GEO芯片分析思路探讨
时间:2017-08-15 来源:原创 作者:BioWolf
微信公众号:biowolf_cn 点击:次
| 表达谱芯片分析非常常见，是非常简单易学的分析方法，如果是放在两年前，GEO芯片分析，那时非常热门，随着论文不断被发表，可以研究的课题越来越少，深度广大加大，这种热度也慢慢退却，但是这种研究方法是生物研究入门最佳研究思路。 以癌症芯片为例 首先要从NCBI GEO数据库下载癌症芯片表达谱数据，对数据进行处理，接着做差异表达基因的筛选，利用Ｒ软件及affy、limma、pheatmap、ggplot2等Ｒ软件包，进行数据挖掘及生物信息学分析。对基因芯片表达谱数据进行过滤和标准化，获取癌症及癌旁组织的差异表达基因。选择统计学检验后差异最为显著的基因作为研究对象(筛选条件可以设定为：logFC>2，P＜0.05)。 差异表达基因的功能富集分析，可以先应用DAVID数据库对筛选的显著差异基因进行分析。DAVID数据库集合多种基因注释数据库信息，可对基因数据集进行分析和注释。研究时主要应用DAVID数据库的基因本体(geneontology，GO)模块对差异表达基因进行系统分析。然后做KEGG富集通路分析，比较常见的是使用KOBAS3.0在线工具，做KEGG富集分析，得到KEGG富集通路图，以及富集柱状图。 最后可以做差异表达基因的调控网络分析，差异表达基因经DAVID数据库注释后，我们可以选择与功能（如细胞膜结构）相关的差异基因。这个是基于细胞膜与肿瘤细胞的转移与侵袭力高度相关的理论基础，这里我们可以应用GeneMANIA数据库对DAVID注释与细胞膜结构相关的基因进行网络结构分析，获取基因之间的共定位、共表达、共蛋白结构域等方面的关系，研究这些基因的分子调控网络之间的关系。  网络构建的时候，也可以使用String在线工具做蛋白互作网络，然后用Cytoscape软件对蛋白互作网络可视化，得到网络图，用于报告分析。 (责任编辑：伏泽 微信：18520221056) 
|
- 上一篇：NCBI表达谱芯片常用研究方法
- 下一篇：快速解决GEO芯片样本少的问题