dat什么文件格式 Bioconductor分析基因芯片数据第五章(2)

例5-1中，芯片数据的输入是从数据包中得到的，但是在实际应用中，更常见的情况是从CEL中获得数据，无论是数据包还是文件输入，读入的数据会存入一个“affybatch"类型的对象中，可以通过执行help（affybatch)获得更详细的介绍

头文件：用于描述实验样本、平台等相关信息，其中包括phenoData,featureData,protocolData以及annotation等几个类

assayData:这是affybatch类必不可少的，他的第一个元素是矩阵类型，用于保存基因表达矩阵。该矩阵的行对应不同的探针组（probe sets)，用一个无重复的索引值表示，列对应不同的样品。当使用exprs方法时，调取的就是这个基因表达矩阵

质量控制对于后续的分析至关重要，原始图像（DAT文件）级别的质量控制一般用个芯片公司自带的软件（如affymetrix公司的GCOS)完成。本节中，质量控制主要集中在CEL文件级别的处理，从最简单的直观观察，到平均值方法，再到比较高级的数据拟合方法。这三个层次的质量控制分别功能分别用image函数simpleaffy包和affyPLM包实现

image函数表示选取的CLLbatch中的第一个基因芯片（即“CLL10.CEL"）的数据，然后调用image函数根据CEL文件中的灰度信息画图，affymetrix芯片在印刷时会在四个角印刷特俗的花纹，并且在左上角印刷芯片的名称，花纹与芯片名称可以帮助我们借助这个图像分辨率来了解芯片数据是否可靠。如果无法分辨四角花纹或芯片名称，很可能数据有问题

检测值（detection call)和检出率（percent present）:一组探针能否被检测到，用检测值有（present，简称R)、无（Absent,简称A)和不确定（Marginal presen,简称M)来表示检测范围的上下边界（a1及a2)选用了默认值0.04和0.06.检出率，是用所有检测值为p的探针数量除以芯片所有探针组数控得出的百分比。如果检出率过低，表示大部分的基因都未被检测到，很难说明是该芯片实验有问题，还是这个样品的大多数基因本身就很难检测到，有原因是表达量基地或是其他。因此，需要看多个样品之间的相对差别，如果有的样品的检出率与其他的有比较大的差别，那很可能该样品出现了问题

平均背景噪声（average background）：对于每一块芯片，根据所有的MM值作出统计，可以得到背景噪声的平均值、最小值和最大值。往往较高的背景噪声都伴随着最低的检出率，因此这两个指标可以结合使用

标准内参（internal control genes）:mRNA是按照5‘端到3’端的顺序来降解的，芯片探针组也是根据这个顺序来设计的，因此探针组的测量结果可以体现这一趋势。因为大部分的细胞都有β-action和GAPDH基因，所有affymetrix在大部分的芯片里都将他们设置为一组观察RNA降解成都的内参基因。根据这两个基于设计的探针组很好的涵盖了他们3‘端和5’端的每一个区段。通过比较他们3‘端相对于中间或者5’端的信号强度，可以很好地指示出实验质量。affymetrix建议这个比值对于β-action不大于3，对于GAPDH不大于1.25，即可以说明这个芯片的质量可以接受。如果这个比值很高，表明不完整的β-action或者GAPDH的存在，可能源于体外转录不好或者降解非常严重。如果使用的是affymetrix的小样本实验流程（small sample protocol）而不是常用的标准流程（standard protocol），建议使用3’端相对于中间的比值。原因是小样本流程有更扩增次数，有可能产生更多较短的转录序列，不可避免的带来3‘端的偏倚。为了验证的质量

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-87628-2.html