Ｖｏｌ 高 等 学 校 化 学 学 报 Ｎｏ
年 月
ＣＨＥＭＩＣＡＬ ＪＯＵＲＮＡＬ ＯＦ ＣＨＩＮＥＳＥ ＵＮＩＶＥＲＳＩＴＩＥＳ
不 相 交 主 成 分 分 析 ＰＣＡ 和 遗 传 算 法 ＧＡ
用 于 差 异 表 达 基 因 的 识 别
苏振强
ＨＯＮＧ ＨｕｉＸｉａｏ
ＴＯＮＧ ＷｅｉＤａ
ＰＥＲＫＩＮＳ Ｒｏｇｅｒ
邵学广
蔡文生
中国科学技术大学化学系 合肥 Ｄｉｖｉｓｉｏｎ ｏｆ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ ＺＴｅｃｈ ａｔ ＦＤＡｓ
Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｔｏｘｉｃｏｌｏｇｉｃａｌ Ｒｅｓｅａｒｃｈ Ｊｅｆｆｅｒｓｏｎ ＡＲ ＵＳＡ
Ｃｅｎｔｅｒ ｆｏｒ Ｔｏｘｉｃｏｉｎｆｏｒｍａｔｉｃｓ Ｎａｔｉｏｎａｌ Ｃｅｎｔｅｒ ｆｏｒ Ｔｏｘｉｃｏｌｏｇｉｃａｌ ＲｅｓｅａｒｃｈＮＣＴＲ
ＵＳ Ｆｏｏｄ ａｎｄ Ｄｒｕｇ ＡｄｍｉｎｉｓｔｒａｔｉｏｎＦＤＡ Ｊｅｆｆｅｒｓｏｎ ＡＲ ＵＳＡ
南开大学化学系 天津
摘要建立了一种基于不相交主成分分析Ｄｉｓｊｏｉｎｔ ＰＣＡ 和遗传算法 ＧＡ 的特征变量选择方法 并用于从
基因表达谱Ｇｅｎｅ ｅｘｐｒｅｓｓｉｏｎ ｐｒｏｆｉｌｅｓ数据中识别差异表达的基因在该方法中 用不相交主成分分析评估基
因组在区分两类不同样品时的区分能力 用 ＧＡ 寻找区分能力最强的基因组 所识别基因的偶然相关性用统
计方法评估由于该方法考虑了基因间的协同作用更接近于基因的生物过程 从而使所识别的基因具有更
好的差异表达能力将该方法应用于肝细胞癌ＨＣＣ样品的基因芯片数据分析 结果表明 所识别的基因具
有较强的区分能力 优于常用的基因芯片显著性分析Ｓｉｇｎｉｆｉｃａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｍｉｃｒｏａｒｒａｙｓ ＳＡＭ方法
关键词基因芯片 主成分分析ＰＣＡ 遗传算法ＧＡ 基因芯片显著性分析ＳＡＭ 偶然相关
中图分类号Ｏ 文献标识码Ａ文章编号
收稿日期
基金项目 国家自然科学基金 批准号 和 资助
联系人简介 蔡文生 女 教授 博士生导师 主要从事化学信息学研究Ｅｍａｉｌ ｗｓｃａｉｎａｎｋａｉｅｄｕｃｎ
ＴＯＮＧ ＷｅｉＤａ 男 博士 主要从事毒理信息学及生物信息学研究Ｅｍａｉｌ ｗｅｉｄａｔｏｎｇｆｄａｈｈｓｇｏｖ
作为一种高通量筛选工具 基因芯片 Ｍｉｃｒｏａｒｒａｙ技术的发展为研究基因表达的方法带来了一场
革命
在微芯片上置入寡核苷酸探针或相应于 ｍＲＮＡ 序列的 ｃＤＮＡ 与细胞内的 ｃＤＮＡ 或 ｃＲＮＡ 进
行杂交 可以纵观细胞整体基因表达的情况传统的基因表达方法只能逐一研究单个基因的表达 不
能同时监测多个基因的表达情况 基因芯片技术则可以同时监测成千上万个基因表达水平的变化 这
种同时监测数万个基因的不同表达水平构成了与某一生理或病理现象相关的基因表达谱Ｇｅｎｅ ｅｘｐｒｅｓ
ｓｉｏｎ ｐｒｏｆｉｌｅｓ
随着基因芯片技术的深入研究和广泛应用 分析基因芯片数据向人们提出了新的挑战基因芯片
数据分析的基本任务之一是从数万个基因中寻找与疾病相关的差异表达基因 这些基因将成为诊断或
愈后相关疾病的基因标签Ｇｅｎｅ ｓｉｇｎａｔｕｒｅ
由于基因芯片数据通常只有相对较少的样本与上万个
基因数相比和相对较小的信噪比 使得差异表达基因的识别非常困难
倍数分析法ＦＣ是最早用于基因芯片数据分析的方法
也是最早用于识别差异表达基因的方
法ＦＣ 通过设定基因表达变化倍数的阈值Ｃｕｔｏｆｆ来识别差异表达的基因 但在实际应用中如何选择
合适的阈值却没有标准可供参考由于基因表达的变化程度以及实验中显著表达的基因数都依赖于所
研究的生物系统本身以及所采用的实验条件等诸多因素 只简单地设定 ＦＣ 的阈值不足以确定基因的
表达是否存在显著差异 所得到的结果也不可靠为了弥补 ＦＣ 方法的不足 许多统计学方法已被用于
差异表达基因的识别 如传统的 ｔ检验方法和基因芯片显著性分析Ｓｉｇｎｉｆｉｃａｎｃｅ ａｎａｌｙｓｉｓ ｏｆ ｍｉｃｒｏａｒｒａｙｓ
ＳＡＭ方法
等
统计学方法通常假定基因之间是相互独立的 评价基因是否在统计上有显著差异表达时只独立地
资源评论
