dat什么文件格式 Bioconductor分析基因芯片数据第五章(3)

qc图的看法，图5-8是CLL数据集中全部24个芯片数据的质量控制总览图。图5-8中从左至右，第一列是所有样品的名称；第2列是两个数字（对应每个样品），上面是以百分比形式出现的检出率，下面的数字表明平均背景噪音；第3列（"QQ stats")最下面的横轴是尺度因子等指标对应的坐标，取值范围从-3到3，用浅蓝色虚线作为边界。第3列用到了三项指标：尺度因子、GAPDH3'/5'比值和action3比值（记做graph3/graph5和action3/action5),分别用实心圆、空心圆和三角标志表示出来。另外，如果第三列中出现红色的”bioB"字样，说明该样品中未能检测到BioB

简单地讲，所有指标出现蓝色表示正常，红色表示可能存在质量问题。但是根据实际情况不同，还要进一步分析。一般来讲，如果有一个芯片各项指标都不太正常，尤其是BioB无法检测到，建议判定为该芯片实验失败。如图5-3中的样品”CLL15.CEL",这个数据的检出率（38.89%）明显低于其他样品，action3/action5远大于3，而且没有检测到BioB,因此可以判定此数据无效。如果多个芯片都出现了相同的问题，原因则可能是多方面的；如左侧第2列24个芯片的检出率和背景噪声都很高，原因是阈值设定过高，如果降低阈值，大部分就会变蓝；再如，全部芯片都不能检测到BioB,有可能是嵌入探针所针对的DNA溶液加入比例不对

基于平均值家建设的评价指标都有一个,默认的假设，那就是对于每一块新片，质量是均匀的，不会随着位置变化发生较大的变化。但如果关注芯片的每个小格（Grid),就会发现格与格之间的质量也是有差异的，这可能由于芯片印刷的问题，也可能是过程中出现的问题。那么如何才能得到比较可靠的质量评估，这需要设计多种能反映芯片数据全貌的指标综合分析从而得出最终的结论。这些指标要在对原始数据拟合（回归）的基础上计算得到，然后以图的形式显示，包括：权重（weights)&（residuals)图、相对对数表达（relative log expression，RLE)箱线图、相对标准差（normalized unscaled standard errors,NUSE)箱线图、RNA降解曲线、聚类分析（cluster analysis）图、主成分分析（principal component analysis，PCA)图、信号强度分布图及MA图等，以上功能由Bionconductor中的affyPLM包实现

一般情况下，在权重图中，绿色代表较低的权重（接近0），白色、灰色代表较高的权重（接近1）；在残差图中，红色代表正的高残差，蓝色代表负残差；在残差符号中，红色代表正的残差，蓝色代表负的残差。如果权重和残差都是随机分布的，应该看到绿色均匀分布的权重图和红蓝均匀分布的残差图。图5-9中，左上为原始图像，右上为权重图，左下为残差图，右下为残差符号图。另外，还可以看到，图中左上部出现了一些白色的条块，这是正常的现象，因为有些时候，探针会按照GC比率（GC ratio）排布从而导致白斑的，那什么样的权重和残差图是不可接受的呢

在对比实验中，即使是相互比较的对照组与实验组之间，大部分基因的表达量还是应该保持一致的，平行实验之间一致性更强。相对对数表达（RLE)箱线图可以反映上述趋势，它定义为一个探针组在某个样品的表达值除以该探针组在所有样品中表达值的中位数后取对数。一个样品的所有探针组的RLE的分布可以用一个统计学中常用的箱型图形表示。如果使用RLE箱线图来控制CLL数据集的实验质量，每个样品的中心应该非常接近纵坐标0的位置（图5-11）。如果个别样品的表现与其他样品的表现与其他大多数明显不同，那说明这样品有问题

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-87628-3.html