù)據(jù)之后，我們會用多重假設(shè)檢驗(yàn)來評價(jià)它們的顯著性。我們首先把每一個(gè)探針的ES值做根據(jù)探針多少的一個(gè)標(biāo)準(zhǔn)化，生成一個(gè)標(biāo)準(zhǔn)化富集積分值（NES）。之后我們計(jì)算

7、出假陽性發(fā)現(xiàn)率（FDR），并以此劃出假陽性部分對應(yīng)每一個(gè)NES值。FDR是評估一個(gè)NES表達(dá)值中所發(fā)現(xiàn)的假陽性可能性大??；它是由NES的觀測值和零分布時(shí)比較得出的。以上幾步的實(shí)行細(xì)節(jié)在附錄附錄里面有更詳細(xì)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(jì)表達(dá)值總和的時(shí)候，我們用的是平均權(quán)重的方法，這樣探針會被認(rèn)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(xué)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(yùn)用了一個(gè)不同以往的交換方法，叫做FWER，來糾正多重假設(shè)檢驗(yàn)。FWER是一種保守的修改方法，所以會保證沒有一個(gè)假陽性的基因探針值。但是這種標(biāo)準(zhǔn)實(shí)在太過保守以至于很多程序產(chǎn)生了沒有顯著的統(tǒng)計(jì)結(jié)果。因?yàn)槲覀兊某踔允钱a(chǎn)生一個(gè)假設(shè)能夠成立（譯者注：霸王硬上