تقنيات تحليل المصفوفات الدقيقة

الموسوعة الحرة
مثال لمجموعة صغيرة من المجهر تحتوي على حوالي 40000 نقطة من المسبار مع إضافة مكبرة لإظهار التفاصيل.

تُستخدم تقنيات تحليل المصفوفات الدقيقة في تفسير البيانات الناتجة عن التجارب على الحمض النووي ( تحليل شريحة الجينات ) والحمض النووي الريبي والمصفوفات الدقيقة للبروتين، والتي تسمح للباحثين بالتحقيق في حالة التعبير لعدد كبير من الجينات - في كثير من الحالات، الجينوم الكامل للكائن الحي  - في تجربة واحدة. [1] يمكن لمثل هذه التجارب أن تولد كميات كبيرة جدًا من البيانات، مما يسمح للباحثين بتقييم الحالة العامة للخلية أو الكائن الحي. يصعب - إن لم يكن من المستحيل - تحليل البيانات بهذه الكميات الكبيرة دون مساعدة برامج الكمبيوتر.

مقدمة

تحليل بيانات المصفوفة الدقيقة هو الخطوة الأخيرة في قراءة ومعالجة البيانات التي تنتجها شريحة المصفوفة الدقيقة. تخضع العينات لعمليات مختلفة بما في ذلك التنقية والمسح باستخدام الشريحة الدقيقة، والتي تنتج بعد ذلك كمية كبيرة من البيانات التي تتطلب المعالجة عبر برامج الكمبيوتر. يتضمن ذلك عدة خطوات مميزة، كما هو موضح في الصورة أدناه. سيؤدي تغيير أي من الخطوات إلى تغيير نتيجة التحليل، لذلك تم إنشاء مشروع MAQC [2] لتحديد مجموعة من الاستراتيجيات القياسية. توجد شركات تستخدم بروتوكولات MAQC لإجراء تحليل كامل. [3]

الخطوات المطلوبة في تجربة المصفوفة الدقيقة

التقنيات

عالم من المركز الوطني لبحوث السموم يراجع بيانات المصفوفة الدقيقة

توفر معظم شركات تصنيع المصفوفات الدقيقة، مثل Affymetrix و Agilent ، [4] برامج تحليل البيانات التجارية إلى جانب منتجات المصفوفات الدقيقة الخاصة بها. وهناك أيضًا خيارات مفتوحة المصدر تستخدم مجموعة متنوعة من الأساليب لتحليل بيانات المصفوفات الدقيقة.

التجميع والتطبيع

تتضمن مقارنة مصفوفتين مختلفتين أو عينتين مختلفتين مهجنتين لنفس المصفوفة بشكل عام إجراء تعديلات للأخطاء المنهجية التي أدخلتها الاختلافات في الإجراءات وتأثيرات شدة الصبغة. غالبًا ما يتم تحقيق تطبيع الصبغة لمصفوفتين لونيتين من خلال الانحدار المحلي . توفر LIMMA مجموعة من الأدوات لتصحيح الخلفية والتدرج، بالإضافة إلى خيار لمتوسط ​​البقع المكررة على الشريحة. [5] إحدى الطرق الشائعة لتقييم مدى تطبيع المصفوفة، هي رسم مخطط MA للبيانات. يمكن إنتاج مخططات MA باستخدام برامج ولغات مثل R وMATLAB. [6] [7]

تحتوي بيانات Affy الخام على حوالي عشرين مسبارًا لنفس هدف RNA. نصف هذه هي "بقع عدم التطابق"، والتي لا تتطابق بدقة مع تسلسل الهدف. يمكن لهذه نظريًا قياس مقدار الارتباط غير المحدد لهدف معين. متوسط ​​المصفوفات المتعددة القوي (RMA) [8] هو نهج تطبيع لا يستفيد من هذه البقع غير المتطابقة ولكن لا يزال يتعين عليه تلخيص المطابقات المثالية من خلال التلميع المتوسط . [9] تتصرف خوارزمية التلميع المتوسط، على الرغم من كونها قوية، بشكل مختلف اعتمادًا على عدد العينات التي تم تحليلها. [10] التطبيع الكمي ، وهو أيضًا جزء من RMA، هو أحد الأساليب المعقولة لتطبيع مجموعة من المصفوفات من أجل إجراء مقارنات أخرى ذات معنى.

تستمر خوارزمية Affymetrix MAS5 الحالية، والتي تستخدم مجسات المطابقة المثالية وغير المثالية، في التمتع بالشعبية والأداء الجيد في الاختبارات المباشرة. [11]

مخطط انسيابي يوضح كيفية عمل خوارزمية MAS5 من Agilent.

تحليل العوامل لتلخيص المصفوفات الدقيقة القوية (FARMS) [12] هي تقنية تعتمد على النموذج لتلخيص بيانات المصفوفة على مستوى مسبار المطابقة المثالية. وهي تعتمد على نموذج تحليل العوامل حيث تعمل طريقة الحد الأقصى البايزي الخلفي على تحسين معلمات النموذج تحت افتراض ضوضاء القياس الغاوسي. وفقًا لمعيار Affycomp [13] تفوقت FARMS على جميع طرق التلخيص الأخرى فيما يتعلق بالحساسية والخصوصية.

تحديد التعبير التفاضلي المهم

توجد العديد من الاستراتيجيات لتحديد مجسات المصفوفة التي تظهر مستوى غير عادي من الإفراط في التعبير أو نقص التعبير. أبسطها هو وصف أي مجس يختلف بمعدل لا يقل عن ضعفين بين مجموعات العلاج بأنه "مهم". غالبًا ما ترتبط الأساليب الأكثر تطورًا باختبارات t أو آليات أخرى تأخذ في الاعتبار حجم التأثير والتباين. ومن الغريب أن القيم الاحتمالية المرتبطة بجينات معينة لا تتكاثر بشكل جيد بين تجارب التكرار، وأن القوائم التي يتم إنشاؤها بواسطة تغيير الطي المستقيم تعمل بشكل أفضل بكثير. [14] [15] وهذا يمثل ملاحظة مهمة للغاية، لأن الهدف من إجراء التجارب يتعلق بالتنبؤ بالسلوك العام. توصي مجموعة MAQC باستخدام تقييم تغيير الطي بالإضافة إلى حد قطع قيمة الاحتمالية غير الصارم، مشيرًا إلى أن التغييرات في عملية تصحيح الخلفية والقياس لها تأثير ضئيل فقط على ترتيب اختلافات تغيير الطي، ولكنها تؤثر بشكل كبير على القيم الاحتمالية. [14]

التجميع

التجميع هو تقنية لاستخراج البيانات تُستخدم لتجميع الجينات ذات أنماط التعبير المتشابهة. التجميع الهرمي ، والتجميع باستخدام طريقة k-means هي تقنيات مستخدمة على نطاق واسع في تحليل المصفوفات الدقيقة.

التجميع الهرمي

التجميع الهرمي هو طريقة إحصائية لإيجاد مجموعات متجانسة نسبيًا . يتكون التجميع الهرمي من مرحلتين منفصلتين. في البداية، يتم حساب مصفوفة المسافة التي تحتوي على جميع المسافات الزوجية بين الجينات. غالبًا ما يتم استخدام ارتباط بيرسون وارتباط سبيرمان كتقديرات للاختلاف، ولكن يمكن أيضًا تطبيق طرق أخرى، مثل مسافة مانهاتن أو المسافة الإقليدية . نظرًا لعدد مقاييس المسافة المتاحة وتأثيرها في نتائج خوارزمية التجميع، فقد قارنت العديد من الدراسات وقيمت مقاييس المسافة المختلفة لتجميع بيانات المصفوفة الدقيقة، مع مراعاة خصائصها الجوهرية وقوتها في مواجهة الضوضاء. [16] [17] [18] بعد حساب مصفوفة المسافة الأولية، تقوم خوارزمية التجميع الهرمي إما (أ) بضم مجموعتين أقرب بشكل متكرر بدءًا من نقاط بيانات فردية (نهج تجميعي من أسفل إلى أعلى، وهو أكثر استخدامًا إلى حد ما)، أو (ب) تقسيم المجموعات بشكل متكرر بدءًا من المجموعة الكاملة (نهج تقسيمي من أعلى إلى أسفل). بعد كل خطوة، يتم إعادة حساب مصفوفة مسافة جديدة بين المجموعات التي تم تشكيلها حديثًا والمجموعات الأخرى. تتضمن طرق تحليل المجموعات الهرمية ما يلي:

  • ارتباط فردي (الطريقة الدنيا، أقرب جار)
  • الارتباط المتوسط ​​( UPGMA )
  • الربط الكامل (الطريقة القصوى، الجار الأبعد)

لقد أظهرت دراسات مختلفة بالفعل تجريبياً أن خوارزمية التجميع ذات الارتباط الفردي تنتج نتائج ضعيفة عند استخدامها على بيانات مجموعة التعبير الجيني وبالتالي يجب تجنبها. [18] [19]

التجميع باستخدام طريقة K-means

التجميع باستخدام طريقة K-means هو خوارزمية لتجميع الجينات أو العينات بناءً على النمط في مجموعات K. يتم التجميع عن طريق تقليل مجموع مربعات المسافات بين البيانات ومركز المجموعة المقابل . وبالتالي فإن الغرض من التجميع باستخدام طريقة K-means هو تصنيف البيانات بناءً على تعبير مماثل. [20] لقد ثبت أن خوارزمية التجميع باستخدام طريقة K-means وبعض متغيراتها (بما في ذلك k-medoids ) تنتج نتائج جيدة لبيانات التعبير الجيني (على الأقل أفضل من طرق التجميع الهرمي). يمكن العثور على مقارنات تجريبية بين k-means و k-medoids والطرق الهرمية ومقاييس المسافة المختلفة في الأدبيات. [18] [19]

التعرف على الأنماط

تنشئ الأنظمة التجارية لتحليل شبكة الجينات مثل Ingenuity [21] وPathway studio [22] تمثيلات مرئية للجينات المعبر عنها بشكل تفاضلي بناءً على الأدبيات العلمية الحالية. تساعد الأدوات غير التجارية مثل FunRich و [23] و GenMAPP و Moksiskaan أيضًا في تنظيم وتصور بيانات شبكة الجينات التي تم الحصول عليها من تجربة واحدة أو أكثر من تجارب المصفوفات الدقيقة. تتوفر مجموعة كبيرة ومتنوعة من أدوات تحليل المصفوفات الدقيقة من خلال Bioconductor المكتوبة بلغة البرمجة R. تتوفر وحدة SAM التي يتم الاستشهاد بها بشكل متكرر وأدوات المصفوفات الدقيقة الأخرى [24] من خلال جامعة ستانفورد. تتوفر مجموعة أخرى من Harvard وMIT. [25]

مثال على نتائج أداة FunRich. تُظهر الصورة نتيجة مقارنة 4 جينات مختلفة.

تم أيضًا تطوير أدوات برمجية متخصصة للتحليل الإحصائي لتحديد مدى الإفراط أو النقص في التعبير عن جين في تجربة مجموعة صغيرة نسبيًا لحالة مرجعية للمساعدة في تحديد الجينات أو مجموعات الجينات المرتبطة بأنماط ظاهرية معينة . تستخدم إحدى طرق التحليل هذه، المعروفة باسم تحليل إثراء مجموعة الجينات (GSEA)، إحصائية على غرار كولموجوروف-سميرنوف لتحديد مجموعات الجينات التي يتم تنظيمها معًا. [1] تقدم حزمة الإحصائيات الخارجية هذه للمستخدم معلومات حول الجينات أو مجموعات الجينات ذات الاهتمام، بما في ذلك الروابط إلى الإدخالات في قواعد البيانات مثل GenBank التابع لـ NCBI وقواعد البيانات المنظمة مثل Biocarta [26] و Gene Ontology . توفر أداة تحليل إثراء مجمع البروتين (COMPLEAT) تحليل إثراء مماثل على مستوى مجمعات البروتين. [27] يمكن للأداة تحديد تنظيم مجمع البروتين الديناميكي في ظل ظروف أو نقاط زمنية مختلفة. يقوم النظام ذو الصلة، PAINT [28] وSCOPE [29] بإجراء تحليل إحصائي على مناطق محفز الجينات، وتحديد التمثيل الزائد والناقص لعناصر استجابة عامل النسخ التي تم تحديدها مسبقًا . أداة تحليل إحصائي أخرى هي إحصائيات مجموع الرتب لمجموعات الجينات (RssGsc)، والتي تستخدم وظائف توزيع احتمالية مجموع الرتب للعثور على مجموعات الجينات التي تشرح البيانات التجريبية. [30] نهج آخر هو التحليل التلوي السياقي، أي معرفة كيفية استجابة مجموعة الجينات لمجموعة متنوعة من السياقات التجريبية. Genevestigator هي أداة عامة لإجراء التحليل التلوي السياقي عبر سياقات مثل الأجزاء التشريحية ومراحل التطور والاستجابة للأمراض والمواد الكيميائية والضغوط والأورام .

تحليل أهمية المصفوفات الدقيقة (SAM)

تحليل أهمية المصفوفات الدقيقة (SAM) هي تقنية إحصائية ، أسسها فيرجينيا توشر وروبرت تيبشيراني وجيلبرت تشو في عام 2001 ، لتحديد ما إذا كانت التغيرات في التعبير الجيني ذات دلالة إحصائية. مع ظهور المصفوفات الدقيقة للحمض النووي ، أصبح من الممكن الآن قياس تعبير آلاف الجينات في تجربة تهجين واحدة. البيانات الناتجة كبيرة، وطريقة فرز ما هو مهم وما ليس كذلك ضرورية. يتم توزيع SAM بواسطة جامعة ستانفورد في حزمة R. [31]

يحدد SAM الجينات ذات الأهمية الإحصائية من خلال إجراء اختبارات t الخاصة بالجين ويحسب إحصائية d j لكل جين j ، والتي تقيس قوة العلاقة بين التعبير الجيني ومتغير الاستجابة. [32] [33] [34] يستخدم هذا التحليل إحصائيات غير معيارية ، حيث قد لا تتبع البيانات توزيعًا طبيعيًا . يصف متغير الاستجابة البيانات ويجمعها بناءً على الظروف التجريبية. في هذه الطريقة، تُستخدم التباديل المتكررة للبيانات لتحديد ما إذا كان التعبير عن أي جين مهمًا فيما يتعلق بالاستجابة. يأخذ استخدام التحليل القائم على التباديل في الاعتبار الارتباطات في الجينات ويتجنب الافتراضات المعيارية حول توزيع الجينات الفردية. هذه ميزة على التقنيات الأخرى (على سبيل المثال، ANOVA و Bonferroni )، والتي تفترض التباين المتساوي و/أو استقلال الجينات. [35]

البروتوكول الأساسي

  • إجراء تجارب على مجموعة صغيرة من الجينات - مجموعة صغيرة من الجينات DNA مع برايمرات الأوليغو وcDNA، ومصفوفات SNP، ومصفوفات البروتين، وما إلى ذلك.
  • تحليل تعبيرات الإدخال في Microsoft Excel — انظر أدناه
  • تشغيل SAM كإضافة لبرنامج Microsoft Excel
  • اضبط معلمة ضبط دلتا للحصول على عدد كبير من الجينات مع معدل اكتشاف خاطئ مقبول (FDR) وقم بتقييم حجم العينة عن طريق حساب متوسط ​​الفرق في التعبير في وحدة التحكم في مخطط SAM
  • قائمة الجينات المعبر عنها بشكل مختلف (الجينات المعبر عنها بشكل إيجابي وسلبي)

تشغيل SAM

  • يتوفر SAM للتنزيل عبر الإنترنت على http://www-stat.stanford.edu/~tibs/SAM/ للمستخدمين الأكاديميين وغير الأكاديميين بعد إكمال خطوة التسجيل.
  • يتم تشغيل SAM كإضافة لبرنامج Excel، ويسمح SAM Plot Controller بتخصيص معدل الاكتشاف الكاذب والدلتا، بينما تعمل وظيفة SAM Plot وSAM Output على إنشاء قائمة بالجينات المهمة وجدول دلتا وتقييم أحجام العينات
  • يتم حساب التباديل بناءً على عدد العينات
  • تبديلات الكتل
    • الكتل عبارة عن دفعات من المصفوفات الدقيقة؛ على سبيل المثال، بالنسبة لثماني عينات مقسمة إلى مجموعتين (ضابطة ومتأثرة)، يوجد 4!=24 تبديلًا لكل كتلة والعدد الإجمالي للتبديلات هو (24)(24)= 576. يوصى بحد أدنى 1000 تبديل؛ [32] [36] [37]

يتم تعيين عدد التباديل من قبل المستخدم عند إدخال القيم الصحيحة لمجموعة البيانات لتشغيل SAM

تنسيقات الاستجابة

الأنواع: [32]

  • كمية - قيمة حقيقية (مثل معدل ضربات القلب)
  • فئة واحدة - تختبر ما إذا كان متوسط ​​التعبير الجيني يختلف عن الصفر
  • فئتان — مجموعتان من القياسات
    • غير مقترن - وحدات القياس مختلفة في المجموعتين؛ على سبيل المثال، مجموعات التحكم والعلاج مع عينات من مرضى مختلفين
    • مقترنة - يتم قياس نفس الوحدات التجريبية في المجموعتين؛ على سبيل المثال، عينات قبل وبعد العلاج من نفس المرضى
  • متعدد الفئات - أكثر من مجموعتين تحتوي كل منهما على وحدات تجريبية مختلفة؛ تعميم نوعين غير مقترنين من فئتين
  • البقاء على قيد الحياة - بيانات الفترة الزمنية حتى وقوع الحدث (على سبيل المثال الوفاة أو الانتكاس)
  • المسار الزمني - يتم قياس كل وحدة تجريبية في أكثر من نقطة زمنية واحدة؛ وتقع الوحدات التجريبية في تصميم من فئة واحدة أو فئتين
  • اكتشاف النمط — لا يتم تحديد معلمة استجابة صريحة؛ يحدد المستخدم الجينات الذاتية (المكون الرئيسي) لبيانات التعبير ويعاملها كاستجابة كمية

خوارزمية

تحسب SAM إحصائية اختبار للاختلاف النسبي في التعبير الجيني استنادًا إلى تحليل التباديل لبيانات التعبير وتحسب معدل اكتشاف خاطئ. يتم توضيح الحسابات الرئيسية للبرنامج أدناه. [32] [33] [34]

يتم اختيار الثابت s o لتقليل معامل التباين لـ di . r i يساوي مستويات التعبير (x) للجين i في ظل ظروف تجريبية y.

يتم تحديد التغيرات في الطيات (t) لضمان حدوث تغيرات كبيرة في الجينات على الأقل بمقدار محدد مسبقًا. وهذا يعني أن القيمة المطلقة لمستويات التعبير المتوسطة لجين ما في ظل كل من الشرطين يجب أن تكون أكبر من التغير في الطيات (t) حتى يتم تسميتها إيجابية وأقل من معكوس التغير في الطيات (t) حتى يتم تسميتها سلبية.

يمكن صياغة خوارزمية SAM على النحو التالي:

  1. ترتيب إحصائيات الاختبار حسب الحجم [33] [34]
  2. لكل تبديل، احسب الدرجات الصفرية المرتبة (غير المتأثرة) [33] [34]
  3. ارسم إحصائية الاختبار المرتبة مقابل الدرجات الصفرية المتوقعة [33] [34]
  4. يمكن اعتبار كل جين مهمًا إذا كانت القيمة المطلقة لإحصائية الاختبار لهذا الجين مطروحًا منها متوسط ​​إحصاء الاختبار لهذا الجين أكبر من عتبة محددة [34]
  5. تقدير معدل الاكتشاف الخاطئ بناءً على القيم المتوقعة مقابل القيم الملاحظة [33] [34]

الناتج

  • مجموعات الجينات الهامة
    • مجموعة الجينات الإيجابية - يرتبط التعبير الأعلى لمعظم الجينات في مجموعة الجينات بقيم أعلى للنمط الظاهري y
    • مجموعة الجينات السلبية - يرتبط انخفاض التعبير عن معظم الجينات في مجموعة الجينات بقيم أعلى للنمط الظاهري y

مميزات سام

  • يمكن الاستفادة من البيانات من مجموعات Oligo أو cDNA، أو مجموعات SNP، أو مجموعات البروتين، وما إلى ذلك في SAM [33] [34]
  • يربط بيانات التعبير بالمعايير السريرية [35]
  • يربط بيانات التعبير بالوقت [32]
  • يستخدم تبديل البيانات لتقدير معدل الاكتشاف الخاطئ للاختبارات المتعددة [33] [34] [35] [38]
  • يبلغ معدل الاكتشاف الكاذب المحلي (معدل اكتشاف الخطأ المحلي للجينات التي لها d i مماثل لذلك الجين) [32] ومعدلات الخطأ [32] [33]
  • يمكن العمل مع التصميم المحظور عندما يتم تطبيق المعالجات ضمن دفعات مختلفة من المصفوفات [32]
  • يمكن تعديل العتبة لتحديد عدد الجينات التي تسمى ذات دلالة إحصائية [32]

تصحيح الأخطاء ومراقبة الجودة

ضبط الجودة

قد تحتوي المصفوفات بأكملها على عيوب واضحة يمكن اكتشافها عن طريق الفحص البصري، أو المقارنات الزوجية للمصفوفات في نفس المجموعة التجريبية، أو عن طريق تحليل تحلل الحمض النووي الريبي. [39] قد تتحسن النتائج عن طريق إزالة هذه المصفوفات من التحليل بالكامل.

تصحيح الخلفية

اعتمادًا على نوع المصفوفة، يمكن طرح الإشارة المتعلقة بالارتباط غير النوعي للفلوروفور لتحقيق نتائج أفضل. يتضمن أحد الأساليب طرح متوسط ​​شدة الإشارة للمنطقة بين البقع. تتوفر مجموعة متنوعة من الأدوات لتصحيح الخلفية والمزيد من التحليل من TIGR، [40] Agilent (GeneSpring)، [41] وOcimum Bio Solutions (Genowiz). [42]

تصفية البقع

قد يشير التعرف البصري على القطع الأثرية المحلية، مثل عيوب الطباعة أو الغسيل، إلى إزالة البقع الفردية. وقد يستغرق هذا قدرًا كبيرًا من الوقت اعتمادًا على جودة تصنيع المصفوفة. بالإضافة إلى ذلك، تتطلب بعض الإجراءات إزالة جميع البقع بقيمة تعبير أقل من حد شدة معين.

انظر أيضا

مراجع

  1. ^ ab Subramanian A, Tamayo P, Mootha VK, et al. (2005). "تحليل إثراء مجموعة الجينات: نهج قائم على المعرفة لتفسير ملفات تعريف التعبير على مستوى الجينوم". Proc. Natl. Acad. Sci. USA . 102 (43): 15545–50. doi : 10.1073/pnas.0506580102 . PMC  1239896. PMID  16199517 .
  2. ^ د. ليمينغ شي، المركز الوطني لأبحاث السموم. "مشروع مراقبة جودة المصفوفات الدقيقة (MAQC)". إدارة الغذاء والدواء الأمريكية . تم الاسترجاع في 2007-12-26 .
  3. ^ "GenUs BioSystems - Services - Data Analysis" . تم الاسترجاع في 2008-01-02 .
  4. ^ "Agilent | DNA Microarrays". مؤرشف من الأصل في 22 ديسمبر 2007. تم الاسترجاع في 2008-01-02 .
  5. ^ "مكتبة LIMMA: نماذج خطية لبيانات المصفوفات الدقيقة" . تم الاسترجاع في 2008-01-01 .
  6. ^ Gatto, Laurent; Breckels, Lisa M.; Naake, Thomas; Gibb, Sebastian (2015). "تصور بيانات التحليل البروتيني باستخدام R وBioconductor". Proteomics . 15 (8): 1375–1389. doi :10.1002/pmic.201400392. ISSN  1615-9853. PMC 4510819. PMID 25690415  . 
  7. ^ "إنشاء رسم بياني لنسبة الشدة مقابل النسبة لبيانات المصفوفة الدقيقة - MATLAB mairplot". MathWorks . تم الاسترجاع في 2023-11-24 .
  8. ^ Irizarry, RA ; Hobbs, B; Collin, F; Beazer-Barclay, YD; Antonellis, KJ; Scherf, U; Speed, TP (2003). "استكشاف وتطبيع وملخصات بيانات مستوى مسبار مجموعة الأوليجونوكليوتيدات عالية الكثافة". Biostatistics . 4 (2): 249–64. doi : 10.1093/biostatistics/4.2.249 . PMID  12925520.
  9. ^ Bolstad BM, Irizarry RA, Astrand M, Speed ​​TP (2003). "مقارنة بين طرق التطبيع لبيانات مصفوفة الأوليجونوكليوتيد عالية الكثافة بناءً على التباين والتحيز". Bioinformatics . 19 (2): 185–93. doi : 10.1093/bioinformatics/19.2.185 . PMID  12538238.
  10. ^ Giorgi FM, Bolger AM, Lohse M, Usadel B (2010). "Algorithm-driven Artifacts in median polish summarization of Microarray data". BMC Bioinformatics . 11 : 553. doi : 10.1186/1471-2105-11-553 . PMC 2998528. PMID  21070630 . 
  11. ^ Lim WK, Wang K, Lefebvre C, Califano A (2007). "التحليل المقارن لإجراءات تطبيع المصفوفات الدقيقة: التأثيرات على شبكات الجينات الهندسية العكسية". Bioinformatics . 23 (13): i282–8. doi : 10.1093/bioinformatics/btm201 . PMID  17646307.
  12. ^ Hochreiter S, Clevert DA, Obermayer K (2006). "طريقة تلخيص جديدة لبيانات مستوى مسبار affymetrix". Bioinformatics . 22 (8): 943–949. doi : 10.1093/bioinformatics/btl033 . PMID  16473874.
  13. ^ "Affycomp III: معيار لقياسات تعبير Affymetrix GeneChip".
  14. ^ ab Shi L, Reid LH, Jones WD, et al. (2006). "يُظهِر مشروع مراقبة جودة MicroArray (MAQC) إمكانية إعادة إنتاج قياسات التعبير الجيني بين المنصات وداخلها". Nat. Biotechnol . 24 (9): 1151–61. doi :10.1038/nbt1239. PMC 3272078. PMID  16964229 . 
  15. ^ Guo L, Lobenhofer EK, Wang C, et al. (2006). "دراسة جينومية سامة للفئران تكشف عن اتساق تحليلي عبر منصات المصفوفات الدقيقة". Nat. Biotechnol . 24 (9): 1162–9. doi :10.1038/nbt1238. PMID  17061323. S2CID  8192240.
  16. ^ جنتلمان، روبرت؛ وآخرون (2005). حلول المعلوماتية الحيوية وعلم الأحياء الحاسوبي باستخدام R وBioconductor . نيويورك: Springer Science+Business Media. ISBN 978-0-387-29362-2.
  17. ^ Jaskowiak, Pablo A.; Campello, Ricardo JGB; Costa, Ivan G. (2013). "Proximity Measures for Clustering Gene Expression Microarray Data: A Validation Methodology and a Comparative Analysis". IEEE/ACM Transactions on Computational Biology and Bioinformatics . 10 (4): 845–857. doi :10.1109/TCBB.2013.9. PMID  24334380. S2CID  760277.
  18. ^ abc Jaskowiak, Pablo A; Campello, Ricardo JGB; Costa, Ivan G (2014). "حول اختيار المسافات المناسبة لتجميع بيانات التعبير الجيني". BMC Bioinformatics . 15 (Suppl 2): ​​S2. doi : 10.1186/1471-2105-15-S2-S2 . PMC 4072854. PMID  24564555 . 
  19. ^ أب دي سوتو ، مارسيليو سي بي ؛ كوستا، إيفان ج.؛ دي أروجو ، دانيال سا ؛ لوديرمير، تيريزا ب. شليب، الكسندر (2008). “تجميع بيانات التعبير الجيني للسرطان: دراسة مقارنة”. بي إم سي للمعلوماتية الحيوية . 9 (1): 497. دوى : 10.1186/1471-2105-9-497 . بمك 2632677 . بميد  19038021. 
  20. ^ "الصفحة الرئيسية". biostat.ucsf.edu .
  21. ^ "Ingenuity Systems" . تم الاسترجاع في 2007-12-31 .
  22. ^ "Ariadne Genomics: Pathway Studio". مؤرشف من الأصل في 2007-12-30 . تم الاسترجاع في 2007-12-31 .
  23. ^ "FunRich: تحليل الإثراء الوظيفي" . تم الاسترجاع في 2014-09-09 .
  24. ^ [ "تحليل أهمية المصفوفات الدقيقة" . تم الاسترجاع في 2007-12-31 .]
  25. ^ "البرمجيات - واسعة النطاق" . تم الاسترجاع في 2007-12-31 .
  26. ^ "BioCarta - رسم مسارات الحياة" . تم الاسترجاع في 31 ديسمبر 2007 .
  27. ^ Vinayagam A, Hu Y, Kulkarni M, Roesel C, et al. (2013). "Protein Complex-Based Analysis Framework for High-Throughput Data Sets. 6, rs5 (2013)". Sci. Signal . 6 (r5): rs5. doi :10.1126/scisignal.2003629. PMC 3756668. PMID  23443684 . 
  28. ^ "DBI Web". مؤرشف من الأصل في 2007-07-05 . تم الاسترجاع في 2007-12-31 .
  29. ^ "SCOPE". مؤرشف من الأصل في 2011-08-17 . تم الاسترجاع 2007-12-31 .
  30. ^ "RssGsc" . تم الاسترجاع في 2008-10-15 .
  31. ^ "SAM: تحليل أهمية المصفوفات الدقيقة". tibshirani.su.domains . تم الاسترجاع في 2023-11-24 .
  32. ^ abcdefghi Chu، G.، Narasimhan، B، Tibshirani، R، Tusher، V. “SAM “Significance Analysis of Microarrays” دليل المستخدمين والوثيقة الفنية.” [1]
  33. ^ abcdefghi Zang, S.; Guo, R.; et al. (2007). "دمج أساليب الاستدلال الإحصائي ومقياس تحكم جديد لتحسين حساسية وخصوصية تحليل البيانات في دراسات تحديد ملف تعريف التعبير الجيني". مجلة المعلوماتية الطبية الحيوية . 40 (5): 552-560. doi : 10.1016/j.jbi.2007.01.002 . PMID  17317331.
  34. ^ abcdefghi <Zhang, S. (2007). "تقييم شامل لـ SAM وحزمة SAM R وتعديل بسيط لتحسين أدائها." BMC Bioinformatics 8: 230.
  35. ^ abc Tusher, VG; Tibshirani, R.; et al. (2001). "Significance analysis of microarrays applied to the ionizing radio response" (PDF) . وقائع الأكاديمية الوطنية للعلوم . 98 (9): 5116–5121. Bibcode :2001PNAS...98.5116G. doi : 10.1073/pnas.091062498 . PMC 33173. PMID  11309499 . 
  36. ^ دينو، آي بي؛ جيه دي؛ مولر، تي؛ ليو، كيو؛ أديوالي، إيه جيه؛ جانجري، جي إس؛ إينيك، جيه؛ فامولسكي، كيه إس؛ هالوران، بي؛ ياسوي، واي. (2007). "تحسين تحليل مجموعة الجينات لبيانات المصفوفات الدقيقة بواسطة SAM-GS". بي إم سي بيوينفورماتيكس . 8 : 242. دوي : 10.1186/1471-2105-8-242 . بي إم سي 1931607. بي إم آي دي  17612399 . 
  37. ^ Jeffery, IH; DG; Culhane, AC. (2006). "مقارنة وتقييم طرق توليد قوائم الجينات المعبر عنها تفاضليًا من بيانات المصفوفات الدقيقة". BMC Bioinformatics . 7 : 359. doi : 10.1186/1471-2105-7-359 . PMC 1544358. PMID  16872483 . 
  38. ^ Larsson, OW C; Timmons, JA. (2005). "اعتبارات عند استخدام خوارزمية تحليل أهمية المصفوفات الدقيقة (SAM)". BMC Bioinformatics . 6 : 129. doi : 10.1186/1471-2105-6-129 . PMC 1173086. PMID  15921534. 
  39. ^ Wilson CL, Miller CJ (2005). "Simpleaffy: a BioConductor package for Affymetrix Quality Control and data analysis". Bioinformatics . 21 (18): 3683–5. doi : 10.1093/bioinformatics/bti605 . PMID  16076888.
  40. ^ "معهد ج. كريج فينتر -- البرمجيات" . تم الاسترجاع في 2008-01-01 .
  41. ^ "Agilent | GeneSpring GX" . تم الاسترجاع في 2008-01-02 .
  42. ^ "Ocimum Biosolutions | Genowiz". مؤرشف من الأصل في 2009-11-24 . تم الاسترجاع في 2009-04-02 .
  • ArrayExplorer - قارن بين المصفوفات الدقيقة جنبًا إلى جنب للعثور على المصفوفة الدقيقة التي تناسب احتياجاتك البحثية بشكل أفضل
  • FARMS - تحليل العوامل لتلخيص المصفوفات الدقيقة القوية، حزمة R —البرمجيات
  • StatsArray - خدمات تحليل المصفوفات الدقيقة عبر الإنترنت —البرمجيات
  • ArrayMining.net - تطبيق ويب لتحليل بيانات المصفوفات الدقيقة عبر الإنترنت —برنامج
  • FunRich - إجراء تحليل إثراء مجموعة الجينات —برنامج
  • تحليل النسخ المقارن في الوحدة المرجعية في علوم الحياة
  • تعليمات تنزيل SAM
  • تحليل تعبير GeneChip® - أساسيات تحليل البيانات (من Affymetrix)
  • دليل أساسيات تحليل البيانات في جامعة ديوك
Retrieved from "https://en.wikipedia.org/w/index.php?title=Microarray_analysis_techniques&oldid=1227689310"
Original text
Rate this translation
Your feedback will be used to help improve Google Translate