生信全书 Lesson 3 芯片标准分析流程

TIP

这些是本篇文章的标签，来发现更多感兴趣的内容吧
科研
解螺旋
生信全书
基因芯片

流程介绍

准备工作

R语言软件和程序包

• R语言软件：最新3.6.1版本
• 芯片分析所需程序包

原始数据和注释文件

• sample_group表格：样本分组信息
• raw data：芯片原始数据，例如昂飞芯片的CEL文件
• annotation表格：芯片注释信息

数据预处理

导入数据和分组信息

归一化

• Affy包rma函数进行背景矫正、归一化和表达值计算
• Impute包knn函数计算并补充缺失值

去除批次效应

• Sva包ComBat函数消除批次效应batch effect

构建表达、分组和差异表达矩阵

• 表达矩阵ExpMatrix
• 分组矩阵design matrix，又叫实验设计矩阵
• 差异表达矩阵contrast matrix，又叫对比矩阵

差异基因分析和可视化

计算差异基因（limma包）

• ImFit：针对表达矩阵和分组矩阵做线性模型拟合，再引入差异比
• eBayes：贝叶斯检验
• topTable：按要求输出差异基因和检验结果

定义并注释差异基因

• 根据logFC和P值定义表达差异
• 导入芯片注释信息，注释基因，生成DEG结果文件

可视化基因差异

• ggplot2包制作火山图
• pheatmap包制作热图

在线分析流程介绍

进一步学习R语言在数据处理方面的应用选修课程

在线数据库简要介绍

NetworkAnalyst数据库

• 网址：https://www.networkanalyst.ca/NetworkAnalyst/home.xhtml
• 是一个基因表达谱分析和荟萃分析的可视化在线分析平台
• 集成了先进的统计方法和创新的数据可视化系统
• 可以支持搞笑的书库比较，生物学解释和假设生成

优点

• 支持多个数据集的meta分析
• 集成功能分析和网络分析模块
• 注册后可以保存分析进度和项目

缺点

• 芯片数据有50M大小限制
• 某些分析模块自定义的部份很少，比如火山图

GEO数据库

• 全称：Gene Expression Omnibus
• 网址：https://www.ncbi.nlm.nih.gov/geo/
• 存储微阵列芯片和测序数据等高通量数据
• 由NCBI建立和维护
• GEO2R是GEO内置的一种交互式网络工具，基于Bioconductor项目GEOquery和limma包对GEO高通量数据进行差异分析

优点

• 可以访问和分析几乎所有的GEO高通量数据集

缺点

• 无法对不同的数据集进行meta-analysis
• 最多支持255个样本
• 不能进行后续的功能分析和网络分析

GCBI数据库

• 全称：Gene-Cloud of Biotechnology Information
• 网址：https://www.gcbi.com.cn/gclab/html/index
• 上海其明信息技术有限公司开发
• GCBI提供了芯片和测序公共数据的快速查询方式，还可以将查询的数据一键发送到GCBI在线分析实验室，进行分析

优点

• 支持自定义分析流程，分析项目全面

缺点

• 支持的芯片类型有限，具体见http://college.gcbi.com.cn/atchives/494
• 付费才能下载分析结果