[发明专利]一种识别显著差异表达基因集合的方法

说明书

技术领域

本发明涉及高通量生物芯片基因表达检测方法，特别涉及基因表达谱芯片 检测中一种识别显著差异表达基因集合的方法。

背景技术

高通量生物芯片检测是对生物体各过程、各状态进行各个层次的快速、并 行、大信息量检测的先进技术。可以广泛应用于疾病预警、寻找新的疾病基因、 以及分子生理和分子病理研究等方面。其关键技术之一是显著差异表达基因集 合的识别。目前识别差异表达基因集合的方法是对基因表达值进行t检验后按t 值排序，并与随机重排样本的统计结果进行比较，从而识别显著改变的基因集 合。该方法的问题是对大基因集合识别效果不佳，且识别效果受实验重复性和 检测次数的影响很大，若检测次数少则识别效果差。所以现有识别方法难以适 应检测次数不多的现实状况，大大降低了基因表达值在实际应用中的价值。

发明内容

发明目的：本发明的主要目的是针对现有技术识别显著表达基因集合的准 确度低、对检测次数要求过高的问题，提供一种基于表达值加权分布的识别显 著差异表达基因集合的方法。

技术方案：本发明公开了一种识别显著差异表达基因集合的方法，它包括 以下步骤：

(1)设置和输入芯片数据；

(2)将基因表达谱芯片所含基因归属至各个基因集合；

(3)判断每一个基因集合中基因的个数是否大于设置中定义的个数，如果 判断结果为否，则抛弃此基因集合；否则，执行下一步；

(4)计算每一个基因集合的表达变化指数，即E’值；

(5)将整张芯片上所有基因作为背景基因，按照步骤4的方法计算背景基 因集合的表达变化指数；对每一个基因集合去除背景，产生真实的基因集合表 达变化指数E值；

(6)检验各基因集合E值的显著性；

(7)根据设定的E值和p值的阈值，判断是否符合阈值要求，如果判断结 果为否，则抛弃；如果判断结果为是，则输出识别结果；

其中，步骤(7)中所述p值为置信度。

本发明中，步骤(1)中，设置和输入数据包括将荧光信号图像扫描获得的 数据进行预处理(数据转换、缺失数据拟合、归一化等常规处理)后，根据检 测目的所计算的基因表达水平比值，以及判断阈值，包括基因集合的表达变化 指数E值和p值。

本发明中，步骤(3)中，设置基因集合中所含基因数，比如，大于10，一 般根据本领域中实际应用中常见的情况而定的。

本发明中，步骤(4)中计算基因集合的表达变化指数的方法具体包括以下 步骤：(11)基因表达值的离散化；(12)计算表达分布的一阶权重得分；(13) 计算基因集合的表达变化指数。其中，优选地，步骤(12)包括以下步骤：计 算上调区和下调区的差异表达离散分布和权重分布得分；对于有重复实验的单 样本芯片数据，计算差异表达权重分布后，将所有重复实验中的加权表达值叠 加；对于有重复试验的多样本芯片数据，将样本分级并赋予标签值，组合各种 标签值的加权表达值。其中所述的赋予标签值，根据所识别基因集合的要求， 样本之间正相关取+1，样本之间负相关取-1。步骤(13)中用上调区和下调 区得分的比值取对数(E’值)来表示在此集合中的基因表达变化指数。

本发明中，步骤(6)检验各基因集合E值的显著性，从背景基因中随机挑 选与选定基因集合数目相同的基因，按步骤(4)和步骤(5)的做法计算真实 的基因集合表达变化指数E值，重复抽样(比如1000次)，获得各集合的E值 的显著性。

本发明中，所述的权重分布计算使用一阶权重公式为：