Upload
valerian-esquivel
View
59
Download
1
Tags:
Embed Size (px)
DESCRIPTION
Microarray Data Analysis. Letizia Magnoni Junior Scientist Sienabiotech Spa. Argomenti. Cosa e’ un esperimento di microarray A cosa serve Come si puo’ disegnare un esperimento Normalizzazione Analisi Analisi Cluster Annotazioni dei geni selezionati. Gene expression. - PowerPoint PPT Presentation
Citation preview
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Microarray Data Analysis
Letizia MagnoniJunior Scientist
Sienabiotech Spa
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Argomenti
• Cosa e’ un esperimento di microarray • A cosa serve• Come si puo’ disegnare un
esperimento• Normalizzazione• Analisi • Analisi Cluster • Annotazioni dei geni selezionati
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
• Ogni cellula contiene una copia completa del genoma dell’organismo.
• Esistono vari tipi e stati di cellule (cellule di sangue, nervi e pelle, cellule che si dividono, cellule cancerogene, ecc.)
Gene expression
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Variazione dell’espressione
• Cosa rende le cellule diverse tra loro?
• L’espressione differente dei geni, cioe’ quando, dove e quanto ogni gene e’ espresso.
• In media, il 40% dei nostri geni e’ espresso in ogni momento.
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
mRNA
cDNA
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Perche’ Microarrays
• In passato solo analisi di un gene (o pochi) alla volta (Northern blot)
• Oggi fino a 40.000 geni su una sola microarray.
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Applicazioni di Microarrays
• Individuazione di target per farmaci e validazione – identificazione di geni modulati in modo specifico rispetto ad una
certa malattia (differential expression)
• Elicidazione dei meccanismi dell’azione– Drug safety profiling– Guilt by association (geni con comportamento connesso tra loro)– Pathway modeling
• Classificazione di nuovi composti• Diagnostica• Identificazione di Biomarkers
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
“Disegno” di un esperimento
• Insieme dei trattamenti selezionati per il confronto
• La specificazione delle unita’ a cui verranno somministrati i trattamenti
• Le regole secondo cui i trattamenti vengono assegnati ad ogni unita’ sperimentale
• La specificazione delle misurazioni (R/G)
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Disegno Sperimentale
• Fonti di variazione:– Variazione biologica– Variazione tecnica– Variazione dovuta
alla collocazione degli elementi nelle arrays.
G. A. Churchill in Nature Genetics vol. 32, 2002
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Vari Disegni Sperimentali
• Dye-swap:
• Dye-swap ripetuto:
• Dye-swap con replica biologica:
BA
A B
A1 B1
A2 B2
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Vari Disegni Sperimentali
• Reference:
N.B. Questo disegno sperimentale non mette in luce la variabilita’ introdotta dalla colorazione.
• Per migliorare questo disegno:
N.B. Meta’ delle misurazioni vengono fatte nel campione di minore interesse.
A mix B
Ref
A
B
Ref
A
B
A mix B
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Vari Disegni Sperimentali
• Loop: A1 B1
B2 A2
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Trattamenti: A B
Replicati:
Colorazioni:
Arrays:
Disegno:
G R G R G R G RRNA1 RNA2 RNA3 RNA4
A1 A2 B1 B2
A2
A1 B1
B2
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Trattamenti: A B
Replicati:
Colorazioni:
Arrays:
Disegno:
RGRNA1 RNA2 RNA3 RNA4
A1 A2 B1 B2
RG RG RG
A1 B1
A2 B2
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Normalizzazione
• Si vuole togliere dai dati tutta quella variabilita’ che non ha origine biologica:– Campioni (isolamento, estrazione di RNA,..)– Probe nature (cDNA clones, oligos, ..)– Arrays (substrato, lotto, difetti di superficie, ..)– Colorazione (colore, attivita’ specifica, ..)– Ibridizzazione (tempo, temperatura)– Misurazione (hardware, software, saturation)
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Normalizzazione
• Possibili approcci:
– Housekeeping genes set (which genes, mean value)
– Complete gene set (min./selected/all, fluorescence intensity)
– Spiked exogeneous control mRNAs (mean value)
– Linear regression analysis
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Tecniche di normalizzazione
• Normalizzazione dell’intensita’ totale
– Questo tipo di normalizzazione assume una uguale quantita’ di mRNA per entrambi i campioni etichettati.
– Si cerca una costante “c” che aggiusti i dati in modo tale che i due campioni abbiano media o mediana uguale.
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Normalizzazione dell’intensita’ totale
La trasformazione degli assi coordinati ci permette di visualizzare meglio i dati
i
ii
iii
G
RM
GRA
2
2
log
log
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Tecniche di Normalizzazione
• Tecniche di Regressione:– Regressione lineare dei dati e successiva
normalizzazione in modo tale che il coefficiente lineare della retta di regressione abbia coefficiente angolare unitario.
– Regressione lineare locale (LOWESS)“LOcally WEighted Scatter plot Smooth”
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Normalizzazione con tecniche di regressione locale
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Analisi Statistica dei dati
• Si vuole rispondere alle domande:
– La differenza che vedo nei miei dati e’ significativa?
– Le differenze osservate sono dovute solo alla diversa risposta dei campioni ai trattamenti?
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
T-test con due campioni: confronto tra le due medie
• Ipotesi:– I campioni hanno distribuzioni normali;– I campioni sono originati da due variabili
indipendenti;– Due possibili assunzioni sulle varianze:
se o altrimenti.22
21
La statistica test ha una distribuzione t di Student
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Confronto tra medie di due campioni in un esperimento di Microarray• Si vogliono evitare tutte le assunzioni fatte
precedentemente. • Statistica test (Welch Statistic); per ogni gene i
calcoliamo:
1
21
2
22
12
n
s
n
s
xxt
ii
iii
• Per determinarne la distribuzione possiamo utilizzare algoritmi di permutazione o di bootstrap.
B. Efron, R. J. Tibshirani: “An Introduction to the Bootstrap”, Chapman & Hall (1993)
S. Dudoit et al: “Statistical methods for identifying differentially expressed genes in replicated cDNA Microarray Experiments”, Statistica Sinica 12(2002), pp 111-139
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Permutation test
– Stima la distribuzione della statistica test sotto l’ipotesi nulla (che non ci sia differenza tra i due campioni) tramite permutazioni dei campioni etichettati.
– Il p_value e’ dato come frazione delle permutazioni per cui il valore della statistica test e’ (almeno) tanto estremo quanto quello che e’ stato osservato.
gp
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Multiple testing
• Supponiamo di avere un esperimento con 10.000 geni e decidiamo di controllare l’errore di tipo I al 5% (rifiuto l’ipotesi nulla quando il p-value e’ minore di 0.05):
– il valore atteso di rigettare in modo errato l’ipotesi nulla sara’: 10.000 x 0.05 = 500.
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Multiple testing methods
• Dobbiamo considerare il fatto di dovere aggiustare il livello di significativita’ del nostro test (multiple testing procedure)
– Bonferroni (non e’ consigliabile per esperimenti di microarrays)
– Westfall and Young step-down procedure– False Discovery Rates (FDR; Benjamini and
Hochberg, 1995)
Dudoit et al, “Multiple Hypothesis Testing in Microarray Experiments”, U.C. Berkeley Division of Biostatistics Working Paper Series, 2002
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Modelli ANOVA
• Questi modelli cercano di dare una stima delle piu’ importanti fonti di variabilita’ presenti in un esperimento.– Arrays (Ai) i = 1,2,..,#arrays
– Dyes (colorazione) (Dj) j = 1,2
– Varieties (trattamenti) (Vk) k = 1,2,..,#varieties
– Genes (Gg) g = 1,2,..,#genes
ijkgjgkgiggkjiijkg DGVGAGGVDAy )()()()log(
Il modello che si assume e’:
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Modelli ANOVA e disegno sperimentale
• Disegno Dye-Swap
• Disegno reference
ijkgkgiggkjiijkg VGAGGVDAy )()()log(
A B
ijkgkggkiijkg VGGVAy )()log(
RefA
B
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Analisi da un punto di vista Bayesiano
• Entrambe le tecniche presentate hanno un approccio mediante la statistica Bayesiana.
– P. Baldi,”A Bayesian framework for the analysis of microarray expression data: regularized t-test and statistical inferences of gene changes”, Bioinformatics, Vol.17, no 6, pp 509-519 (2001)
– D.A.Henderson, “Bayesian Statistical Methods for the Detection of Differential Gene Expression and Control of Multiple Hypothesis Testing in cDNA and Oligonucleotide Microarray Experiments”, University of Arizona
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Siti interessanti
http://www.stat.berkeley.edu/users/terry/Group/index.html
http://www.jax.org/staff/churchill/labsite/research/index.html
http://www.gene-chips.com/
http://www.nslij-genetics.org/microarray/analy.html
http://www.mged.org/Workgroups/MIAME/miame.html
http://www.bioconductor.org/
http://www.bio.davidson.edu/courses/genomics/chip/chip.html
Bioinformatics and statistics in drug discovery companyLetizia Magnoni
Grazie