癌相關高通量組學數(shù)據(jù)的標準化.pdf

1、目前，隨著檢測全基因組的表達、甲基化、拷貝數(shù)等分子改變的高通量技術的發(fā)展，發(fā)現(xiàn)了大量的在癌組織中發(fā)生了表達、甲基化、拷貝數(shù)改變的基因，使得我們能夠更系統(tǒng)地分析癌癥的發(fā)病機理。在分析各種高通量組學數(shù)據(jù)時，一個基本的任務是要預先進行數(shù)據(jù)標準化處理，而各種標準化算法都假設疾病中差異基因的比例很小及差異上、下調的基因數(shù)目大致相等。由于基因可能在復雜疾病中發(fā)生了廣泛而相關的分子改變，這種廣泛采用的不可靠的標準化假設很可能會對篩選差異表達基因等下游

2、分析有重大的影響。因此，本論文全面分析了在主要數(shù)據(jù)庫中收集的關于各種癌型的基因表達、甲基化和拷貝數(shù)等高通量組學數(shù)據(jù)，通過比較在癌癥與正常樣本中這些分子改變的分布差異，評價幾種主要的標準化方法，分析其影響生物學信號的偏倚程度。
　　首先，我們論證了基因在癌組織中廣泛差異表達的特性，而目前在基因表達譜實驗中發(fā)現(xiàn)差異基因的低重復性現(xiàn)象實際上反映了癌相關基因廣泛差異表達的特征。我們以基因表達改變的方向作為測度來分析基因在癌癥樣本相對正常樣

3、本中的特定的上下調表達模式。結果顯示：對于在研究同種癌型的不同表達譜數(shù)據(jù)中識別的差異表達基因的改變方向是高度一致的，即基因在疾病樣本相對正常樣本的表達改變方向比較穩(wěn)定，具有特定的改變方向。然后，我們分析了癌相關高通量數(shù)據(jù)標準化方法的合理性。結果顯示：至少在癌癥研究中，將疾病組與正常組樣本一起標準化使得所有芯片的探針信號強度具有同樣的分布會使得篩選差異表達基因等后續(xù)分析產(chǎn)生嚴重的偏倚。在癌表達譜數(shù)據(jù)中包含大量上調表達的基因，采用這些傳統(tǒng)假

4、設的標準化方法會失查很多癌相關的上調差異表達基因并且產(chǎn)生很多假的下調差異表達基因。同時，我們發(fā)現(xiàn)在關于同一癌型的不同的原始數(shù)據(jù)中篩選出的差異表達基因的改變方向高度一致，提示在原始數(shù)據(jù)中自然存在著有效的生物學信號。因此，發(fā)展新的統(tǒng)計方法提高統(tǒng)計效能去挖掘在原始數(shù)據(jù)中有效生物學信號是可能的。對癌甲基化譜和拷貝數(shù)譜也進行了類似的研究，結果顯示：癌癥與正常樣本中的甲基化譜原始信號值的中值沒有顯著差異，采用標準化數(shù)據(jù)額外找到的差異甲基化基因的改變

5、方向可以在關于同種癌型的獨立數(shù)據(jù)集中顯著一致地呈現(xiàn)，反映它們是有效的生物學信號。所以，可以采用標準化方法處理甲基化譜數(shù)據(jù)，但需要去除在標準化數(shù)據(jù)及非標準化數(shù)據(jù)中甲基化改變方向不一致的基因。在癌拷貝數(shù)譜數(shù)據(jù)中，我們發(fā)現(xiàn)了與癌表達譜類似的現(xiàn)象，即在癌拷貝數(shù)譜中存在大量的拷貝數(shù)擴增基因，提示在原始數(shù)據(jù)中提取癌相關生物學信號可能更為合理。最后，我們還分析了cDNA芯片數(shù)據(jù)的一個重要的預處理問題，即對應同一條Unigene的多個探針的檢測值之間的

6、相關性問題。結果顯示：探針注釋數(shù)據(jù)更新后，重復檢測探針值之間的高相關比例顯著提高，而大部分負相關的重復探針檢測值沒有通過差異表達篩選，說明盡管存在探針檢測技術變異等因素，通過篩選差異表達基因還是能夠相當可靠地捕捉與癌相關的生物學信號。因此，基于差異表達基因的后續(xù)分析（尤其是篩選富集差異基因的功能模塊）可以得到可靠的生物學結論。
　　本文系統(tǒng)地分析了在癌組織中基因表達、甲基化和拷貝數(shù)改變的系統(tǒng)性特征，并據(jù)此論證了目前通常采用的數(shù)據(jù)標