康成生物LOGO   登录 | 注册 | English
 
 
 
 
站内搜索
 
 
  测序服务
 
  芯片服务
 
     
当前位置: 首页 > 服务> 内容  
 生物信息学技术服务
    康成生物除了提供基本的芯片质量检测评估外(如Scatter plot和MA-plot),您还可以选择样本质量检测评估服务(箱式图、样本聚类分析、样本PCA主成分分析),由火山图(Volcano Plot)筛选差异表达基因(结果更合理更可靠),以及基因注释分析(包括GO分类和Pathway分析)。更复杂的还有方差分析ANOVA(每样本至少三重复),基因表达谱聚类(发现共表达基因),配合临床资料进行样本的分类预测(如肿瘤亚型的预测、疾病样本的诊断等)。
 
箱式图(box plot
    在微阵列数据中,不同芯片、样本间存在一定的差异,利用箱式图可对各个样本的实验质量进行初步质量评估,通过比较不同样本的数据可了解其造成系统误差的情况,下图中各组数据内和各组数据间的水平大致接近。
    该图数据包含四组共12个样本,每组样本有3个重复,样本使用Cy5(绿色荧光)标记,所有样本使用同一个对照样本(Cy3红色荧光标记),图中Y轴是对数化的坐标轴,表示Red / Green(红绿两荧光通道信号标准化后的数值之比)。样本数据的中位值(Media)反映数据的集中趋势,在该坐标系下越接近1越好,上下四分位值(Quartile)直观地反映数据离散趋势,离中位值越远,则表明数据的离散趋势越强。
 

 

Artery IL1beta

Artery NONE

Vein IL1beta

Vein NONE

Cy5 (Red)

Sample0

Sample1

Sample2

Sample4

Sample5

Sample6

Sample3

Sample8

Sample11

Sample9

Sample7

Sample10

Cy3 (Green)

Control

Control

Control

Control

样品主成分分析(PCA)
    PCA的目的是对数据进行统计降维转换以提炼主要信息,这里并不是作为一个聚类工具。
    对样本进行PCA分析(PCA on Conditions)可作为一种质量评估手段来发现与样本有关的潜在问题(如给定实验中样本间的相似程度、样本污染等)。从3D散点图可看出相同组的样本都在大致相同的空间区域,有不同表达谱的样本也可很容易地观察到。
 
聚类分析(Cluster
    聚类就是把相似的个体划分到相同的组别,把不相似的个体划分到不同的组别的过程。聚类分析是基因表达数据分析最常用的技术,聚类的对象可以是基因,也可以是样本。对基因的表达谱进行聚类,可以发现共表达的多组基因(共表达的基因具有相似的基因表达谱);对不同的样本或实验间的相似性进行聚类,可以作为一种样本质量评估手段。
    目前常用的聚类方法有:Hierarchical(层次聚类)、K-means(K均值聚类)、SOM(自组织映射)、QT clustering等。
    如下图是用Hierarchical(层次聚类)方法对上例实验进行双向聚类的结果展示(Heatmap)。可看出湖蓝色VeinIL1beta(Sample2、3、7)三重复样本聚类结果与实际样本情况不同;提示我们该组样本或相关实验质量有偏差。

基因的共表达分析(QT Clustering
    下图使用QT clustering方法对一个时间系列实验进行聚类,每一类的基因具有相似的表达谱,QT clustering方法并不一定要把所有的基因都进行分类,它根据您规定的最小相关性和最小类大小来筛选归类,不符合条件的基因将被归为Unclassified类。每个类按包含基因的多少依次排列,每个类中的基因有相同的表达谱,点击可获得相应基因列表,这对研究共表达基因很有帮助

火山图(Volcano Plot
    火山图(Volcano Plot)在一张图中显示了两个重要的指标(Fold Change / p-Value),可以非常直观且合理地筛选出在两样本间发生差异表达的基因。
    利用T-test检验分析出两样本(如肿瘤样本和正常样本)间显著差异表达基因后,以log2(Fold Change)为横坐标,以T-test显著性检验p-Value的负对数-log10(p-Value)为纵坐标,即可得火山图(Volcano Plot),利用一定的筛选条件(如大于1.5倍变化且p<0.05(可信度高),图中红色点表示筛选出的相应基因,你可获得相应基因列表进行后续研究。

方差分析(ANOVA
    分析重复样品在单因素(时间、剂量、组织、药物等)不同水平之间是否存在显著表达差异(置信水平p<0.05),并分析某两个水平间发生显著差异表达的主要基因。
    如下图,四种不同药物分别处理同一批小鼠,每种药物三个重复,对1651个基因执行单因素方差分析,判断出有592个基因在不同药物间发生显著差异表达,上三角矩阵中的数字表示药物两两间有显著表达差异的基因数,下三角矩阵中的数字表示药物两两间无显著表达差异的基因数。可以看出表达差异最大的两种药物为Clofibrate 和Gemfibrozil,点击可获得差异基因(79个)的列表。

GO Annotation
    GO分类是目前对不同实验条件或样本类型下发生差异表达的成百上千个基因的生物学意义进行解释的方法之一。您可以对有显著表达差异的基因进行GO_Biological process(生物学过程)、GO_ Molecular Function(分子功能) 和 GO_Cellular Component(亚细胞组份)分类注释分析。
    下表是对人动脉、静脉(各6个重复)数据经T-test检验有显著表达差异的基因进行GO_Biological process(生物学功能)分类注释分析,按集中趋势由高到低(p-Value越小则集中趋势越高)列出了显著差异表达基因集中的分类,表中靠前的类别说明显著差异表达基因主要与细胞迁移、运动、定位等有关。如果需要,你可获得每个类别中的差异表达基因的列表。

Pathway 注释分析
    利用pathway富集分析可找出发生差异表达的基因都影响那些生物学通路,生物学通路的注释来源为KEGG和GenMAPP。
    对有显著表达差异的基因进行KEGG Pathway注释分析,可给出按集中趋势由高到低(p-Value越小则集中趋势越高)列出显著差异表达基因集中的生物学通路的列表。
    对某一具体的生物学通路,结合KEGG或GenMAPP可以直观地用图形显示两组样本(i.e. treated vs. control , or normal vs. disease)中基因表达发生变化的基因(如图1)以及多时间点样本间基因表达水平发生改变的基因。
    图1 某一生物学通路两样本间表达水平改变的基因


mRNA
产品信息
NuRNA™ Human Central Metabolism PCR Array
NuRNA™ Human Epitranscriptomics PCR Array
NuRNA™ tRNA Modification Enzymes PCR Array
NuRNA™ Small RNA Biogenesis Proteins PCR Array
SABiosciences第二代功能分类基因芯片简介
全基因组表达谱基因芯片
信号转导PCR芯片
肿瘤PCR芯片
细胞因子与炎症反应PCR芯片
细胞和发育生物学研究PCR芯片
常见疾病研究PCR芯片
毒理和药理PCR芯片
细胞外基质与黏连分子PCR芯片
神经科学PCR芯片
细胞凋亡与细胞周期PCR芯片
其他PCR芯片
Arraystar RNA-Seq样品预处理试剂盒
技术服务
NuRNA™ Human tRNA Modification Enzymes PCR芯片技术服务
NuRNA™ Human Small RNA Biogenesis Proteins PCR芯片技术服务
NuRNA™ Human Epitranscriptomics PCR芯片技术服务
NuRNA™ Human Central Metabolism PCR芯片技术服务
mRNA甲基化测序(MeRIP-seq)技术服务
全基因组表达谱基因芯片技术服务
RNA测序技术服务
功能分类PCR芯片技术服务
mRNA实时定量PCR技术服务
生物信息学技术服务
相关文献
Stem Cells发表利用NimbleGen表达谱芯片研究肿瘤干细胞新文章
表达谱芯片数据深入挖掘方法简介
The Plant Cell:利用Agilent表达谱芯片研究茉莉酸调控拟南芥抗冷害反应和作用机制
基因芯片与siRNA干扰技术结合实例
回到页首
 
  沪ICP备16042410号 ©Copyright 2007 KangChen Bio-tech Inc. All rights reserved.
版权声明  |  关于康成  |  联系我们