유전자 세트 농축 분석에 많은 방법 중 하나입니다 유전자 발현 분석 프로필 데이터와는에 설명되어 있습니다 종이확장 연구소에서 근로자의.
기본 개념은 공부하는 관찰에 의해 메시지가 표시되었습니다 개인 유전자 두 상태 또는 phenotypes 사이의 표현 수준에서 가장 큰 차이를 보여주는 것은 기계론의 통찰력이 부족. 대신에, 그것은을 위해 더 많은 의미가 유전자 세트 일부를 공유 생물 링크, 하고 질문을 - 전체 세트는 통계적으로 표시되는 이유는 무엇입니까 중요한 강화 차동 표현이있는 유전자의?
A 유전자 세트 선택할 수 있습니다, 선천적 인, e.g 데는 여러 가지 이유가. 알려진 유전자의 집합은 이상에 의해 영향을 할- 마이크로 RNA의 이하 표현, 혹은 염색체 위치에 따라 일련의 선택, 또는 유전자가 어떤 분자 함수, 세포 구성 요소와 / 또는 생물학적 과정은의 제어 어휘를 사용하여 할당 된 유전자 온톨로지.
GSEA 접근 방식에 대한 하나의 장점은 통합 할 수 있습니다 것입니다 귀하의 전체 데이터 집합, 임의로 선택한 차동 표현 임계있는 사람 성적뿐 아니라. "어떻게이 전체 데이터 세트를 사용하는 OK 할 수 있습니다 -이을 읽고 많은 사람들이 생각됩니다 확신합니다? 일반적으로 난 단지와 유전자를 생각한다 >2 (또는 다른 좋아하는 가치를)-배 차동 표현식은. "그 접근 방식이 유효합니다 그 이유는 낮은 수준이나 복제 사이에 큰 차이가있는 표현 유전자 GSEA에서 사용되는 주요 메트릭에 기여하지 않는 것입니다, '농축 점수' (ES).
GSEA 처음으로 작동 순위 로 각 유전자의 표현 값 노이즈 신호 비 - 각 표현형을 나타내는 샘플에 대한 평균 값의 차이를 계산하고 표준 편차의 합을 기준으로 결과를 축소. 이 다른 주 (州)와 생물 사이에 약간의 변화 사이의 표현 수준에 큰 차이가있는 유전자 복제 있다는 것을 의미는 매우 순위가 결정됩니다.
다음 단계는 그 ES, GSEA에 의해 생성되는 기본 통계, 각 유전자 집합에 대해 계산 - GSEA 설명서에, 이는 훌륭하게 소프트웨어를 설명, 이 나타내는:
"모든 유전자가 처음 잡음 비율의 신호에 의해 순위가 결정됩니다, 다음 ES는 유전자의 순위 다운 "도보"로 계산됩니다 증가 a 실행 - 합 유전자가 유전자 세트에 통계 및 감소 그 안 때. The 크기 증가의에 따라 달라집니다 상관 관계 있는 유전자의 표현형. ES는 목록을 도보로 발생 0에서 최대 편차입니다. A 긍정적 인 ES는의 유전자 세트 농축을 나타냅니다 상단 순위 목록의; a 음수 ES는의 유전자 세트 농축을 나타냅니다 바닥 순위 목록의. "
ES 값은 표준화 그리고 유전자 세트의 크기와에 따라 잘못된 검색 속도 계산됩니다, 잘못된 반응의 예상 가능성을 제공 할 수. GSEA은 매우 편안한 기본 값을 사용하여 25%, 생물은 복제의 상대적으로 큰 번호와 가설 생성에 적합입니다.
에서 데이터 작업 과학자 비 인간 샘플은 여전히 GSEA를 사용할 수 있습니다, 하지만 필요조심하다 - 유전자 기호 "는 GSEA에 의해 사용번역"그들의 인간 등가물의 i.e에서. microarray를 대표 관심 종의 유전자에 사용되는 식별자들은 대한 기호로 변환 인간 orthologues, 다음 분석에 사용. Subramanian 및 동료 주장 이 전환은 거의가 있거나하는 효과가 없어요 GSEA의 유틸리티에 대한; 그것은 여러 아닌 인류에 성공적으로 사용되었습니다, 상세 결과를 조사했을 때 물론이 방법은 염두에 보관해야합니다.
훌륭한을 위해, 에 대한 심층적 인, 경로 도구의 검토, 상담:
경로 분석에 대한 조언의 또 다른 좋은 소스, 특히 R 통계 패키지에 익숙한 사람들은을위한 여기에.
추가 읽기
한 트랙백
[...] 데이터 differentially - 표현 성적에 대한 게놈 전체. 확장 연구소의 놀라운 GSEA 도구를 사용하여, 나는 특정 유전자 온톨로지 조건과 경로가 있다는 통계 증거를 평가 [...]