GAGE和GSEA在基因集研究中的有效性比较

目的:研究在基因芯片数据分析中自限性原假设和竞争性原假设两类方法的优劣性和准确型,选取各自具有代表性的GAGE(Generally Applicable Gene-set Enrichment)和GSEA(Gene Set Enrichment Analysis)两种基因集分析方法筛选富集基因集的效能,并探讨其筛选效果.方法:采用两种待比较的方法在实际基因表达谱数据中分析研究,比较筛选结果的准确性和科学性,探讨两种方法筛选富集基因集的效果.结果:两方法对已知的基因表达谱数据进行应用分析表明GAGE的检验效能和筛选出的基因集生物学相关性均优于GSEA.结论:GAGE作为一种自限性原假设的基因集分析方法,由于其充分利用了表达谱数据,并将表达数据分为实验集和通路集分别进行分析处理,同时考虑到基因集的上调和下调,其检验效能优于竞争性原假设的GSEA,能够得到更为准确和科学的结果.     

基因表达谱中信号通路基因集分析方法进展

微阵列技术是生物技术变革的核心,允许研究者同时监测成千上万个基的表达水平,已广泛应用医学研究.如何挖掘海量基表达信息中的有用信息并进行生物学专业解释,是基表达谱数据分析领所面临的一个重要挑战.生物信号通路研究已成为基芯片中不同表型差异表达研究的主要方法,其是以整个信号通路作为一个整体作为研究对象,此得出的研究结果更加科学和准确.在本文中我们简要描述了近10年来信号通路基集富集分析方法的发展情况,将其分为三个阶段,对每个阶段方法的基础和特点做了一些简单的总结和阐述.     

基于蒙特卡洛模拟分析不同基因集方法的效能

目的:探索差异表达基因集(DEGs)筛选的有效方法.方法:基于蒙特卡洛模拟比较Efron's GSA、SAFE、Globaltest、PCOT2等四种基因集方法在分析微阵列数据时的统计推断能力.结果:Globaltest和PCOT2两种基于模型构建的基因集方法在处理模拟微阵列数据时效能相当,Globaltest略优于PCOT2,而Effort's GSA、SAFE方法检验效能低下.结论:Globaltest是一种较有效的微阵列数据分析方法.     

基因表达谱富集分析方法研究进展

微阵列技术是生物技术变革的核心,允许研究者同时监测成千上万个基因的表达水平,已广泛应用于医学研究。如何挖掘海量基因表达信息中的有用信息并进行生物学专业解释,是基因表达谱数据分析领域所面临的一个重要挑战。不同的研究者提出了各种基于基因集进行富集分析的方法,在此将这些方法大致分为两大类,即bottom-up方法和top-down方法。前者先进行单基因分析,然后根据生物学领域知识注释基因集并进行分析。该方法应用广泛,且结果比单基因分析容易解释。后者先根据生物学领域知识将各基因进行归类,然后进行基因差异表达模式分析。该方法不仅能提高结论的可解释性,而且能达到降维的目的。     

肿瘤微阵列数据统计分析概述

微阵列技术已广泛应用于生物学和医学研究领域,如肿瘤的诊断和分型、预测和治疗,理解肿瘤的发生机制、生物学通路和基因网络。统计学方法在这一科学挑战中的地位至关重要。我们综述了微阵列实验数据分析的统计学方法最新发展,主要描述了微阵列数据的标准化、差异表达基因的统计学检验及微阵列技术在肿瘤治疗中的应用,重点介绍了时间序列微阵列数据分析方法和基因调控网络在肿瘤研究中的最新发展。     

人PRMT5基因的生物信息学分析

PRMT5 (Protein arginine methyltransferase 5)已经广泛地作为组蛋白甲基转移酶修饰H4R3、H2AR3和H3R8,从而潜在地影响多个信号传导途径。本研究为了对人PRMT5基因进行生物信息学方面的深入分析,以PRMT5基因序列及编码蛋白序列为材料,通过生物信息学方法分析了PRMT5基因的DNA序列、启动子及CpG岛、RNA结构,及该蛋白的理化性质、亚细胞定位、信号肽与跨膜区域、互作蛋白、系统发育等。研究结果表明,人PRMT5在物种间的保守性相对较高,位于染色体14q11.2,大小为1 911 bp,潜在核心启动子在1 014~1 064 bp,没有预测到CpG岛。PRMT5基因编码637个氨基酸残基,分子量为10 157 Da,等电点为5.88,不稳定系数是44.33;该蛋白更可能定位于细胞质,无明显的信号肽及跨膜结构;主要的二级结构元件是α-螺旋结构和无规卷曲,包含一个SAM-dependent MTase功能结构域,同时有10个可能的互作蛋白;进化分析表明黑猩猩和猕猴与人PRMT5蛋白亲缘关系最近。