[發明專利]一種識別顯著差異表達基因集合的方法

無效

• 申請號: 200810019862.3
• 申請日: 2008-03-19
• 公開（公告）號: CN101250584A
• 公開（公告）日: 2008-08-27
• 發明（設計）人: 王進;顧祖光;楊嶸;張辰宇
• 申請（專利權）人: 南京大學
• 主分類號: C12Q1/68
• 分類號: C12Q1/68;G06F19/00
• 代理公司: 南京蘇高專利商標事務所
• 代理人: 柏尚春

技術領域

本發明涉及高通量生物芯片基因表達檢測方法，特別涉及基因表達譜芯片 檢測中一種識別顯著差異表達基因集合的方法。

背景技術

高通量生物芯片檢測是對生物體各過程、各狀態進行各個層次的快速、并 行、大信息量檢測的先進技術。可以廣泛應用于疾病預警、尋找新的疾病基因、 以及分子生理和分子病理研究等方面。其關鍵技術之一是顯著差異表達基因集 合的識別。目前識別差異表達基因集合的方法是對基因表達值進行t檢驗后按t 值排序，并與隨機重排樣本的統計結果進行比較，從而識別顯著改變的基因集 合。該方法的問題是對大基因集合識別效果不佳，且識別效果受實驗重復性和 檢測次數的影響很大，若檢測次數少則識別效果差。所以現有識別方法難以適 應檢測次數不多的現實狀況，大大降低了基因表達值在實際應用中的價值。

發明內容

發明目的：本發明的主要目的是針對現有技術識別顯著表達基因集合的準 確度低、對檢測次數要求過高的問題，提供一種基于表達值加權分布的識別顯 著差異表達基因集合的方法。

技術方案：本發明公開了一種識別顯著差異表達基因集合的方法，它包括 以下步驟：

(1)設置和輸入芯片數據；

(2)將基因表達譜芯片所含基因歸屬至各個基因集合；

(3)判斷每一個基因集合中基因的個數是否大于設置中定義的個數，如果 判斷結果為否，則拋棄此基因集合；否則，執行下一步；

(4)計算每一個基因集合的表達變化指數，即E’值；

(5)將整張芯片上所有基因作為背景基因，按照步驟4的方法計算背景基 因集合的表達變化指數；對每一個基因集合去除背景，產生真實的基因集合表 達變化指數E值；

(6)檢驗各基因集合E值的顯著性；

(7)根據設定的E值和p值的閾值，判斷是否符合閾值要求，如果判斷結 果為否，則拋棄；如果判斷結果為是，則輸出識別結果；

其中，步驟(7)中所述p值為置信度。

本發明中，步驟(1)中，設置和輸入數據包括將熒光信號圖像掃描獲得的 數據進行預處理(數據轉換、缺失數據擬合、歸一化等常規處理)后，根據檢 測目的所計算的基因表達水平比值，以及判斷閾值，包括基因集合的表達變化 指數E值和p值。

本發明中，步驟(3)中，設置基因集合中所含基因數，比如，大于10，一 般根據本領域中實際應用中常見的情況而定的。

本發明中，步驟(4)中計算基因集合的表達變化指數的方法具體包括以下 步驟：(11)基因表達值的離散化；(12)計算表達分布的一階權重得分；(13) 計算基因集合的表達變化指數。其中，優選地，步驟(12)包括以下步驟：計 算上調區和下調區的差異表達離散分布和權重分布得分；對于有重復實驗的單 樣本芯片數據，計算差異表達權重分布后，將所有重復實驗中的加權表達值疊 加；對于有重復試驗的多樣本芯片數據，將樣本分級并賦予標簽值，組合各種 標簽值的加權表達值。其中所述的賦予標簽值，根據所識別基因集合的要求， 樣本之間正相關取+1，樣本之間負相關取-1。步驟(13)中用上調區和下調 區得分的比值取對數(E’值)來表示在此集合中的基因表達變化指數。

本發明中，步驟(6)檢驗各基因集合E值的顯著性，從背景基因中隨機挑 選與選定基因集合數目相同的基因，按步驟(4)和步驟(5)的做法計算真實 的基因集合表達變化指數E值，重復抽樣(比如1000次)，獲得各集合的E值 的顯著性。

本發明中，所述的權重分布計算使用一階權重公式為：