Genexpressionsanalyse Diplomarbeit 1. Referat Mohammad Esad-Djou.

GenexpressionsanalyseGenexpressionsanalyse

Diplomarbeit

1. Referat1. Referat Mohammad Esad-Djou

04.11.2005 Genexpressionsanalyse 2

Ziele Beschreibung der Probleme Überblicke: Biologischer Hintergrund Pre-Processing Stand der Forschung Zielsetzung der Diplomrbeit


Gliederung Problemstellung Biologischer Hintergrund Biologische Datenbanken Pre-Processing

Backgrund-Korrektion Normalisierung PM Korrektion Summarization/ Aggregation

Stand der Forschung: GeWare Ziel der Diplomarbeit Zusammenfassung Literatur


Einführung Genexpressionsanalyse

Grosse Bedeutung in vielen Bereichen biomedizinischer Forschung

Ausbildung der einem Gen inhärenten Eigenschaften

GeneChip-Technologie: Hybridisierung von Nukleinsäurefragmenten an immobilisierten Probes

Probe: 25mere Oligonukleotide


Problemstellung: Messung und Analyse


Problemstellung Messung der Genexpression: Suche nach

Genen mit gleicher Expression bzw. differenzieller Expression

Techniken: Northern Blotting, SAGE, Microarray,…

Vorhandene Verfahren zur Messung und Analyse sind nicht zufridend!

Optimierung vorhandener Verfahren, um präzise und effektive Genexpressionsanalyse möglich zu sein.


Überblicke:Biologische Hintergrund Grundbegriffe: Gen, Protein,

Nukleotide, Codon, DANN, RNA, Basenpaar…

Entstehung der Proteine Replikation: Verdoppelung

der DNA Transkription: umschreiben

der DANN in RNA während der Genexpression

Translation: Übersetzung der mRNA in Proteine. Synthese eines Proteins an einer mRNA während der Genexpression


Überblicke:„Materielle Verarbeitung“

Weg des Experimentes von der Probenentnahme bis zum Scannen eines Chips

Kombination der Photolithographie und kombinatorischen Chemie



Entstehung der Proben, die an einem Silizium-Wafer festgelegt ist

Proben: 25mere Oligonukleotide



Fragmentierung der cRNA mit Hilfe von Metallsalzen und Hitze

Hybridisierung: Doppelstrangbildung von komplementären einzelsträngigen DNA- und/oder auch RNA-Molekülen.

Waschen, Färben, Scannen: letzte Schritte vor „Imageanalyse“ GeneChip Probe Array




Überblicke:Datenanalyse Übergang von materielle Ebene zur Pre-

Processing Image Analyse: gespeicherte

Informationen wird durch Computer analysiert und eine optimierte Image erstellt

Grund: Probleme bei Vorbereitung in materielle Ebene, z.B. Räumliche Effekte, wie die geschmierten Fläche durch Staub auf den Dia usw.


Überblicke:Biologische Datenbanken


Überblicke:Biologische Datenbanken


Average Difference: PM – MM Betrachte alle Differenzen ohne

Minimum und Maximum. Berechne das getrimmte Mittel y und

Standardabweichung sy aus verbleibenden Differenzen.

Eliminiere nun aus allen Differenzen die, die außerhalb von

liegen.

Pre-Processing:Backgrundkorrektion - MAS 4.0


Pre-Processing:Backgrundkorrektion - MAS 5.0 Micro Array Suite: Standard Pre-Processings- verfahren

in Affymetrix MAS 5.0: Verwendet beide PM und MM Proben

Pre-Processing der Probe-Zelle-Intensitäten: Background Subtraction und Noise Correction.

Justierung Tukey’s Biweight Estimator-Algorithmus

Chip: k-dimentionale Array (Default = 16) Berechnung des Hintergrundes bk und Noise-Value nk Erhalten des probespezifischen Hintergrundes B(x,y)

bzw. einer Noise-Value n(x,y) durch Berechnen einer bewerteten Summe alles bk und nk

B(x,y) ist subtrahiert von der roh Intensität: Falls < n(x,y), dann ersetzte die Probe-Intensität durch n(x,y)


MAS 5.0: Ideal Mismatch Problem: Falls physische Schätzung für

BG möglich, sonst unmöglich Abschätzung IM: auf Basis unserer Kenntnis vom

ganzen Probe-Mengen oder auf dem Benehmen von Untersuchungen im Allgemeinen

Diese Schätzung kann auch auf dem durchschnittlichen Verhältnis zwischen PM und MM, oder (wenn dieses Maß selbst zu klein ist) ein Wert, leicht kleiner als PM basiert werden.

Bestimmung des Hintergrundbruchvertreters: One-Step Biweight Algorithmus (Tbi)

Biweight Specific Background (SB) für Probe-Paar j in Probe-Menge i:


MAS 5.0: Ideal Mismatch Drei Fälle:


MAS 5.0: Ideal Mismatch Probe-Wert und Signal Log Value Berechnung der idealen Abweichungswert:

Probe-Wert: Schätzung der absoluten Expressionswert

für Probe-Menge: Skalierte Probe-Wert: Wenn die

Algorithmeneinrichten alle oder gewählte skalierte Probe-Mengen auf ein Ziel indizieren, wird ein gewicht Faktor (sf ) berechnet:


MAS 5.0: Ideal Mismatch Der berichtete Wert der Probe-Menge i

ist:

Normalisierungsfaktor (nf):

mit Scaled Probe Value:


MAS 5.0: One-Step Tukey’s Biweight Algorithm eine Methode, um ein robustes Mittel unbeeinflusst von

Outlier zu bestimmen. Bestimmung des Zentrum die Median der Daten Bestimmung des Abstandes von jedem Datenpunkt von der

Median, um zu bestimmen, wie viel jeder Wert zum Mittel beitragen sollte

Berechnung der Gewichte:

korrigierten Werte können jetzt durch Verwenden der One-Step w-schätzen berechnet werden:


MAS 5.0: Nachteil - Verrechnung Hauptnachteil: Man kann gleichzeitig nur zwei Proben vergleichen!

Dies kommt schnell aus Hand heraus (ausarten, ausufern), wenn man komplexe Versuche durchführt.

Die Analyse basiert auf PM-MM Modell MAS 5.0 (Siehe Folie 17): log (PMij – CTij) = log (qi) + eij, j = 1, …, J CT: replaces MM when MM>PM (avoid log of neg. numb.) qi: expression quantity on array eij: error i: arrays j: probe pairs Problem: error does not have equal variance for j = 1, …, J >> larger mean intensities have larger variances! Signal wird mit Gewalt positiv gestellt. Der „Ideal Match“ ist Mismatch

plus . Dadurch viele sehr kleine Signale.


MAS 5.0: Consequences for Datanalyse


MAS 5.0: Consequences for Datanalyse


Fragen?

Fragen?

Genexpressionsanalyse Diplomarbeit 1. Referat Mohammad Esad-Djou.

Documents