Informations

Données de microarray et outils d'analyse

Données de microarray et outils d'analyse


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Les puces à ADN ont diverses utilisations et pour analyser les données, une classification des fonctions principales est utilisée. Il existe de nombreuses méthodes utilisées pour classer les données, mais quelles sont les méthodes les meilleures et les plus fréquemment utilisées ? Existe-t-il des outils Web bien connus pour l'analyse des puces à ADN ? Où puis-je trouver des ensembles de données de profils d'expression génique, où puis-je trouver et comprendre la matrice de l'ensemble de données ?


C'est une question assez large et un livre ou deux donneront une réponse plus complète. Je suppose que vous êtes intéressé par les microarrays d'expression. Les puces à ADN de génotypage sont également très populaires de nos jours et sont cependant assez différentes.

Où puis-je comprendre la matrice du jeu de données ? C'est un peu flou en tant que question, mais je vais commencer par une description numérique. Les données de microarray sont réductibles à un tableau unidimensionnel d'intensités. En tant que vecteur de nombres, chacun représentant la quantité d'une espèce donnée d'ARN dans un échantillon, il a de nombreuses interprétations. La plupart de ce qui est dit ici s'applique également aux données RNASeq.

Ces nombres dépendent de la séquence - c'est-à-dire qu'ils ne doivent pas être interprétés comme un nombre absolu d'ARNm spécifique dans l'échantillon, donc comparer deux entrées dans le vecteur (par exemple "le gène A a 10 % d'ARN de plus que le gène B") sera probablement pas être utile.

Pour cette raison, les expériences de puces à ADN sont généralement effectuées comme des expériences de différence, où deux ou plusieurs conditions sont comparées, produisant une matrice de nombres, où N lignes représentent N expériences et les M colonnes représentent chacune un ensemble de sondes/gène. La transposition de cette matrice est également courante.

**Méthodes pour classer les résultats des puces à ADN. ** En prenant la matrice de données, il existe de nombreuses façons d'interpréter les données sous forme matricielle et la plupart d'entre elles ont été essayées de manière crédible avec des données de microarray.

Les plus courants sont de prendre un ensemble d'ensembles de sondes dont l'action biologique est liée (par exemple, tous dans une voie métabolique et de les afficher sous forme de carte thermique où les colonnes ont été regroupées par un algorithme basé sur la distance pour produire un arbre, où les voisins ont le plus grande similitude numérique.

Pour les méthodes purement numériques, l'analyse en composantes principales est souvent utilisée (malgré le fait que ce ne soit pas une bonne méthode), mais des cartes auto-organisées, des réseaux neuronaux et à peu près n'importe quel algorithme d'apprentissage automatique ont été utilisés.

La méthode la plus courante, de loin, est l'analyse des variantes (ANOVA), où les ensembles de sondes/gènes ont été notés de leur plus grande à la plus petite variance. Le cas le plus courant est une expérience de différence de deux conditions où les plus grandes différences sont prises comme résultats. Ce n'est pas une grande expérience, mais les données ne sont pas très bon marché à produire.

**Référentiels de données de microarray ** Gene Expression Omnibus (GEO) est un référentiel très apprécié pour les données de microarray, avec plus d'un million d'ensembles de données. Ils ont aussi quelques outils, voir ci-dessous.

EMBL ArrayExpress prétend avoir un peu plus de données que GEO (1,2 M de tests).

Il existe de nombreux sites Web spécialisés sur les puces à ADN, principalement axés sur un organisme particulier (E coli par exemple) ou un problème (comme le cancer). Google est très utile pour ce genre de chose une fois que vous avez les bons mots clés.

**Outils Web pour l'analyse des puces à ADN ** Il existe plusieurs outils que vous utiliserez pour l'analyse des puces à ADN et il existe de nombreux sites Web pour différents aspects de ces données. Je vais en citer quelques-uns, mais les outils les plus couramment utilisés sont des outils en ligne de commande tels que R/bioconductor ou le logiciel fourni par le fabricant de la baie.

GEO2R est un excellent outil pour parcourir les expériences de données d'expression. Il s'agit d'une version simple d'ANOVA et vous aidera vraiment à trouver rapidement une biologie intéressante.

VAMPIRE est une suite d'analyse Web pour l'analyse de puces à ADN. Mise à l'échelle des données en nombres, des images aux intensités en passant par l'analyse des données pour comparer plusieurs tableaux. C'est probablement l'un des sites d'analyse les plus complets.


Outils informatiques pour analyser les données des puces à ADN

Les puces à ADN sont largement utilisées dans les analyses génomiques et trouvent plusieurs applications en biologie et en médecine, fournissant une quantité importante de données à partir d'une seule expérience. Différents types de puces à ADN sont disponibles qui sont identifiables par des caractéristiques telles que le type de sondes, la surface utilisée comme support et la méthode utilisée pour la détection de la cible. Bien que les puces à ADN aient été appliquées dans de nombreux domaines biologiques, leur gestion et leur investigation nécessitent des outils informatiques avancés pour accélérer l'analyse des données et en même temps faciliter l'interprétation des résultats. Pour mieux traiter les ensembles de données de microarrays de grande taille, le développement d'outils d'analyse simples à utiliser et capables de produire des prédictions précises, et de modèles compréhensibles est essentiel. Les outils doivent fournir une collection exhaustive d'informations pour discriminer et identifier les SNP, qui sont associés à l'activité de gènes particuliers affectant des fonctions biologiques (par exemple, une réponse médicamenteuse particulière) ou impliqués dans le développement de maladies complexes. L'objet de ce chapitre est de fournir une revue des outils logiciels qui sont faciles à utiliser même pour les non-experts du domaine, et qui sont capables de traiter efficacement les données des microarrays.

Mots clés: Data mining Génomique Génotypage Microarrays Analyse statistique.


Microarray, SAGE et autres outils d'analyse de données d'expression génique

Un moteur de clustering multi-méthodes léger pour les données d'expression de gènes de microarray.

Déduire un cadre de réseaux de régulation à partir d'un grand nombre de profils d'expression génique.

Effectuez une cartographie génétique automatisée sur une carte cadre fixe.

Une interface Web pour détecter les puces génétiques aberrantes avec des tests de déviation extrêmement étudiés.

Un outil logiciel pour caractériser les matrices d'expression Affymetrix GeneChip par rapport aux SNP.

Explorez les données redéfinies des puces à ADN Affymetrix.

Effectuer la classification des protéines, l'analyse de l'expression et le criblage de la fonction SNP.

Identifier les gènes co-exprimés sur la base d'un grand ensemble de données de puces à ADN d'Arabidopsis thaliana.

Appliquez automatiquement des analyses complexes aux données de puces à ADN allant des lames uniques aux grands ensembles de données, y compris les réplicats et les échanges de colorants.

Intègre diverses formes de données de microarray provenant de diverses sources d'annotation et de données primaires.

Utilisez une plate-forme Linux basée sur le Web pour mettre en œuvre des programmes d'analyse de données de puces à ADN.

Cartographiez et visualisez les données d'expression génique des puces à ADN pour les ressources de voies biologiques intégrées à l'aide de graphiques vectoriels évolutifs (SVG).

Suite d'outils Web pour le profilage fonctionnel d'expériences à l'échelle du génome.

Un outil utile pour l'analyse de la méthylation de l'ADN.

Comparez le modèle d'expression génique temporelle de différents échantillons.

Outil logiciel pour la détection et la visualisation de bicluster.

Une technique de visualisation pour représenter simultanément tous les biclusters.

Effectuez une analyse complète des données des puces à ADN.

Analysez les données des puces à ADN et des promoteurs pour en déduire le réseau de régulation transcriptionnelle.

Normaliser les données d'hybridation génomique comparative sur puce (aCGH).

Un outil Web qui applique un certain nombre d'algorithmes populaires à un seul profil CGH de tableau entré par l'utilisateur.

Un programme pour localiser les variations du nombre de copies dans un seul génome.

Trouvez les sites de liaison au facteur de transcription (TFBS) conservés dans les régions promotrices des gènes de gènes humains donnés et de l'homologue de souris correspondant.

Effectuer une analyse multi-facettes de la signature réglementaire composite par des facteurs de transcription et des microARN sur l'expression des gènes.

Comprendre la relation entre les voies et l'expression des gènes.

Effectuez des analyses complètes automatisées des motifs régulateurs du promoteur et de l'effet qu'ils exercent sur les profils d'expression de l'ARNm.

Un outil qui prend vos données sur l'expression différentielle des gènes (c'est-à-dire les données SAGE ou microarray) et prédit des molécules supplémentaires qui peuvent être importantes.

Visualisation, normalisation et tests de signification pour les données de microarray de détection d'agents pathogènes.

Trouvez des informations sur les événements d'épissage alternatif.

Recherchez des informations annotées sur la structure, la fonction et l'expression des gènes et les événements d'épissage alternatif.

Effectuez une annotation à haut débit des étiquettes de séquence exprimées (EST).

Un outil d'intégration et de visualisation de données pour faciliter les analyses de données, la validation visuelle et la génération d'hypothèses.

Utilisez cette plate-forme entièrement intégrée pour traiter les données des puces à ADN.

Un serveur intégré de prédiction de fonction basé sur les caractéristiques pour les protéomes de vertébrés.

Un outil d'analyse d'ensemble de gènes intégré basé sur le Web couvrant les modèles paramétriques et non paramétriques précédemment rapportés.

Effectuez le biclustering des données de microarray.

Un moteur de recherche alternatif puissant pour le Gene Expression Omnibus.

Une boîte à outils logicielle basée sur le Web pour l'analyse d'enrichissement de l'ontologie génétique.

Permet la simulation d'effets non multiplicatifs et d'effets d'interaction bidirectionnelle.

Visualisez et analysez les données d'expression génique dans le contexte des voies biologiques.

Annotez les données des puces à ADN en utilisant les informations des bases de données publiques.

Effectuez une analyse automatisée des données à partir d'expériences d'expression génique sur un certain nombre de plates-formes différentes.

Analysez un ensemble de gènes par rapport à n'importe quel ensemble de référence choisi ou à tous les gènes.

Visualiser et analyser les données d'expression génique et intégrer les informations de regroupement, d'annotation génique et de séquence.

Utilisez une suite d'algorithmes et d'outils pour l'analyse des données d'expression génique et la découverte d'éléments de séquence de régulation cis.

Un environnement Web pour l'analyse de l'Array CGH et de l'expression génique qui comprend le profilage fonctionnel.

Annoter l'EST brut (étiquette de séquence exprimée) spécifiquement dédié aux approches de cartographie comparative.

Un outil Web pour visualiser les données expérimentales dans le contexte des voies biologiques.

Identifier les gènes différentiellement exprimés.

Une application open source modulaire pour le workflow des microarrays et l'exploration de données intégrative.

Une nouvelle méthode de normalisation basée sur le contenu GC des sondes pour les matrices de tuiles bicolores.

Outil d'exploration et de visualisation de données pour une analyse rapide de diverses données biologiques à haut débit.

Identifiez les gènes exprimés de manière différentielle à partir de données de puces à ADN à deux canaux.

Créer un profil global d'expression génique dans tous les domaines de la biologie en intégrant les annotations du projet Gene Ontology (GO) avec le progiciel gratuit GenMAPP.

Un outil Web pour la recherche et la récupération à grande échelle de données publiques sur les puces à ADN.

Combinez les résultats de plusieurs études d'expression génique.

Recherchez dans le plus grand référentiel public des données d'expression génique à haut débit.

Analysez de grandes quantités d'EST ou d'ADNc de mammifères et de champignons.

Plateforme Web pour l'analyse groupée et interspécifique des données de microarrays.

Utilisez une suite d'outils pour analyser les données des puces à ADN et effectuer des annotations génomiques et protéomiques.

Un outil pour l'analyse statistique et la visualisation de données biologiques à l'aide de Gene Ontology.

Obtenez un aperçu de l'histoire évolutive des organismes via l'analyse des étiquettes de séquences exprimées.

Trouvez des informations sur l'alignement des séquences de sonde à partir de cinq puces à ADN d'expression Affymetrix.

Un outil d'aide à l'analyse phylogénétique à haut débit.

Filtrez la littérature courante, les termes biologiques et les informations sur les voies.

Interpréter les données d'expression génique obtenues à partir d'expériences de puces à ADN.

Effectuer des analyses sur les données d'expression des gènes et des protéines.

Application à la cartographie des gènes procaryotes et des protéines correspondantes à des réseaux de régulation génétique et métaboliques communs.

Un outil Web pour profiler la fonctionnalité complexe des groupes de gènes identifiés à partir de données à haut débit.

Analysez les données des puces à ADN.

Trouvez l'expression relative d'un gène donné dans les tissus normaux et malins du corps humain.

Cartographiez les balises expérimentales dans l'analyse en série de l'expression des gènes.

Stockez, annotez, affichez, analysez et partagez des données de puces à ADN.

Utilisez le test t pour noter les changements dans l'activité d'expression génique moyenne de groupes prédéfinis de gènes.

Analysez et visualisez les réseaux de régulation génique qui combinent des informations encyclopédiques sur la voie de transduction du signal.

Une boîte à outils complète pour le stockage, l'analyse et l'intégration des données de biopuces et des données de génotype et de phénotype associées.

Interpréter les données d'expression génique des puces à ADN.

Effectuez une analyse de microarray d'ontologie de gènes en dessinant des diagrammes d'Euler/Venn.

Regroupez et interprétez les données de microarray d'expression génique.

Un plugin de visualisation utilisant une matrice de permutation étendue pour l'analyse exploratoire des données d'études de puces à ADN multi-expériences.

Effectuer une analyse statistique sur les données SAGE humaines.

Effectuer une analyse de puces à ADN multiplateforme

Conçu pour cartographier des millions de lectures courtes, issues de la technologie de séquençage de nouvelle génération, jusqu'aux génomes de référence et effectuer une post-analyse.

Utiliser pour analyser les informations d'expression génique spatio-temporelles.

Révélez des informations sur les relations latentes complexes dans les ensembles de données expérimentales.

Identifier les conditions qui affectent l'expression d'un gène ou d'une liste de gènes de levure régulés dans un ensemble d'expériences.

Le système de bibliothèque des sciences de la santé soutient les sciences de la santé de l'Université de Pittsburgh.

© 1996 - 2014 Health Sciences Library System, Université de Pittsburgh. Tous les droits sont réservés.
Contactez le Webmestre


Analyse avancée des données de puces à ADN d'expression génique

Ce livre se concentre sur le développement et l'application des dernières techniques avancées d'exploration de données, d'apprentissage automatique et de visualisation pour l'identification de modèles intéressants, significatifs et nouveaux dans les données de microarrays d'expression génique.

Les chercheurs biomédicaux trouveront ce livre inestimable pour apprendre les méthodes de pointe d'analyse des données de microarrays d'expression génique. Plus précisément, la couverture comprend les méthodes de pointe suivantes :

• Analyse basée sur les gènes : les derniers algorithmes de clustering innovants pour identifier les gènes co-exprimés et les modèles cohérents dans les ensembles de données de microarrays d'expression génique

• Analyse basée sur des échantillons : méthodes supervisées et non supervisées pour la réduction de la dimensionnalité des gènes afin de sélectionner des gènes significatifs. Une série d'approches pour la classification et la découverte des maladies sont également décrites.

• Analyse basée sur les modèles : méthodes pour déterminer la relation entre (sous-ensembles de) gènes et (sous-ensembles d') échantillons. Divers nouveaux algorithmes de clustering basés sur des modèles pour trouver les modèles cohérents intégrés dans les espaces de sous-attributs sont discutés

• Outils de visualisation : diverses méthodes de visualisation des données d'expression génique. Le processus de visualisation est destiné à transformer l'ensemble de données d'expression génique d'un espace de grande dimension en un espace à deux ou trois dimensions plus facile à comprendre.


Commentaires du journaliste

Opportunité

Dernière modification le 11 août 1999.

Meilleure caractéristique

L'utilisation principale du site dans sa forme actuelle est de fournir des liens actuels et des informations détaillées sur l'utilisation et l'analyse des puces à ADN et le développement futur de la base de données d'expression génique de l'EBI. C'est ce qu'il fait extrêmement bien et c'est un excellent point de départ pour les personnes souhaitant commencer la recherche sur les puces à ADN.

Pire caractéristique

La fonctionnalité la plus frustrante est de ne pas pouvoir télécharger vos propres ensembles de données dans Expression Profiler à ce stade de son développement.

Liste de souhaits

Les grands ensembles de données utilisés dans ce type de recherche auront besoin d'un serveur puissant pour l'utilisation d'Expression Profiler. Il serait également bon que les composants du système Expression Profiler puissent être téléchargés pour s'exécuter sur des machines locales pour des laboratoires plus « intensifs en matrices ».

Sites Web connexes

De plus amples informations sur l'analyse des données des puces à ADN sont disponibles sur Expression Profiler, The microarray project et sur la page d'accueil du laboratoire de Patrick Brown.


22 septembre 2009

Informations minimales sur une expérience de microarray

Après le séquençage du génome, l'analyse des puces à ADN est devenue la source de données à l'échelle du génome la plus largement utilisée dans les sciences de la vie. Les études d'expression sur puces à ADN produisent des quantités massives d'expression de gènes et d'autres données de génomique fonctionnelle, qui visent à fournir un aperçu de la fonction et des inetractions des gènes au sein et entre les voies métaboliques. Contrairement aux données de séquence du génome, cependant, qui ont des formats standard pour la présentation et des outils et bases de données largement utilisés, une grande partie des microarrays daa générés jusqu'à présent restent inaccessibles.

Pour rendre ces informations accessibles dans un format approprié, MIAME (Minimum Information About a Microarray Experiment) a été introduit. Le format MIAME a été introduit pour répondre au besoin d'annotations complètes nécessaires pour interpréter les résultats des données de microarray. Il est indépendant de la plate-forme mais comprend des preuves essentielles sur la façon dont les mesures du niveau d'expression génique ont été obtenues.

Bien que le but de MIAME soit de spécifier uniquement le contenu de l'information et non le format technique, MIAME inclut des recommandations pour les parties de l'information qui doivent être fournies sous forme de vocabulaire contrôlé. MIAME comprend une description des six sections qui doivent être incluses :

1. Conception expérimentale
2. Conception de tableau
3. Échantillons
4. Hybridations
5. Mesures
6. Contrôles de normalisation

Ce format spécifique rendrait vraiment facile l'interprétation des données de microarray obtenues à partir de diverses expériences.
Pour en savoir plus sur MIAME, cliquez ici - http://www.mged.org/Workgroups/MIAME/miame.html


Après le séquençage du génome, l'analyse des puces à ADN est devenue la source de données à l'échelle du génome la plus largement utilisée dans les sciences de la vie. Les études d'expression sur puces à ADN produisent des quantités massives d'expression de gènes et d'autres données de génomique fonctionnelle, qui visent à fournir un aperçu de la fonction et des inetractions des gènes au sein et entre les voies métaboliques. Contrairement aux données de séquence du génome, cependant, qui ont des formats standard pour la présentation et des outils et bases de données largement utilisés, une grande partie des microarrays daa générés jusqu'à présent restent inaccessibles.

Pour rendre ces informations accessibles dans un format approprié, MIAME (Minimum Information About a Microarray Experiment) a été introduit. Le format MIAME a été introduit pour répondre au besoin d'annotations complètes nécessaires pour interpréter les résultats des données de microarray. Il est indépendant de la plate-forme mais comprend des preuves essentielles sur la façon dont les mesures du niveau d'expression génique ont été obtenues.

Bien que le but de MIAME soit de spécifier uniquement le contenu de l'information et non le format technique, MIAME inclut des recommandations pour les parties de l'information qui doivent être fournies sous forme de vocabulaire contrôlé. MIAME comprend une description des six sections qui doivent être incluses :

1. Conception expérimentale
2. Conception de tableau
3. Échantillons
4. Hybridations
5. Mesures
6. Contrôles de normalisation

Ce format spécifique rendrait vraiment facile l'interprétation des données de microarray obtenues à partir de diverses expériences.
Pour en savoir plus sur MIAME, cliquez ici - http://www.mged.org/Workgroups/MIAME/miame.html


Après le séquençage du génome, l'analyse des puces à ADN est devenue la source de données à l'échelle du génome la plus largement utilisée dans les sciences de la vie. Les études d'expression sur puces à ADN produisent des quantités massives d'expression de gènes et d'autres données de génomique fonctionnelle, qui visent à fournir un aperçu de la fonction et des inetractions des gènes au sein et entre les voies métaboliques. Contrairement aux données de séquence du génome, cependant, qui ont des formats standard pour la présentation et des outils et bases de données largement utilisés, une grande partie des microarrays daa générés jusqu'à présent restent inaccessibles.

Pour rendre ces informations accessibles dans un format approprié, MIAME (Minimum Information About a Microarray Experiment) a été introduit. Le format MIAME a été introduit pour répondre au besoin d'annotations complètes nécessaires pour interpréter les résultats des données de microarray. Il est indépendant de la plate-forme mais comprend des preuves essentielles sur la façon dont les mesures du niveau d'expression génique ont été obtenues.

Bien que le but de MIAME soit de spécifier uniquement le contenu de l'information et non le format technique, MIAME inclut des recommandations pour les parties de l'information qui doivent être fournies sous forme de vocabulaire contrôlé. MIAME comprend une description des six sections qui doivent être incluses :

1. Conception expérimentale
2. Conception de tableau
3. Échantillons
4. Hybridations
5. Mesures
6. Contrôles de normalisation

Ce format spécifique rendrait vraiment facile l'interprétation des données de microarray obtenues à partir de diverses expériences.
Pour en savoir plus sur MIAME, cliquez ici - http://www.mged.org/Workgroups/MIAME/miame.html


Biointelligence

Affymetrix — Développer des systèmes pour acquérir, analyser et gérer les informations génétiques.
Agilent Technologies — Fournisseur d'une gamme de puces à ADN pour différents organismes, fabrique le bioanalyseur 2100.
Asper Biotechnology — Fabrique des lames de verre pour microréseaux revêtues.
Axon Instruments — Conception et fabrication d'instruments pour la génomique et la protéomique.
BioDiscovery — Fournir des solutions logicielles pour la recherche sur l'expression génique.
BioMicro Systems — Fournit le système d'hybridation MAUI pour le mélange actif de volumes ultra faibles pendant l'hybridation de microréseaux.
BioRobotics — Conception, fabrication et fourniture de solutions automatisées pour la recherche en biologie moléculaire.
BioSieve — Fournit un package d'analyse de données de microarray sur la plate-forme Java.
Cartesian Technologies — Fournit des outils pour la manipulation de liquides à micro-échelle et l'automatisation associée.
Clondiag Chip Technologies — Logiciels et technologies d'imagerie et LIMS.
Clontech — Développement et production de produits biologiques innovants.
GeneData — Fournir des solutions informatiques pour l'analyse de grandes quantités de données.
GeneLogic — Fournit une plate-forme de gestion de données pour l'analyse de données à grande échelle.
Genemachines — Développer des machines pour l'automatisation de la génomique.
Gene Network Sciences — Développer des modèles informatiques dynamiques de cellules vivantes et des outils d'exploration de données de nouvelle génération.
Solutions génomiques — Fournir une variété d'outils de recherche génomique.
Genetix — Fournit des imprimantes à puces, des scanners, des réactifs et des consommables.
Genotypic — Une société de génomique et de bioinformatique, fournissant des produits et des services de microarrays.
Genome Explorations Inc. — Fournit une analyse de l'expression génique à l'aide de la plate-forme Affymetrix.
Iobion Informatics LLC — Logiciel de gestion et d'analyse de données de puces à ADN.
LION Bioscience — Fournit des systèmes d'analyse de données d'expression.
Molecular Dynamics — Développement et fabrication de systèmes de puces à ADN.
Motorola Life Sciences — Développement de solutions système pour le profilage d'expression génique haute performance.
MWG Biotech — Fournisseur de puces à ADN de plusieurs puces à génome entier, puces personnalisées et autres produits de puces
Ocimum Biosolutions — Fournit des solutions logicielles de biotechnologie, y compris Genowiz pour l'analyse et la gestion des données de microréseaux.
Packard BioScience — Produire des outils utilisés en génomique et en protéomique.
Perkin Elmer — Fournit une liste de divers produits de puces à ADN.
Rosetta Inpharmatics — Fournisseurs de solutions bioinformatiques et de systèmes d'analyse de l'expression génique.
Scanalytics — Fournit un logiciel d'analyse d'images pour l'extraction et la visualisation de données de puces à ADN.
Silicon Genetics — Fournit des produits d'analyse, de visualisation, d'exploration et de stockage des données d'expression génomique.
SSI Robotics — Systèmes d'automatisation robotique et intégration d'instruments pour les processus liés aux sciences de la vie.
Superarray Bioscience — Développement d'outils d'expression génique spécifiques à des voies/applications


Types et formats de puces à ADN

Nous avons analysé et analysé les types de puces à ADN suivants :

Affymetrix

  • 3'IVT Expression Arrays (toutes sortes, tous organismes)
  • Baies Gene ST
  • Baies Exon ST
  • Tableaux de transcriptome (gène, exons, jonctions), par exemple HTA 2.0
  • Tableaux de miARN (micro ARN)
  • Tableaux de génotypage à l'échelle du génome (par exemple, SNP 5.0, SNP 6.0 pour l'analyse SNP et Copy-Number)
  • Baies CytoScan R
  • Baies OncoScan R FFPE

Illumina

  • Génotypage des puces BedChip (par exemple HumanOmni2.5)
  • Matrices Expression BeadChip (par exemple, HumanHT-12)
  • Méthylation BeadChip Arrays (par exemple Illumina 450K BeadChips)

Technologies Agilent

  • Expression génique Tableaux (tous les organismes)
  • Tableaux d'expression de miARN
  • Microarrays CGH+SNP (détection du numéro de copie et analyse SNP)
  • Microarrays CGH (numéro de copie uniquement)

Nanocorde

Bien qu'elle compte réellement des données, la technologie Nanostrings nCounter utilise l'hybridation pour spécifier l'expression des gènes. Nous avons donc décidé de le mettre dans la section microarray. Nous analysons les données Nanostring de n'importe quel organisme et test.


Analyse de l'expression génique – prétraitement et normalisation des données

Les différences dans les valeurs d'expression génique observées peuvent provenir soit d'une variation technique indésirable, soit d'une variation biologique. La variation technique résulte de facteurs qui n'ont pas pu être contrôlés de manière adéquate dans une expérience, y compris les effets de lot, la préparation des échantillons et des variations inconnues au cours de l'expérience, qui peuvent affecter certains échantillons et pas d'autres. L'objectif de la normalisation mondiale est de supprimer les effets de la variation technique. Cependant, la normalisation globale suppose que la distribution globale des valeurs d'expression génique sera la même pour tous les ensembles d'échantillons dans les expériences. Cette hypothèse est valable lorsqu'on s'attend à ce que seule une petite minorité de gènes change dans l'expression des gènes. Si de gros changements dans l'expression des gènes se produisent, la normalisation globale faussera les changements biologiques réels.

Cet article de Hicks et Irizarry (2015) mentionne un certain nombre de moyens que les chercheurs ont utilisés pour la normalisation globale, et en particulier, aborde la normalisation quantile. Ils proposent une nouvelle statistique, quantro, pour déterminer à partir des données brutes si la normalisation quantile doit être utilisée.

Normalisation des données de microarray

Rafael Irizarry discute des problèmes statistiques de la normalisation des données des puces à ADN.

  • Pourquoi la normalisation est nécessaire 0:40-14:00
  • Normalisation quantile 14h00-23h17
  • Ajustement des courbes de Loess et normalisation des tableaux bicolores 23:20-42:30

Conférence de Rafael Irizarry sur la correction d'arrière-plan des données Affymetrix – explique comment la RMA augmente la précision


Applications bioinformatiques pour l'analyse des voies de données de microarrays

Les changements dans les niveaux de transcription sont évalués par une analyse de puces à ADN sur une base individuelle, résultant essentiellement en de longues listes de gènes qui se sont avérés avoir considérablement modifié les niveaux de transcription. Cependant, en biologie, ces changements ne se produisent pas comme des événements indépendants comme le suggèrent ces listes, mais d'une manière hautement coordonnée et interdépendante.

Comprendre la signification biologique des changements observés nécessite d'élucider ces interdépendances biologiques. Le moyen le plus courant d'y parvenir est de projeter les listes de gènes sur des processus biologiques distincts souvent représentés sous la forme de catégories d'ontologies géniques (GO) ou de voies métaboliques et régulatrices telles que dérivées de l'analyse de la littérature. Cette revue se concentre sur différentes approches et outils utilisés pour cette tâche, en commençant par les méthodes de classement GO, couvrant les cartographies de voies, convergeant enfin vers l'analyse de réseau biologique. Un bref aperçu de l'application de telles approches aux technologies les plus récentes basées sur les puces (Chromatin-ImmunoPrecipitation, ChIP-on-chip) conclut l'examen.


Remerciements

Nous sommes redevables à Roger Bumgarner du Center for Expression Arrays de l'Université de Washington pour son soutien généreux, ses suggestions et ses critiques tout au long du processus. Nous sommes également reconnaissants pour le soutien de Peter Rabinovich et du Nathan Shock Center of Excellence for the Basic Biology of Aging, à l'Université de Washington. Ce travail a été soutenu par le programme de formation des scientifiques médicaux NIGMS, une bourse de la Fondation Cora May Poncin (J.C.N) et par le NIH GM41624 (A.M.W.).


Voir la vidéo: DNA Microarray DNA chip technique (Octobre 2022).