癌相關(guān)高通量組學(xué)數(shù)據(jù)的標(biāo)準(zhǔn)化.pdf

1、目前，隨著檢測(cè)全基因組的表達(dá)、甲基化、拷貝數(shù)等分子改變的高通量技術(shù)的發(fā)展，發(fā)現(xiàn)了大量的在癌組織中發(fā)生了表達(dá)、甲基化、拷貝數(shù)改變的基因，使得我們能夠更系統(tǒng)地分析癌癥的發(fā)病機(jī)理。在分析各種高通量組學(xué)數(shù)據(jù)時(shí)，一個(gè)基本的任務(wù)是要預(yù)先進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，而各種標(biāo)準(zhǔn)化算法都假設(shè)疾病中差異基因的比例很小及差異上、下調(diào)的基因數(shù)目大致相等。由于基因可能在復(fù)雜疾病中發(fā)生了廣泛而相關(guān)的分子改變，這種廣泛采用的不可靠的標(biāo)準(zhǔn)化假設(shè)很可能會(huì)對(duì)篩選差異表達(dá)基因等下游

2、分析有重大的影響。因此，本論文全面分析了在主要數(shù)據(jù)庫(kù)中收集的關(guān)于各種癌型的基因表達(dá)、甲基化和拷貝數(shù)等高通量組學(xué)數(shù)據(jù)，通過比較在癌癥與正常樣本中這些分子改變的分布差異，評(píng)價(jià)幾種主要的標(biāo)準(zhǔn)化方法，分析其影響生物學(xué)信號(hào)的偏倚程度。
　　首先，我們論證了基因在癌組織中廣泛差異表達(dá)的特性，而目前在基因表達(dá)譜實(shí)驗(yàn)中發(fā)現(xiàn)差異基因的低重復(fù)性現(xiàn)象實(shí)際上反映了癌相關(guān)基因廣泛差異表達(dá)的特征。我們以基因表達(dá)改變的方向作為測(cè)度來分析基因在癌癥樣本相對(duì)正常樣

3、本中的特定的上下調(diào)表達(dá)模式。結(jié)果顯示：對(duì)于在研究同種癌型的不同表達(dá)譜數(shù)據(jù)中識(shí)別的差異表達(dá)基因的改變方向是高度一致的，即基因在疾病樣本相對(duì)正常樣本的表達(dá)改變方向比較穩(wěn)定，具有特定的改變方向。然后，我們分析了癌相關(guān)高通量數(shù)據(jù)標(biāo)準(zhǔn)化方法的合理性。結(jié)果顯示：至少在癌癥研究中，將疾病組與正常組樣本一起標(biāo)準(zhǔn)化使得所有芯片的探針信號(hào)強(qiáng)度具有同樣的分布會(huì)使得篩選差異表達(dá)基因等后續(xù)分析產(chǎn)生嚴(yán)重的偏倚。在癌表達(dá)譜數(shù)據(jù)中包含大量上調(diào)表達(dá)的基因，采用這些傳統(tǒng)假

4、設(shè)的標(biāo)準(zhǔn)化方法會(huì)失查很多癌相關(guān)的上調(diào)差異表達(dá)基因并且產(chǎn)生很多假的下調(diào)差異表達(dá)基因。同時(shí)，我們發(fā)現(xiàn)在關(guān)于同一癌型的不同的原始數(shù)據(jù)中篩選出的差異表達(dá)基因的改變方向高度一致，提示在原始數(shù)據(jù)中自然存在著有效的生物學(xué)信號(hào)。因此，發(fā)展新的統(tǒng)計(jì)方法提高統(tǒng)計(jì)效能去挖掘在原始數(shù)據(jù)中有效生物學(xué)信號(hào)是可能的。對(duì)癌甲基化譜和拷貝數(shù)譜也進(jìn)行了類似的研究，結(jié)果顯示：癌癥與正常樣本中的甲基化譜原始信號(hào)值的中值沒有顯著差異，采用標(biāo)準(zhǔn)化數(shù)據(jù)額外找到的差異甲基化基因的改變

5、方向可以在關(guān)于同種癌型的獨(dú)立數(shù)據(jù)集中顯著一致地呈現(xiàn)，反映它們是有效的生物學(xué)信號(hào)。所以，可以采用標(biāo)準(zhǔn)化方法處理甲基化譜數(shù)據(jù)，但需要去除在標(biāo)準(zhǔn)化數(shù)據(jù)及非標(biāo)準(zhǔn)化數(shù)據(jù)中甲基化改變方向不一致的基因。在癌拷貝數(shù)譜數(shù)據(jù)中，我們發(fā)現(xiàn)了與癌表達(dá)譜類似的現(xiàn)象，即在癌拷貝數(shù)譜中存在大量的拷貝數(shù)擴(kuò)增基因，提示在原始數(shù)據(jù)中提取癌相關(guān)生物學(xué)信號(hào)可能更為合理。最后，我們還分析了cDNA芯片數(shù)據(jù)的一個(gè)重要的預(yù)處理問題，即對(duì)應(yīng)同一條Unigene的多個(gè)探針的檢測(cè)值之間的

6、相關(guān)性問題。結(jié)果顯示：探針注釋數(shù)據(jù)更新后，重復(fù)檢測(cè)探針值之間的高相關(guān)比例顯著提高，而大部分負(fù)相關(guān)的重復(fù)探針檢測(cè)值沒有通過差異表達(dá)篩選，說明盡管存在探針檢測(cè)技術(shù)變異等因素，通過篩選差異表達(dá)基因還是能夠相當(dāng)可靠地捕捉與癌相關(guān)的生物學(xué)信號(hào)。因此，基于差異表達(dá)基因的后續(xù)分析（尤其是篩選富集差異基因的功能模塊）可以得到可靠的生物學(xué)結(jié)論。
　　本文系統(tǒng)地分析了在癌組織中基因表達(dá)、甲基化和拷貝數(shù)改變的系統(tǒng)性特征，并據(jù)此論證了目前通常采用的數(shù)據(jù)標(biāo)