Mikroarray tahlil qilish texnikasi - Microarray analysis techniques

Tafsilotlarni ko'rsatish uchun kattalashtirilgan ichki qismli taxminan 40,000 probning aniqlangan oligo mikroarrayiga misol.

Mikroarray tahlil qilish texnikasi DNKdagi tajribalardan hosil bo'lgan ma'lumotlarni izohlashda foydalaniladi (Gen chiplarini tahlil qilish), RNK va oqsil mikroarraylar, bu tadqiqotchilarga ko'p sonli genlarning ekspression holatini tekshirishga imkon beradi - aksariyat hollarda butun organizm genom - bitta tajribada.[iqtibos kerak ] Bunday tajribalar juda katta miqdordagi ma'lumotlarni yaratishi mumkin, bu tadqiqotchilarga hujayra yoki organizmning umumiy holatini baholashga imkon beradi. Bunday katta hajmdagi ma'lumotlarni kompyuter dasturlarining yordamisiz tahlil qilish qiyin - hatto mumkin emas.

Kirish

Mikroarray ma'lumotlarini tahlil qilish - bu mikroarray chipi tomonidan ishlab chiqarilgan ma'lumotlarni o'qish va qayta ishlashning yakuniy bosqichidir. Namunalar mikrochip yordamida tozalash va skanerlashni o'z ichiga olgan turli jarayonlarni boshdan kechiradi, so'ngra kompyuter dasturlari orqali qayta ishlashni talab qiladigan juda ko'p ma'lumotlar hosil bo'ladi. Bu quyidagi rasmda ko'rsatilganidek, bir nechta aniq bosqichlarni o'z ichiga oladi. Bosqichlarning har qanday birini o'zgartirish tahlil natijalarini o'zgartiradi, shuning uchun MAQC loyihasi[1] standart strategiyalar to'plamini aniqlash uchun yaratilgan. To'liq tahlilni amalga oshirish uchun MAQC protokollaridan foydalanadigan kompaniyalar mavjud.[2]

Mikroarray eksperimentda zarur bo'lgan qadamlar

Texnikalar

Toksikologik tadqiqotlar milliy markazi olim mikroarray ma'lumotlarini ko'rib chiqadi

Kabi mikroarray ishlab chiqaruvchilarning aksariyati Affimetriya va Chaqqon,[3] tijorat ma'lumotlarini tahlil qilish dasturlarini o'zlarining mikroraylovlari bilan bir qatorda taqdim etish. Mikroarray ma'lumotlarini tahlil qilishning turli usullaridan foydalanadigan ochiq manbali variantlar mavjud.

Birlashtirish va normallashtirish

Xuddi shu massivda duragaylangan ikki xil massivni yoki ikki xil namunani taqqoslash, odatda protseduralar va bo'yoqlarning intensivligi ta'siridagi farqlar natijasida yuzaga keladigan tizimli xatolarga tuzatish kiritishni o'z ichiga oladi. Ikki rangli massiv uchun bo'yoq normallashishiga ko'pincha erishiladi mahalliy regressiya. LIMMA fonni tuzatish va masshtablash uchun vositalar to'plamini, shuningdek slaydda takrorlanadigan joylarni o'rtacha hisoblash imkoniyatini beradi.[4] Massivning qanchalik normal holatga keltirilganligini baholashning keng tarqalgan usuli bu an chizishdir MA fitnasi ma'lumotlar. MA uchastkalari R, MATLAB va Excel kabi dasturlar va tillar yordamida ishlab chiqarilishi mumkin.

Raw Affy ma'lumotlari bir xil RNK maqsadlari uchun yigirmaga yaqin probalarni o'z ichiga oladi. Ularning yarmi "mos kelmaydigan joylar" bo'lib, ular maqsadli ketma-ketlikka aniq mos kelmaydi. Ular ma'lum bir maqsad uchun o'ziga xos bo'lmagan ulanish miqdorini nazariy jihatdan o'lchashlari mumkin. Sog'lom ko'p qatorli o'rtacha (RMA) [5] bu mos kelmaydigan joylardan foydalanmaydigan normallashtirish yondashuvi, ammo baribir mukammal o'yinlarni sarhisob qilishi kerak o'rtacha jilo.[6] Polsha mediani algoritmi, garchi mustahkam bo'lsa-da, tahlil qilingan namunalar soniga qarab turlicha harakat qiladi.[7] Kantilni normallashtirish, shuningdek, RMA ning bir qismi, keyingi taqqoslashlarni mazmunli qilish uchun massivlar partiyasini normallashtirish uchun oqilona yondashuvdir.

Muvaffaqiyatli mos keluvchi va mos kelmaydigan problarni ishlatadigan amaldagi Affymetrix MAS5 algoritmi mashhurlikdan bahramand bo'lishni davom ettiradi va bosh sinovlaridan yaxshi natijalarga erishadi.[8]

Agilent tomonidan MAS5 algoritmi qanday ishlashini ko'rsatadigan oqim sxemasi.

Sog'lom mikroraylovni umumlashtirish (FARMS) uchun omillarni tahlil qilish[9] - bu mukammal mos yozuvlar darajasida massiv ma'lumotlarini umumlashtirish uchun modelga asoslangan usul. Bu Bayes maksimal posteriori usuli Gauss o'lchov shovqini asosida model parametrlarini optimallashtiradigan omillarni tahlil qilish modeliga asoslangan. Affycomp benchmarkiga muvofiq[10] FARMlar sezgirlik va o'ziga xoslik bo'yicha boshqa barcha umumlashtirish usullaridan ustunlik qildilar.

Muhim differentsial ifodani aniqlash

Haddan tashqari ifoda etish yoki kam ifoda etish darajasini ko'rsatadigan qator problarni aniqlash bo'yicha ko'plab strategiyalar mavjud. Eng sodda - davolash guruhlari o'rtasida o'rtacha kamida ikki baravar farq qiladigan har qanday tekshiruvni "muhim" deb atash. Keyinchalik murakkab yondashuvlar ko'pincha bog'liqdir t-testlar yoki ta'sir hajmini ham, o'zgaruvchanlikni ham hisobga oladigan boshqa mexanizmlar. Qizig'i shundaki, ma'lum genlar bilan bog'liq bo'lgan p-qiymatlar takrorlanadigan tajribalar orasida yaxshi ko'paymaydi va to'g'ridan-to'g'ri katlama o'zgarishi natijasida hosil bo'lgan ro'yxatlar ancha yaxshi ishlaydi.[11][12] Bu juda muhim kuzatuvni anglatadi, chunki eksperimentlarni o'tkazish umumiy xatti-harakatni bashorat qilish bilan bog'liq. MAQC guruhi katlam o'zgarishini baholashni va p qiymatining qat'iy bo'lmagan kesimini ishlatishni tavsiya qiladi, shuningdek, fonni tuzatish va masshtablash jarayonidagi o'zgarishlar katlama o'zgarishi darajasining tartibiga minimal ta'sir ko'rsatishi kerakligini ta'kidlaydi, ammo p-qiymatlari.

Klasterlash

Klasterlash - bu o'xshash ekspression naqshlariga ega bo'lgan genlarni guruhlash uchun ishlatiladigan ma'lumotlarni qazib olish texnikasi. Ierarxik klasterlash va k - klasterlash degani mikroarray tahlil qilishda keng qo'llaniladigan usullar.

Ierarxik klasterlash

Asosiy maqola: Ierarxik klasterlash

Ierarxik klasterlash - nisbatan topish uchun statistik usul bir hil klasterlar. Ierarxik klasterlash ikki alohida fazadan iborat. Dastlab, a masofa matritsasi genlarning barcha juftlik masofalarini o'z ichiga olgan. Pearsonning o'zaro bog'liqligi va Spearmanning o'zaro bog'liqligi ko'pincha o'xshashliklarni baholash sifatida ishlatiladi, ammo shunga o'xshash boshqa usullar Manhetten masofasi yoki Evklid masofasi, shuningdek qo'llanilishi mumkin. Mavjud masofa o'lchovlari sonini va ularning klasterlash algoritmi natijalaridagi ta'sirini hisobga olgan holda, bir nechta tadqiqotlar mikroarray ma'lumotlarini klasterlash uchun turli xil masofaviy o'lchovlarni taqqosladi va baholadi, ularning ichki xususiyatlari va shovqinga chidamliligi.[13][14][15] Dastlabki masofa matritsasini hisoblab chiqqandan so'ng, ierarxik klaster algoritmi (A) bitta ma'lumotlar punktlaridan (aglomerativ, pastdan yuqoriga yondoshish) boshlanadigan eng yaqin ikkita klasterni iterativ ravishda birlashtiradi yoki (B) bo'limlari takroriy ravishda to'liq to'plamdan boshlab (bo'linish, yuqoridan pastga yondashish). Har bir qadamdan so'ng, yangi hosil bo'lgan klasterlar va boshqa klasterlar o'rtasida yangi masofa matritsasi qayta hisoblab chiqiladi. Ierarxik klasterni tahlil qilish usullari quyidagilarni o'z ichiga oladi.

  • Yagona aloqa (minimal usul, eng yaqin qo'shni)
  • O'rtacha bog'lanish (UPGMA ).
  • To'liq bog'lanish (maksimal usul, eng uzoq qo'shni)

Turli tadkikotlar allaqachon tasdiqlanganki, Yagona bog'lanishni klasterlash algoritmi mikroarray ma'lumotlarini ekspluatatsiya qilishda foydalanilganda yomon natijalarga olib keladi va shuning uchun ulardan qochish kerak.[15][16]

K - klasterlash degan ma'noni anglatadi

Asosiy maqola: k - klasterlash degani

K-vositalarni klasterlash - bu namunalar asosida genlarni yoki namunalarni guruhlash algoritmi K guruhlar. Guruhlash ma'lumotlar va tegishli klaster orasidagi masofalar kvadratlari yig'indisini minimallashtirish yo'li bilan amalga oshiriladi centroid. Shunday qilib, K-vositalarni klasterlashning maqsadi shu kabi ifoda asosida ma'lumotlarni tasniflashdir.[17] K - klasterlash algoritmi va uning ba'zi bir variantlari (shu jumladan) k-medoidlar ) genlarning ekspression ma'lumotlari uchun yaxshi natijalarga erishganligi ko'rsatilgan (hech bo'lmaganda ierarxik klasterlash usullaridan yaxshiroq). Ning empirik taqqoslashlari k-degani, k-medoidlar, ierarxik usullar va turli xil masofaviy o'lchovlarni adabiyotda topish mumkin.[15][16]

Naqshni tanib olish

Zukkolik kabi genlar tarmog'ini tahlil qilish uchun tijorat tizimlari[18] va Pathway studiyasi[19] dolzarb ilmiy adabiyotlar asosida differentsial ifoda etilgan genlarning ingl. FunRich kabi notijorat vositalar,[20] GenMAPP va Moksiskaan shuningdek, bir yoki bir nechta mikroarray tajribalaridan olingan genlar tarmog'i ma'lumotlarini tashkil qilish va tasavvur qilishda yordam beradi. Mikroarray tahlil qilish vositalarining ko'p turlari mavjud Bio o'tkazgich da yozilgan R dasturlash tili. Tez-tez keltirilgan SAM moduli va boshqa mikroarray vositalari[21] Stenford universiteti orqali mavjud. Boshqa to'plam Garvard va MIT-da mavjud.[22]

FunRich vositasi chiqishining misoli. Rasmda 4 xil genni taqqoslash natijasi ko'rsatilgan.

Mikroarray eksperimentida genning mos yozuvlar holatiga nisbatan haddan tashqari yoki kam ekspresiya darajasini aniqlash uchun statistik tahlil qilish uchun maxsus dasturiy vositalar ham ishlab chiqilgan, ular bilan bog'liq bo'lgan genlar yoki genlar to'plamini aniqlashga yordam beradi. fenotiplar. Sifatida ma'lum bo'lgan tahlil usullaridan biri Genlar to'plamini boyitish Tahlil (GSEA), a dan foydalanadi Kolmogorov-Smirnov - birgalikda tartibga solinadigan genlar guruhlarini aniqlash uchun uslublar statistikasi.[23] Ushbu uchinchi tomon statistik to'plami foydalanuvchiga qiziqish genlari yoki genlari to'plamlari, shu jumladan NCBI kabi ma'lumotlar bazalaridagi yozuvlarga havolalar haqida ma'lumot beradi. GenBank va Biocarta kabi ma'lumotlar bazalari[24] va Gen ontologiyasi. Protein kompleksini boyitishni tahlil qilish vositasi (COMPLEAT) shunga o'xshash boyitish tahlilini oqsil komplekslari darajasida ta'minlaydi.[25] Ushbu vosita turli xil sharoitlarda yoki vaqt punktlarida dinamik oqsil kompleksini aniqlashni aniqlay oladi. Tegishli tizim, PAINT[26] va SCOPE[27] ilgari aniqlanganlarni vakili va vakili ostida aniqlab, genlarning promotor mintaqalari bo'yicha statistik tahlilni amalga oshiradi transkripsiya omili javob elementlari. Boshqa statistik tahlil qilish vositasi - bu Genlarning to'plamlari uchun Rank Sum Statistics (RssGsc), bu tajriba ma'lumotlarini tushuntiradigan genlar to'plamini topish uchun daraja yig'indisi ehtimolini taqsimlash funktsiyalaridan foydalanadi.[28] Keyingi yondashuv - bu kontekstli meta-tahlil, ya'ni gen klasterining turli xil eksperimental sharoitlarga qanday javob berishini aniqlash. Genevestigator anatomik qismlar, rivojlanish bosqichlari va kasalliklar, kimyoviy moddalar, stresslar va boshqa holatlarga javob berish kabi kontekstda meta-tahlilni amalga oshirishning ommaviy vositasidir. neoplazmalar.

Mikroelementlarning ahamiyatini tahlil qilish (SAM)

SAM.png

Mikroelementlarning ahamiyatini tahlil qilish (SAM) a statistik texnika, 2001 yilda Virjiniya Tusher tomonidan tashkil etilgan, Robert Tibshirani va Gilbert Chu, o'zgarishini aniqlash uchun gen ekspressioni statistik ahamiyatga ega. Kelishi bilan DNK mikroarraylari, endi bitta duragaylash tajribasida minglab genlarning ifodasini o'lchash mumkin. Yaratilgan ma'lumotlar juda muhim va muhim va ahamiyatsiz narsalarni ajratish usuli juda muhimdir. SAM tomonidan tarqatiladi Stenford universiteti ichida R to'plami.

SAM statistik jihatdan muhim genlarni o'ziga xos genlarni aniqlash orqali aniqlaydi t-testlar va statistikani hisoblab chiqadi dj har bir gen uchun j, bu gen ekspressioni va javob o'zgaruvchisi o'rtasidagi bog'liqlik kuchini o'lchaydi.[29][30][31] Ushbu tahlil foydalanadi parametrik bo'lmagan statistika, ma'lumotlar quyidagicha bo'lmasligi mumkin normal taqsimot. Javob o'zgaruvchisi ma'lumotlarni eksperimental sharoitlar asosida tavsiflaydi va guruhlaydi. Ushbu usulda takrorlanadi almashtirishlar ma'lumotlardan biron bir genning ekspressioni javob bilan bog'liqligini aniqlash uchun ishlatiladi. Permutatsiyaga asoslangan tahlildan foydalanish genlarning o'zaro bog'liqligini hisobga oladi va ularni oldini oladi parametrli individual genlarning tarqalishi haqidagi taxminlar. Bu boshqa texnikalarga nisbatan afzallikdir (masalan, ANOVA va Bonferroni ), ular genlarning teng xilma-xilligini va / yoki mustaqilligini nazarda tutadi.[32]

Asosiy protokol

  • Amalga oshirish mikroarray tajribalar - oligo va cDNA primerlari, SNP massivlari, oqsillar massivlari va boshqalar bilan DNK mikroarrayri.
  • Microsoft Excel-da kirishni ifodalash tahlili - pastga qarang
  • SAM-ni Microsoft Excel plaginlari sifatida ishga tushiring
  • Delta tuning parametrini sozlang va qabul qilingan yolg'on kashf qilish tezligi (FDR) bilan bir qatorda muhim genlarni oling va SAM Plot Controller-dagi ifodadagi o'rtacha farqni hisoblab, namuna hajmini baholang.
  • Differentsial ravishda ifodalangan genlarning ro'yxati (ijobiy va salbiy ifodalangan genlar)

SAM ishlayapti

  • SAM-ni onlayn yuklab olish mumkin http://www-stat.stanford.edu/~tibs/SAM/ akademik va akademik bo'lmagan foydalanuvchilar uchun ro'yxatdan o'tish bosqichi tugagandan so'ng.
  • SAM Excel plaginlari sifatida ishlaydi va SAM Plot Controller soxta kashfiyot darajasi va deltasini moslashtirishga imkon beradi, SAM Plot va SAM chiqishi funktsiyasi esa muhim genlar ro'yxatini, delta jadvalini va namunaviy o'lchamlarni baholashni yaratadi.
  • Permutatsiyalar namunalar soniga qarab hisoblab chiqiladi
  • Permutatsiyalarni bloklash
    • Bloklar - bu mikrorarralar to'plami; masalan, ikki guruhga bo'lingan sakkizta namunada (nazorat va ta'sirlangan) har bir blok uchun 4! = 24 ta permutatsiya mavjud va ularning umumiy soni (24) (24) = 576 ga teng. Minimal 1000 ta almashtirish tavsiya etiladi;[29][33][34]

foydalanuvchi tomonidan SAM-ni ishga tushirish uchun ma'lumotlar to'plamiga to'g'ri qiymatlarni kiritish paytida permutatsiyalar soni o'rnatiladi

Javob formatlari

Turlari:[29]

  • Miqdoriy - haqiqiy qiymat (masalan, yurak urish tezligi)
  • Bitta sinf - o'rtacha gen ekspressioni noldan farq qiladimi yoki yo'qligini tekshiradi
  • Ikki sinf - ikki o'lchov to'plami
    • Juftlanmagan - o'lchov birliklari ikki guruhda har xil; masalan. turli xil bemorlarning namunalari bilan nazorat va davolash guruhlari
    • Ulangan - bir xil eksperimental birliklar ikki guruhda o'lchanadi; masalan. bir xil bemorlarning davolanishidan oldin va keyin namunalar
  • Ko'p sinf - har biri turli xil eksperimental birliklarni o'z ichiga olgan ikkitadan ortiq guruh; ikkita sinfning juftlashtirilmagan turini umumlashtirish
  • Omon qolish - hodisaga qadar bo'lgan vaqt ma'lumotlari (masalan, o'lim yoki qayt qilish)
  • Vaqt kursi - har bir eksperimental birlik birdan ortiq vaqt nuqtasida o'lchanadi; eksperimental birliklar bir yoki ikkita sinf dizayniga kiradi
  • Pattern kashfiyoti - aniq javob parametri ko'rsatilmagan; foydalanuvchi ifoda ma'lumotlarining o'ziga xosligini (asosiy komponentini) aniqlaydi va ularni miqdoriy javob sifatida ko'rib chiqadi

Algoritm

SAM ekspression ma'lumotlarining permutatsion tahlili asosida gen ekspressionidagi nisbiy farqlar bo'yicha test statistikasini hisoblab chiqadi va kashfiyotning noto'g'ri tezligini hisoblaydi. Dasturning asosiy hisob-kitoblari quyida keltirilgan.[29][30][31]

Samcalc.jpg RandS.jpg

The so ning o'zgaruvchanlik koeffitsientini minimallashtirish uchun doimiylik tanlanadi dmen. rmen gen uchun ifoda darajalariga (x) tengdir men y tajriba sharoitida.

O'zgarishlar (t) hech bo'lmaganda oldindan belgilangan miqdordagi sezilarli o'zgarish deb ataladigan genlarni kafolatlash uchun ko'rsatilgan. Bu shuni anglatadiki, har ikki sharoitda genning o'rtacha ekspression darajalarining absolyut qiymati musbat deb ataladigan katlanish o'zgarishidan (t) kattaroq va manfiy deb ataladigan katlama o'zgarishining teskari (t) dan kichikroq bo'lishi kerak.

SAM algoritmini quyidagicha ifodalash mumkin:

  1. Sinov statistikasini kattaligiga qarab buyurtma qiling [30][31]
  2. Har bir almashtirish uchun buyurtma qilingan nol (ta'sirlanmagan) ballarni hisoblang [30][31]
  3. Kutilgan nol ballarga qarshi buyurtma qilingan test statistikasini tuzing [30][31]
  4. Agar ushbu gen uchun test statistikasining mutloq qiymati va ushbu gen uchun o'rtacha test statistikasi belgilangan chegaradan katta bo'lsa, har bir genni muhim deb nomlang. [31]
  5. Kutilgan va kuzatilgan qiymatlarga asoslangan holda soxta kashfiyotlar miqdorini taxmin qiling [30][31]

Chiqish

  • Muhim gen to'plamlari
    • Ijobiy genlar to'plami - genlar to'plamidagi ko'pgina genlarning yuqori ekspressioni fenotipning yuqori qiymatlari bilan o'zaro bog'liq. y
    • Salbiy genlar to'plami - genlar to'plamidagi ko'pgina genlarning past ifodasi fenotipning yuqori qiymatlari bilan o'zaro bog'liq. y

SAM xususiyatlari

  • Oligo yoki cDNA massivlari, SNP massivi, oqsil massivlari va boshqalar. SAM-da ishlatilishi mumkin[30][31]
  • Ekspression ma'lumotlarini klinik parametrlarga bog'laydi[32]
  • Ekspression ma'lumotlarini vaqt bilan o'zaro bog'laydi[29]
  • Ko'p sinov uchun False Discovery Rate-ni taxmin qilish uchun ma'lumotlar almashinuvidan foydalanadi[30][31][32][35]
  • Mahalliy kashfiyot darajasi haqida xabar beradi (shunga o'xshash d ga ega bo'lgan genlar uchun FDR)men bu gen sifatida)[29] va stavkalarni o'tkazib yubormang [29][30]
  • Muolajalar turli xil massivlarda qo'llanilganda blokirovka qilingan dizayn bilan ishlay oladi[29]
  • Muhim deb nomlangan gen sonini belgilaydigan chegarani sozlashi mumkin[29]

Xatolarni tuzatish va sifat nazorati

Sifat nazorati

Barcha massivlarda vizual tekshiruv, bir xil eksperimental guruhdagi massivlarni juftlik bilan taqqoslash yoki RNK degradatsiyasini tahlil qilish yo'li bilan aniqlanadigan aniq kamchiliklar bo'lishi mumkin.[36] Ushbu massivlarni tahlildan butunlay olib tashlash orqali natijalar yaxshilanishi mumkin.

Fonni tuzatish

Massiv turiga qarab, yaxshi natijalarga erishish uchun ftoroforning o'ziga xos bo'lmagan bog'lanishi bilan bog'liq signalni olib tashlash mumkin. Bitta yondashuv dog'lar orasidagi maydonning o'rtacha signal intensivligini olib tashlashni o'z ichiga oladi. TIFR-dan fonni tuzatish va keyingi tahlil qilish uchun turli xil vositalar mavjud,[37] Tezkor (GeneSpring ),[38] va Ocimum Bio Solutions (Genowiz).[39]

Spot filtrlash

Bosib chiqarish yoki yuvishdagi nuqsonlar kabi mahalliy eksponatlarni vizual aniqlash ham xuddi shunday joylarni yo'q qilishni taklif qilishi mumkin. Bu massivni tayyorlash sifatiga qarab ancha vaqt talab qilishi mumkin. Bundan tashqari, ba'zi protseduralar ma'lum bir intensivlik chegarasidan past bo'lgan ifoda qiymati bo'lgan barcha joylarni yo'q qilishni talab qiladi.

Shuningdek qarang

Adabiyotlar

  1. ^ Doktor Leming Shi, Toksikologik tadqiqotlar milliy markazi. "MicroArray sifat nazorati (MAQC) loyihasi". AQSh oziq-ovqat va farmatsevtika idorasi. Olingan 2007-12-26.
  2. ^ "GenUs BioSystems - xizmatlar - ma'lumotlarni tahlil qilish". Olingan 2008-01-02.
  3. ^ "Agilent | DNK mikroelementlari". Arxivlandi asl nusxasi 2007 yil 22 dekabrda. Olingan 2008-01-02.
  4. ^ "LIMMA kutubxonasi: Mikroarray ma'lumotlar uchun chiziqli modellar". Olingan 2008-01-01.
  5. ^ Irizarri, RA; Xobbs, B; Kollin, F; Beazer-Barclay, YD; Antonellis, KJ; Sherf, U; Tezlik, TP (2003). "Yuqori zichlikdagi oligonukleotidlar massivi zond darajasi ma'lumotlarini o'rganish, normallashtirish va xulosalar". Biostatistika. 4 (2): 249–64. doi:10.1093 / biostatistika / 4.2.249. PMID  12925520.
  6. ^ Bolstad BM, Irizarry RA, Astrand M, Speed ​​TP (2003). "Yuqori zichlikdagi oligonukleotidlar massivi uchun normallashtirish usullarini dispersiya va noaniqlik asosida taqqoslash". Bioinformatika. 19 (2): 185–93. doi:10.1093 / bioinformatika / 19.2.185. PMID  12538238.
  7. ^ Giorgi FM, Bolger AM, Lohse M, Usadel B (2010). "Algoritmga asoslangan Artefaktlar Mikroarray ma'lumotlarini polshalik medianada umumlashtirishda". BMC Bioinformatika. 11: 553. doi:10.1186/1471-2105-11-553. PMC  2998528. PMID  21070630.
  8. ^ Lim WK, Vang K, Lefebvre C, Califano A (2007). "Mikroarrayni normalizatsiya qilish protseduralarini qiyosiy tahlili: teskari muhandislik genlari tarmoqlariga ta'siri". Bioinformatika. 23 (13): i282-8. doi:10.1093 / bioinformatika / btm201. PMID  17646307.
  9. ^ Hochreiter S, Clevert DA, Obermayer K (2006). "Afimetrik zond darajasidagi ma'lumotlar uchun yangi umumlashtirish usuli". Bioinformatika. 22 (8): 943–949. doi:10.1093 / bioinformatics / btl033. PMID  16473874.
  10. ^ "Affycomp III: Affymetrix GeneChipni ifodalash choralari uchun mezon".
  11. ^ Shi L, Reid LH, Jons WD va boshq. (2006). "MicroArray Quality Control (MAQC) loyihasi genlar ekspresiyasi o'lchovlarining interraplatformli va intraplatformali takrorlanuvchanligini namoyish etadi". Nat. Biotexnol. 24 (9): 1151–61. doi:10.1038 / nbt1239. PMC  3272078. PMID  16964229.
  12. ^ Guo L, Lobenhofer EK, Vang C va boshq. (2006). "Sichqoncha toksikogenomik tadqiqoti mikroarray platformalar bo'yicha analitik izchillikni aniqlaydi". Nat. Biotexnol. 24 (9): 1162–9. doi:10.1038 / nbt1238. PMID  17061323. S2CID  8192240.
  13. ^ Janob, Robert; va boshq. (2005). R va bio o'tkazgich yordamida bioinformatika va hisoblash biologiyasining echimlari. Nyu-York: Springer Science + Business Media. ISBN  978-0-387-29362-2.
  14. ^ Jaskoviyak, Pablo A.; Campello, Rikardo JG.B.; Kosta, Ivan G. (2013). "Genlarning ekspressioni mikrorayram ma'lumotlarini klasterlash uchun yaqinlik choralari: tasdiqlash metodologiyasi va qiyosiy tahlil". Hisoblash biologiyasi va bioinformatika bo'yicha IEEE / ACM operatsiyalari. 10 (4): 845–857. doi:10.1109 / TCBB.2013.9. PMID  24334380. S2CID  760277.
  15. ^ a b v Jaskoviyak, Pablo A; Kampello, Rikardo JGB; Kosta, Ivan G (2014). "Genlarning ekspression ma'lumotlarini klasterlash uchun mos masofani tanlash to'g'risida". BMC Bioinformatika. 15 (Qo'shimcha 2): S2. doi:10.1186 / 1471-2105-15-S2-S2. PMC  4072854. PMID  24564555.
  16. ^ a b de Souto, Marcilio C. P.; Kosta, Ivan G.; de Araujo, Daniel S. A.; Lyudermir, Tereza B.; Shliep, Aleksandr (2008). "Saraton genlarining ekspression ma'lumotlarini klasterlash: qiyosiy o'rganish". BMC Bioinformatika. 9 (1): 497. doi:10.1186/1471-2105-9-497. PMC  2632677. PMID  19038021.
  17. ^ http://www.biostat.ucsf.edu
  18. ^ "Zukkolik tizimlari". Olingan 2007-12-31.
  19. ^ "Ariadne Genomics: Pathway Studio". Arxivlandi asl nusxasi 2007-12-30 kunlari. Olingan 2007-12-31.
  20. ^ "FunRich: funktsional boyitish tahlili". Olingan 2014-09-09.
  21. ^ ["Mikro-massivlarning ahamiyatini tahlil qilish". Olingan 2007-12-31.]
  22. ^ "Dasturiy ta'minot - keng". Olingan 2007-12-31.
  23. ^ Subramanian A, Tamayo P, Mootha VK va boshq. (2005). "Genlar to'plamini boyitish tahlili: genom bo'yicha ekspression profillarini talqin qilish uchun bilimga asoslangan yondashuv". Proc. Natl. Akad. Ilmiy ish. AQSH. 102 (43): 15545–50. doi:10.1073 / pnas.0506580102. PMC  1239896. PMID  16199517.
  24. ^ "BioCarta - Charting hayot yo'llari". Olingan 2007-12-31.
  25. ^ Vinayagam A, Xu Y, Kulkarni M, Roesel C va boshq. (2013). "Yuqori tezlikli ma'lumotlar to'plamlari uchun oqsillarni kompleks asosida tahlil qilish tizimi. 6, rs5 (2013)". Ilmiy ish. Signal. 6 (r5): rs5. doi:10.1126 / scisignal.2003629. PMC  3756668. PMID  23443684.
  26. ^ "DBI Veb". Arxivlandi asl nusxasi 2007-07-05 da. Olingan 2007-12-31.
  27. ^ "SAHA". Olingan 2007-12-31.
  28. ^ "RssGsc". Olingan 2008-10-15.
  29. ^ a b v d e f g h men Chu, G., Narasimxan, B, Tibshirani, R, Tusher, V. "SAM" Mikro-massivlarning ahamiyatini tahlil qilish "Foydalanuvchilar uchun qo'llanma va texnik hujjat." [1]
  30. ^ a b v d e f g h men Zang, S .; Guo, R .; va boshq. (2007). "Statistik xulosalar metodlarini integratsiyasi va ekspression profillash ishlarida ma'lumotlarni tahlil qilishning sezgirligi va o'ziga xosligini oshirish uchun yangi nazorat chorasi". Biomedikal informatika jurnali. 40 (5): 552–560. doi:10.1016 / j.jbi.2007.01.002. PMID  17317331.
  31. ^ a b v d e f g h men
  32. ^ a b v Tusher, V. G.; Tibshirani, R .; va boshq. (2001). "Ionlashtiruvchi nurlanish reaktsiyasiga tatbiq etilgan mikro-massivlarning ahamiyatini tahlil qilish" (PDF). Milliy fanlar akademiyasi materiallari. 98 (9): 5116–5121. Bibcode:2001 yil PNAS ... 98.5116G. doi:10.1073 / pnas.091062498. PMC  33173. PMID  11309499.
  33. ^ Dinu, I. P.; JD; Myuller, T; Liu, Q; Adewale, AJ; Jangri, GS; Eynek, G; Famulski, KS; Halloran, P; Yasui, Y. (2007). "SAM-GS tomonidan mikroarray ma'lumotlarining genlar to'plamini tahlilini takomillashtirish". BMC Bioinformatika. 8: 242. doi:10.1186/1471-2105-8-242. PMC  1931607. PMID  17612399.
  34. ^ Jeffery, I. H.; DG; Culhane, o'zgaruvchan tok. (2006). "Mikroarray ma'lumotlaridan differentsial ravishda ifodalangan genlar ro'yxatini yaratish usullarini taqqoslash va baholash". BMC Bioinformatika. 7: 359. doi:10.1186/1471-2105-7-359. PMC  1544358. PMID  16872483.
  35. ^ Larsson, O. W. C; Timmons, JA. (2005). "Microarrays (SAM) algoritmining ahamiyatli tahlilidan foydalanishda mulohaza". BMC Bioinformatika. 6: 129. doi:10.1186/1471-2105-6-129. PMC  1173086. PMID  15921534.
  36. ^ Wilson CL, Miller CJ (2005). "Simpleaffy: Affymetrix sifatini boshqarish va ma'lumotlarni tahlil qilish uchun BioConductor to'plami". Bioinformatika. 21 (18): 3683–5. doi:10.1093 / bioinformatika / bti605. PMID  16076888.
  37. ^ "J. Kreyg Venter instituti - dasturiy ta'minot". Olingan 2008-01-01.
  38. ^ "Agilent | GeneSpring GX". Olingan 2008-01-02.
  39. ^ "Ocimum Biosolutions | Genowiz". Arxivlandi asl nusxasi 2009-11-24. Olingan 2009-04-02.

Tashqi havolalar