生物信息學(xué)第二基因表達(dá)數(shù)據(jù)分析演示文稿

生物信息學(xué)第二版基因表達(dá)數(shù)據(jù)分析演示文稿本文檔共111頁；當(dāng)前第1頁；編輯于星期二\3點(diǎn)6分第五章

基因表達(dá)數(shù)據(jù)分析蘇州大學(xué)沈百榮首都醫(yī)科大學(xué)李冬果生物信息學(xué)本文檔共111頁；當(dāng)前第2頁；編輯于星期二\3點(diǎn)6分第一節(jié)引言Introduction本文檔共111頁；當(dāng)前第3頁；編輯于星期二\3點(diǎn)6分基因表達(dá)組學(xué)與基因組學(xué)相比較表達(dá)組信息是動(dòng)態(tài)的；表達(dá)組學(xué)的數(shù)據(jù)，更多的是數(shù)值分析；轉(zhuǎn)錄組學(xué)中除了模式識(shí)別外，系統(tǒng)建模也十分重要。本文檔共111頁；當(dāng)前第4頁；編輯于星期二\3點(diǎn)6分真核生物基因表達(dá)的基本方式本文檔共111頁；當(dāng)前第5頁；編輯于星期二\3點(diǎn)6分基因表達(dá)調(diào)控示意圖本文檔共111頁；當(dāng)前第6頁；編輯于星期二\3點(diǎn)6分基因表達(dá)的時(shí)空性本文檔共111頁；當(dāng)前第7頁；編輯于星期二\3點(diǎn)6分基因表達(dá)測定方法RT-qPCR本文檔共111頁；當(dāng)前第8頁；編輯于星期二\3點(diǎn)6分近20年來三種不同高通量基因表達(dá)測定技術(shù)的應(yīng)用趨勢本文檔共111頁；當(dāng)前第9頁；編輯于星期二\3點(diǎn)6分高通量基因表達(dá)測定的應(yīng)用實(shí)例1.測定組織特異性基因表達(dá)2.基因功能分類3.癌癥的分類和預(yù)測4.臨床治療效果預(yù)測5.基因與小分子藥物、疾病之間的關(guān)聯(lián)6.干細(xì)胞的全能型、自我更新和細(xì)胞命運(yùn)決定研究本文檔共111頁；當(dāng)前第10頁；編輯于星期二\3點(diǎn)6分7.動(dòng)植物的發(fā)育研究8.環(huán)境對細(xì)胞基因表達(dá)的作用9.環(huán)境監(jiān)測10.物種的繁育本文檔共111頁；當(dāng)前第11頁；編輯于星期二\3點(diǎn)6分第二節(jié)基因表達(dá)測定平臺(tái)與數(shù)據(jù)庫MicroarrayPlatformandDatabases本文檔共111頁；當(dāng)前第12頁；編輯于星期二\3點(diǎn)6分1.cDNA芯片2.Affymetrix芯片

3.下一代測序技術(shù)技術(shù)如：Roche-454,IlluminaMiSeq，IonTorrentPGM一、基因表達(dá)測定平臺(tái)介紹本文檔共111頁；當(dāng)前第13頁；編輯于星期二\3點(diǎn)6分二、Microarray技術(shù)與RNA-Seq技術(shù)的比較1.RNA-Seq技術(shù)對沒有已知參考基因組信息的非模式生物，也可測定轉(zhuǎn)錄信息；2.RNA-Seq技術(shù)可以測定轉(zhuǎn)錄邊界的精度達(dá)到一個(gè)堿基，RNA-Seq可以用來研究復(fù)雜的轉(zhuǎn)錄關(guān)系；3.RNA-Seq可以同時(shí)測定序列的變異；4.RNA-Seq背景信號(hào)很小，測定的動(dòng)態(tài)范圍很大。本文檔共111頁；當(dāng)前第14頁；編輯于星期二\3點(diǎn)6分RNA-Seq在基因表達(dá)的定量上準(zhǔn)確性很高；RNA-Seq在測定技術(shù)上和生物上重復(fù)性很高；RNA-Seq的測定需要很少的RNA樣本。在應(yīng)用上RNA-Seq技術(shù)對ISOFORM的測定和等位基因的區(qū)分比芯片技術(shù)有很好的優(yōu)勢。本文檔共111頁；當(dāng)前第15頁；編輯于星期二\3點(diǎn)6分三、基因表達(dá)數(shù)據(jù)庫常用基因表達(dá)數(shù)據(jù)庫名稱數(shù)據(jù)庫內(nèi)容GeneExpressionOmnibus（GEO）目前最常用的基因表達(dá)數(shù)據(jù)（NCBI）ExpressionAtlas歐洲生物信息學(xué)中心的基因表達(dá)數(shù)據(jù)庫SMDStanford基因表達(dá)數(shù)據(jù)庫RNA-SeqAtlas正常組織的基因表達(dá)譜數(shù)據(jù)GEPdb基因型、表型和基因表達(dá)關(guān)系GXD老鼠發(fā)育基因表達(dá)信息EMAGE老鼠胚胎的時(shí)空表達(dá)信息AGEMAP老鼠老化的基因表達(dá)數(shù)據(jù)本文檔共111頁；當(dāng)前第16頁；編輯于星期二\3點(diǎn)6分疾病相關(guān)基因表達(dá)數(shù)據(jù)庫數(shù)據(jù)庫名稱數(shù)據(jù)庫內(nèi)容GENT腫瘤組織與正常組織的表達(dá)數(shù)據(jù)ParkDB帕金森病的基因表達(dá)數(shù)據(jù)庫cMAP小分子化合物對人細(xì)胞基因表達(dá)的影響Anticancerdruggeneexpressiondatabase抗癌化合物的基因表達(dá)數(shù)據(jù)CGED癌癥基因表達(dá)數(shù)據(jù)庫（包括臨床信息）本文檔共111頁；當(dāng)前第17頁；編輯于星期二\3點(diǎn)6分第三節(jié)

數(shù)據(jù)預(yù)處理與差異表達(dá)分析

PreprocessingofMicroarrayDataandAnalysisofDifferentiallyExpressionGene本文檔共111頁；當(dāng)前第18頁；編輯于星期二\3點(diǎn)6分一、基因芯片數(shù)據(jù)預(yù)處理（一）基因芯片數(shù)據(jù)的提取cDNA微陣列芯片熒光信號(hào)本文檔共111頁；當(dāng)前第19頁；編輯于星期二\3點(diǎn)6分定性信息提?。篜/A/M（Present/Absent/Marginal）定量信息提?。夯谔结樇瘏R總后的基因水平的熒光信號(hào)強(qiáng)度值原位合成芯片本文檔共111頁；當(dāng)前第20頁；編輯于星期二\3點(diǎn)6分（二）數(shù)據(jù)對數(shù)化轉(zhuǎn)換對芯片數(shù)據(jù)做對數(shù)化轉(zhuǎn)換后，數(shù)據(jù)可近似正態(tài)分布本文檔共111頁；當(dāng)前第21頁；編輯于星期二\3點(diǎn)6分（三）數(shù)據(jù)過濾數(shù)據(jù)過濾的目的是去除表達(dá)水平是負(fù)值或很小的數(shù)據(jù)或者明顯的噪聲數(shù)據(jù)。過閃耀現(xiàn)象物理因素導(dǎo)致的信號(hào)污染雜交效能低點(diǎn)樣問題其他本文檔共111頁；當(dāng)前第22頁；編輯于星期二\3點(diǎn)6分（四）補(bǔ)缺失值1.數(shù)據(jù)缺失類型非隨機(jī)缺失基因表達(dá)豐度過高或過低。隨機(jī)缺失與基因表達(dá)豐度無關(guān)，數(shù)據(jù)補(bǔ)缺主要針對隨機(jī)缺失情況。本文檔共111頁；當(dāng)前第23頁；編輯于星期二\3點(diǎn)6分高表達(dá)基因的數(shù)據(jù)缺失本文檔共111頁；當(dāng)前第24頁；編輯于星期二\3點(diǎn)6分2.數(shù)據(jù)補(bǔ)缺方法（1）簡單補(bǔ)缺法missingvalues=0expressionmissingvalues=1expression（arbitrarysignal）missingvalues=row（gene）averagemissingvalues=column（array）average本文檔共111頁；當(dāng)前第25頁；編輯于星期二\3點(diǎn)6分（2）k近鄰法選擇與具有缺失值基因的k個(gè)鄰居基因用鄰居基因的加權(quán)平均估計(jì)缺失值參數(shù)鄰居個(gè)數(shù)距離函數(shù)本文檔共111頁；當(dāng)前第26頁；編輯于星期二\3點(diǎn)6分本文檔共111頁；當(dāng)前第27頁；編輯于星期二\3點(diǎn)6分（3）回歸法本文檔共111頁；當(dāng)前第28頁；編輯于星期二\3點(diǎn)6分（五）數(shù)據(jù)標(biāo)準(zhǔn)化1.為什么要進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化:存在不同來源的系統(tǒng)誤差染料物理特性差異（熱光敏感性，半衰期等）染料的結(jié)合效率點(diǎn)樣針差異數(shù)據(jù)收集過程中的掃描設(shè)施不同芯片間的差異實(shí)驗(yàn)條件差異本文檔共111頁；當(dāng)前第29頁；編輯于星期二\3點(diǎn)6分2.運(yùn)用哪些基因進(jìn)行標(biāo)準(zhǔn)化處理芯片上大部分基因（假設(shè)芯片上大部分基因在不同條件下表達(dá)量相同）不同條件間穩(wěn)定表達(dá)的基因（如持家基因）控制序列（spikedcontrol）在不同條件下表達(dá)水平相同的合成DNA序列或外源的DNA序列。本文檔共111頁；當(dāng)前第30頁；編輯于星期二\3點(diǎn)6分3.cDNA芯片數(shù)據(jù)標(biāo)準(zhǔn)化處理（1）片內(nèi)標(biāo)化（within-slidenormalization）方法全局標(biāo)化、熒光強(qiáng)度依賴的標(biāo)準(zhǔn)化、點(diǎn)樣針組內(nèi)標(biāo)準(zhǔn)化。本文檔共111頁；當(dāng)前第31頁；編輯于星期二\3點(diǎn)6分假設(shè)：R=k*G方法:c=log2k：中值或均值全局標(biāo)化（globalnormalization）本文檔共111頁；當(dāng)前第32頁；編輯于星期二\3點(diǎn)6分熒光強(qiáng)度依賴的標(biāo)化（intensitydependentnormalization）為什么方法:scatter-plotsmootherlowess擬合

c（A）為M

對A的擬合函數(shù)標(biāo)化后的數(shù)據(jù)本文檔共111頁；當(dāng)前第33頁；編輯于星期二\3點(diǎn)6分點(diǎn)樣針依賴的標(biāo)化（within-print-tip-groupnormalization）為什么一張芯片的不同區(qū)域運(yùn)用不同的點(diǎn)樣針點(diǎn)樣，從而引入點(diǎn)樣針帶來的系統(tǒng)誤差。method本文檔共111頁；當(dāng)前第34頁；編輯于星期二\3點(diǎn)6分（2）染色互換實(shí)驗(yàn)（dye-swapexperiment）的標(biāo)化實(shí)驗(yàn)組對照組芯片1cy5（R）cy3（G’）

芯片2cy3（G）cy5（R’）前提假設(shè)：c︽c’方法:本文檔共111頁；當(dāng)前第35頁；編輯于星期二\3點(diǎn)6分線性標(biāo)化法（linearscalingmethods）與芯片內(nèi)標(biāo)化的尺度調(diào)整（scaleadjustment）方法類似。非線性標(biāo)化法（non-linearmethods）分位數(shù)標(biāo)化法（quantilenormalization）兩張芯片的表達(dá)數(shù)據(jù)的分位數(shù)標(biāo)化至相同，即分布于對角線上。（3）片間標(biāo)化（multiple-slidenormalization）本文檔共111頁；當(dāng)前第36頁；編輯于星期二\3點(diǎn)6分4.芯片數(shù)據(jù)標(biāo)準(zhǔn)化對每個(gè)探針對計(jì)算RR=（PM–MM）/（PM+MM）比較R與定義的閾值Tau（小的正值，默認(rèn)值為0.015）單側(cè)的Wilcoxon’sSignedRanktest產(chǎn)生p值，根據(jù)p值定義定量信號(hào)值

PresentcallMarginalcallAbsentcall（1）

提取定性信號(hào)本文檔共111頁；當(dāng)前第37頁；編輯于星期二\3點(diǎn)6分本文檔共111頁；當(dāng)前第38頁；編輯于星期二\3點(diǎn)6分分析步驟獲取探針?biāo)綌?shù)據(jù)→背景值效正→標(biāo)準(zhǔn)化處理→探針特異背景值效正→探針集信號(hào)的匯總（2）提取定量信號(hào)本文檔共111頁；當(dāng)前第39頁；編輯于星期二\3點(diǎn)6分1分析方法本文檔共111頁；當(dāng)前第40頁；編輯于星期二\3點(diǎn)6分2本文檔共111頁；當(dāng)前第41頁；編輯于星期二\3點(diǎn)6分3本文檔共111頁；當(dāng)前第42頁；編輯于星期二\3點(diǎn)6分4本文檔共111頁；當(dāng)前第43頁；編輯于星期二\3點(diǎn)6分5本文檔共111頁；當(dāng)前第44頁；編輯于星期二\3點(diǎn)6分6本文檔共111頁；當(dāng)前第45頁；編輯于星期二\3點(diǎn)6分M=log2R-log2GA=（log2R+log2G）/27本文檔共111頁；當(dāng)前第46頁；編輯于星期二\3點(diǎn)6分8本文檔共111頁；當(dāng)前第47頁；編輯于星期二\3點(diǎn)6分9本文檔共111頁；當(dāng)前第48頁；編輯于星期二\3點(diǎn)6分前面提及的標(biāo)準(zhǔn)化方法僅效正了數(shù)據(jù)分布的中心，在不同的柵格間log-Ratios的方差也不同。本文檔共111頁；當(dāng)前第49頁；編輯于星期二\3點(diǎn)6分本文檔共111頁；當(dāng)前第50頁；編輯于星期二\3點(diǎn)6分二、差異表達(dá)分析基本原理與方法（一）倍數(shù)法實(shí)驗(yàn)條件下的表達(dá)值對照條件下的表達(dá)值通常以2倍差異為閾值，判斷基因是否差異表達(dá)本文檔共111頁；當(dāng)前第51頁；編輯于星期二\3點(diǎn)6分（二）t檢驗(yàn)法

運(yùn)用t檢驗(yàn)法可以判斷基因在兩不同條件下的表達(dá)差異是否具有顯著性

本文檔共111頁；當(dāng)前第52頁；編輯于星期二\3點(diǎn)6分（三）方差分析

本文檔共111頁；當(dāng)前第53頁；編輯于星期二\3點(diǎn)6分兩種或多種條件間下基因表達(dá)量的比較，用方差分析。它將基因在樣本之間的總變異分解為組間變異和組內(nèi)變異兩部分。通過方差分析的假設(shè)檢驗(yàn)判斷組間變異是否存在，如果存在則表明基因在不同條件下的表達(dá)有差異。本文檔共111頁；當(dāng)前第54頁；編輯于星期二\3點(diǎn)6分（四）SAM法（significanceanalysisofmicroarrays）1.多重假設(shè)檢驗(yàn)問題Ⅰ型錯(cuò)誤（假陽性）在假設(shè)檢驗(yàn)作推斷結(jié)論時(shí)，拒絕了實(shí)際上正確的檢驗(yàn)假設(shè)，即將無差異表達(dá)的基因判斷為差異表達(dá)。Ⅱ型錯(cuò)誤（假陰性）不拒絕實(shí)際上不正確的，即將有差異表達(dá)的基因判斷為無差異表達(dá)。本文檔共111頁；當(dāng)前第55頁；編輯于星期二\3點(diǎn)6分在進(jìn)行差異基因挑選時(shí)，整個(gè)差異基因篩選過程需要做成千上萬次假設(shè)檢驗(yàn)，導(dǎo)致假陽性率的累積增大。對于這種多重假設(shè)檢驗(yàn)帶來的放大的假陽性率，需要進(jìn)行糾正。常用的糾正策略有Bonferroni效正，控制FDR（falsediscoveryrate）值等。本文檔共111頁；當(dāng)前第56頁；編輯于星期二\3點(diǎn)6分2.分析步驟計(jì)算統(tǒng)計(jì)量擾動(dòng)實(shí)驗(yàn)條件，計(jì)算擾動(dòng)后的基因表達(dá)的相對差異統(tǒng)計(jì)量計(jì)算擾動(dòng)后的平均相對差異統(tǒng)計(jì)量本文檔共111頁；當(dāng)前第57頁；編輯于星期二\3點(diǎn)6分確定差異表達(dá)基因閾值以最小的正值和最大的負(fù)值作為統(tǒng)計(jì)閾值，運(yùn)用該閾值，統(tǒng)計(jì)在值中超過該閾值的假陽性基因個(gè)數(shù)，估計(jì)假陽性發(fā)現(xiàn)率FDR值。調(diào)整FDR值的大小得到差異表達(dá)基因。本文檔共111頁；當(dāng)前第58頁；編輯于星期二\3點(diǎn)6分本文檔共111頁；當(dāng)前第59頁；編輯于星期二\3點(diǎn)6分（五）信息熵運(yùn)用信息熵進(jìn)行差異基因挑選時(shí)，不需要用到樣本的類別信息，所以運(yùn)用信息熵找到的差異基因是指在所有條件下表達(dá)波動(dòng)比較大的基因。本文檔共111頁；當(dāng)前第60頁；編輯于星期二\3點(diǎn)6分三、差異表達(dá)分析應(yīng)用以一套阿爾海茨默病相關(guān)的基因表達(dá)譜數(shù)據(jù)（GSE5281）為例，詳細(xì)介紹如何利用BRB-ArrayTools軟件進(jìn)行數(shù)據(jù)預(yù)處理，并對處理過的標(biāo)準(zhǔn)化的基因芯片數(shù)據(jù)利用SAM軟件進(jìn)行差異表達(dá)分析的過程。本文檔共111頁；當(dāng)前第61頁；編輯于星期二\3點(diǎn)6分GSE5281數(shù)據(jù)是利用Affymetrix公司的寡核苷酸芯片HG-U133Plus2.0Array檢測阿爾海茨默病病人和正常老年人大腦中六個(gè)不同區(qū)域的基因表達(dá)情況，本例僅選擇其中一個(gè)區(qū)域—內(nèi)側(cè)顳回（middletemporalgyrus,MTG）的數(shù)據(jù)進(jìn)行說明。本文檔共111頁；當(dāng)前第62頁；編輯于星期二\3點(diǎn)6分第一步：導(dǎo)入芯片數(shù)據(jù)使用“importdata”下的“GeneralFormatImporter”導(dǎo)入基因芯片數(shù)據(jù)，數(shù)據(jù)間用Tab鍵分隔（或使用Excell文件），也可使用“DataImportWizard”進(jìn)行導(dǎo)入。本文檔共111頁；當(dāng)前第63頁；編輯于星期二\3點(diǎn)6分導(dǎo)入芯片數(shù)據(jù)本文檔共111頁；當(dāng)前第64頁；編輯于星期二\3點(diǎn)6分第二步：選擇文件類型每張芯片用單獨(dú)的文件存儲(chǔ),多個(gè)文件保存在一個(gè)文件夾

“Arrayaresavedinseparatefilesstoredinonefolder”若多張芯片數(shù)據(jù)組織成一個(gè)矩陣形式,存儲(chǔ)在一個(gè)文件中“Arrayaresavedinhorizontallyalignedfile”本文檔共111頁；當(dāng)前第65頁；編輯于星期二\3點(diǎn)6分選擇記憶芯片數(shù)據(jù)文件類型本文檔共111頁；當(dāng)前第66頁；編輯于星期二\3點(diǎn)6分第三步：選擇芯片數(shù)據(jù)文件所存儲(chǔ)的路徑注意路徑中不能包含中文本文檔共111頁；當(dāng)前第67頁；編輯于星期二\3點(diǎn)6分第四步：選擇基因芯片平臺(tái)本文檔共111頁；當(dāng)前第68頁；編輯于星期二\3點(diǎn)6分第五步：選擇文件格式本文檔共111頁；當(dāng)前第69頁；編輯于星期二\3點(diǎn)6分第六步：數(shù)據(jù)的過濾和標(biāo)準(zhǔn)化本文檔共111頁；當(dāng)前第70頁；編輯于星期二\3點(diǎn)6分第七步：基因注釋由于基因芯片檢測的是探針的表達(dá)情況，而探針和基因之間往往不是一一對應(yīng)，所以，在數(shù)據(jù)導(dǎo)入后軟件會(huì)詢問是否需要進(jìn)行基因注釋，及是否需要將探針轉(zhuǎn)換成相應(yīng)的基因名(genesymbol)或EntrezID本文檔共111頁；當(dāng)前第71頁；編輯于星期二\3點(diǎn)6分第八步：運(yùn)行SAMFDR=0.01,delta=0.68選出2209個(gè)在阿爾海茨默病病人和正常人腦組織中表達(dá)發(fā)生顯著性改變的基因。本文檔共111頁；當(dāng)前第72頁；編輯于星期二\3點(diǎn)6分SAM的參數(shù)設(shè)定本文檔共111頁；當(dāng)前第73頁；編輯于星期二\3點(diǎn)6分第九步：SAMPlot

本文檔共111頁；當(dāng)前第74頁；編輯于星期二\3點(diǎn)6分SAMPlot

本文檔共111頁；當(dāng)前第75頁；編輯于星期二\3點(diǎn)6分第四節(jié)

聚類分析與分類分析

ClusteringAnalysisandClassification本文檔共111頁；當(dāng)前第76頁；編輯于星期二\3點(diǎn)6分一、聚類目的基于物體的相似性將物體分成不同的組本文檔共111頁；當(dāng)前第77頁；編輯于星期二\3點(diǎn)6分二、基因表達(dá)譜數(shù)據(jù)的聚類對基因進(jìn)行聚類識(shí)別功能相關(guān)的基因識(shí)別基因共表達(dá)模式對樣本進(jìn)行聚類質(zhì)量控制檢查樣本是否按已知類別分組發(fā)現(xiàn)亞型本文檔共111頁；當(dāng)前第78頁；編輯于星期二\3點(diǎn)6分

樣本基因本文檔共111頁；當(dāng)前第79頁；編輯于星期二\3點(diǎn)6分三、距離（相似性）尺度函數(shù)幾何距離線性相關(guān)系數(shù)非線性相關(guān)系數(shù)互信息本文檔共111頁；當(dāng)前第80頁；編輯于星期二\3點(diǎn)6分四、聚類算法層次聚類算法將研究對象按照它們的相似性關(guān)系用樹形圖進(jìn)行呈現(xiàn)，進(jìn)行層次聚類時(shí)不需要預(yù)先設(shè)定類別個(gè)數(shù)，樹狀的聚類結(jié)構(gòu)可以展示嵌套式的類別關(guān)系。（一）層次聚類本文檔共111頁；當(dāng)前第81頁；編輯于星期二\3點(diǎn)6分本文檔共111頁；當(dāng)前第82頁；編輯于星期二\3點(diǎn)6分在對含非單獨(dú)對象的類進(jìn)行合并或分裂時(shí)，常用的類間度量方法。類間相似性度量方法本文檔共111頁；當(dāng)前第83頁；編輯于星期二\3點(diǎn)6分2000年Alizadeh等運(yùn)用基因芯片數(shù)據(jù)，基于層次聚類算法證實(shí)了DLBCL腫瘤病人在mRNA層面確實(shí)存在兩種亞型本文檔共111頁；當(dāng)前第84頁；編輯于星期二\3點(diǎn)6分（二）k均值聚類基本思想本文檔共111頁；當(dāng)前第85頁；編輯于星期二\3點(diǎn)6分（三）自組織映射聚類基本思想在不斷的學(xué)習(xí)過程中，輸出層的神經(jīng)元根據(jù)輸入樣本的特點(diǎn)進(jìn)行權(quán)重調(diào)整，最后拓樸結(jié)構(gòu)發(fā)生了改變。本文檔共111頁；當(dāng)前第86頁；編輯于星期二\3點(diǎn)6分（四）雙向聚類雙向聚類就是識(shí)別基因表達(dá)譜矩陣中同質(zhì)的子矩陣，運(yùn)用特定的基因子類識(shí)別樣本子類。

本文檔共111頁；當(dāng)前第87頁；編輯于星期二\3點(diǎn)6分雙向聚類識(shí)別同質(zhì)的子結(jié)構(gòu)本文檔共111頁；當(dāng)前第88頁；編輯于星期二\3點(diǎn)6分五、分類分析（一）線性判別分類器本文檔共111頁；當(dāng)前第89頁；編輯于星期二\3點(diǎn)6分（二）k近鄰分類法本文檔共111頁；當(dāng)前第90頁；編輯于星期二\3點(diǎn)6分（三）PAM方法

（predictionanalysisformicroarray）基本思想每類樣本的質(zhì)心向所有樣本的質(zhì)心進(jìn)行收縮，即收縮每個(gè)基因的類均值，收縮的數(shù)量由值決定。當(dāng)收縮過程發(fā)生時(shí)，某些基因在不同類中將會(huì)有相同的類均值，這些基因就不具有類間的區(qū)別效能。本文檔共111頁；當(dāng)前第91頁；編輯于星期二\3點(diǎn)6分基因1基因2本文檔共111頁；當(dāng)前第92頁；編輯于星期二\3點(diǎn)6分分析步驟計(jì)算統(tǒng)計(jì)量對公式經(jīng)過變換得到本文檔共111頁；當(dāng)前第93頁；編輯于星期二\3點(diǎn)6分收縮各類的均值判斷新樣本類別本文檔共111頁；當(dāng)前第94頁；編輯于星期二\3點(diǎn)6分（四）決策樹基本思想決策樹又稱多級(jí)分類器，它可以把一個(gè)復(fù)雜的多類別分類問題轉(zhuǎn)化為若干個(gè)簡單的分類問題來解決。決策樹的結(jié)構(gòu)：一個(gè)樹狀的結(jié)構(gòu)，內(nèi)部節(jié)點(diǎn)上選用一個(gè)屬性進(jìn)行分割，每個(gè)分叉都是分割的一個(gè)部分，葉子節(jié)點(diǎn)表示一個(gè)分布。本文檔共111頁；當(dāng)前第95頁；編輯于星期二\3點(diǎn)6分決策樹應(yīng)用于腫瘤基因表達(dá)譜的分類分析本文檔共111頁；當(dāng)前第96頁；編輯于星期二\3點(diǎn)6分分析步驟：提取分類規(guī)則，進(jìn)行分類預(yù)測在構(gòu)造決策樹的過程中最重要的一點(diǎn)是在每一個(gè)分割節(jié)點(diǎn)確定用哪個(gè)屬性來分類（或分裂）這就涉及到關(guān)于使用什么準(zhǔn)則來衡量使用A屬性比使用B屬性更合理決策樹分類算法output訓(xùn)練集決策樹input本文檔共111頁；當(dāng)前第97頁；編輯于星期二\3點(diǎn)6分衡量準(zhǔn)則信息增益——informationgain基尼指數(shù)——Giniindex本文檔共111頁；當(dāng)前第98頁；編輯于星期二\3點(diǎn)6分決策樹的修剪消除決策樹的過適應(yīng)問題消除訓(xùn)練集中的異常和噪聲本文檔共111頁；當(dāng)前第99頁；編輯于星期二\3點(diǎn)6分（五）分類效能評(píng)價(jià)1.構(gòu)建訓(xùn)練集和檢驗(yàn)集n倍交叉驗(yàn)證（n-foldcrossvalidation）Bagging（bootstrapaggregating）無放回隨機(jī)抽樣留一法交叉驗(yàn)證（leave-one-outcrossvalidation，LOOCV）本文檔共111頁；當(dāng)前第100頁；編輯于星期二\3點(diǎn)6分2.分類效能靈敏度（sensitivity，recall）特異性（specificity）陽性預(yù)測率（positivepredictivevalue，precision）陰性預(yù)測率（negativepredictivevalue）均衡正確率（balancedaccuracy）正確率（correctoraccuracy）本文檔共111頁；當(dāng)前第101頁；編輯于星期二\3點(diǎn)6分第五節(jié)

基因表達(dá)譜數(shù)據(jù)分析軟件

SoftwareToolsforGeneExpressionProfileAnalysis本文檔共111頁；當(dāng)前第102頁；編輯于星期二\3點(diǎn)6分一、R程序示例R程序說明a=49；sqrt（a）賦值可用“=”，也可用“-〉”；R的語句可以寫在一行，用“；”分開seq（0,5,length=6）seq是R的一個(gè)函數(shù)；具體可以輸入命令“？seq”查找seq的具體使用方法plot（sin（seq（0,2*pi,length=100）））plot是畫圖函數(shù)，a="Thedogatemyhomework"ａ是一個(gè)字符串sub（"dog","cat",a）sub的功能是將a中的“dog”用“cat”替代，結(jié)果為"Thecatatemyhomework“a=（1+1==3）；aa是一個(gè)邏輯變量，結(jié)果為：FALSE本文檔共111頁；當(dāng)前第103頁；編輯于星期二\3點(diǎn)6分R程序說明x<-1:6“：”在這里是＂from:to＂的意思,結(jié)果是1，2，3,4,5,6。dim（x）<-c（3,4）;xdim函數(shù)是維數(shù)的意思，這里的功能是將x變?yōu)?X4維的基陣a=c（7,5,1）;a[2]C函數(shù)的功能是組合，這里將3個(gè)數(shù)組合賦值給a,a[2]是5doe=list（name="john",age=28,married=F）doe是list,與向量的差別是可以由不同的變量組合doe$name;doe$ageR語言中，特殊符號(hào)＄的作用本文