마이크로어레이 기반 유전체 발현 분석

개요

데이터 분석

1. mRNA expression profiling
2. Differentially expressed gene analysis
3. Alternative splicing events
4. Classification of a large microarray data set analysis
5. Gene-set enrichment analysis
6. Enrichment analysis of GO terms and pathways
7. Prognostic subgroup prediction

분석 순서

분석 결과 및 설명

1. Expression Profile Analysis
1. 유전자의 발현 값을 바탕으로 유의한 차별 발현 유전자 선별: Affy
2. 발현 값을 이용하여 샘플간의 상관관계 및 유전자의 군집 양상을 분석: R
2. Functional Annotation
1. 알려져 있는 gene-set을 기반으로 두 그룹간의 생물학적 특징을 나타내는 유전자 발현 패턴 분석: GSEA
2. 생명현상의 이해에 중요한 정보를 갖고 있는 pathway를 mapping시켜주는 분석: ArraXPath
3. 발현패턴의 클러스터 간의 상관관계 및 중요한 클러스터를 GO term주석과 함께 시각화해주는 분석: BioLattice
4. 동일한 발현 양상을 보이는 genes을 기준으로 두 그룹간의 생물학적 특징을 나타내는 유전자 발현 패턴 분석: dCoxS
3. Clinical Survival Analysis
1. 환자의 추적데이터를 바탕으로 생존에 영향(변이의 유무 등)을 주는 요인을 분석: Kaplan-Meier Survival, Cox Proportional-Hazards Regression using R

분석 모듈 및 알고리즘

범주	통계 분석 알고리즘	세부 그룹 및 비고
유의 유전자 선별	Student's T-test	2 그룹, 모수적 방법
	Cyber-T test
	SAM (Significance Analysis of Microarray)
	Wilcoxon Rank Sum Test	2 그룹, 비모수적 방법
	Kruskal-Wallis Rank Sum
	One-way ANOVA	3 그룹 이상
	Two-way ANOVA
	Bayes ANOVA
분류 분석	PAM (Prediction Analysis of Microarray)	모수적 방법
	Quadratic Classification Algorithm
	Logistic Regression
	KNN (K-nearest Neighborhood) Classification	비모수적 방법
	SVM (Support Vector Machine)
	Classification and Regression Tree
군집 분석	Hierarchical Clustering	전통적 알고리즘
	K-Means Clustering
	K-Medoids Clustering
	SOM (Self-Organizing Map) Clustering
	PCA (Principal Component Analysis	인자 분석
	ICA (Independent Component Analysis)

분석 소요시간 및 결과 조건

1. Bioinformatics



칩 수(개)	데이터 분석 소요시간	가격(원)	비고
1~10	5 일 QC + Quantification: 1 일 Normalization : 1 일 Basic Analysis: 3 일	미 정	Affymetrix mRNA array
11~50	10 일	미 정
>100	>20 일	미 정



2. Microarray Experiment + Bioinformatics



칩 수(개)	실험 수행 및 데이터 분석 소요시간	가격(원)	비고
1	약 2 주 Sample prep. : 3 일 Image Processing : 1 일 QC + Quantification: 1 일 Normalization : 1 일 Basic Analysis: 3 일	미 정	Affymetrix mRNA array
10	약 2 주	미 정
>100	>4 주	미 정