基因芯片标准化方法之Quantile
2016-05-27 MedSci MedSci原创
基因芯片的测序原理是杂交测序方法，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，在一块基片表面固定了序列已知的靶核苷酸的探针。当溶液中带有荧光标记的核酸序列与基因芯片上对应位置的核酸探针产生互补匹配时，就能通过荧光信号强度判断基因表达量的强弱。对基因芯片数据的标准化处理，主要目的是消除由于实验技术所导致的表达量的变化，并且使各个样本和平行实验的数据处于相同的水平，从而使我们可以得到具有
基因芯片的测序原理是杂交测序方法，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，在一块基片表面固定了序列已知的靶核苷酸的探针。当溶液中带有荧光标记的核酸序列与基因芯片上对应位置的核酸探针产生互补匹配时，就能通过荧光信号强度判断基因表达量的强弱。
对基因芯片数据的标准化处理，主要目的是消除由于实验技术所导致的表达量的变化，并且使各个样本和平行实验的数据处于相同的水平，从而使我们可以得到具有生物学意义的基因表达量的变化。
一般芯片的杂交实验很容易产生误差，所以经常一个样本要做 3~6 次的重复实验。因此，平行实验间的数据差异可以通过标准化处理去处掉，而常见的标准化方法之一就是Quantile，用户可以用R语言中的limma包来实现这一过程。
下面我们就来介绍一下其算法。其算法主要分为三步：
（1）对每张芯片的数据点排序。
（2）求出同一位置的几次重复实验数据的均值，并用该均值代替该位置的基因的表达量。
（3）将每个基因还原到本身的位置上。
假设我们现在有一个4X3的矩阵，分别代表A/B/C/D四个基因以及三个样本。
1、首先我们对每个样本的数据进行排序：
2、然后求出同一位置几次重复实验数据的均值：
3、用均值代替原来的表达量之后再还原到本来的位置：
如果你还不懂，那就只能请教大牛，梅斯医学（MedSci）近期推出了针对高通量测序及生物芯片结果的生物信息分析，包括microRNA靶基因预测、mRNA深度分析、非编码RNA靶标基因分析、蛋白互作网络、共表达分析等，强大的学术团队肯定让你结识不少高逼格业内人士，如有问题，直接下载梅斯医学APP，加入群聊，帮你找到志同道合的小伙伴。
扫描并识别上方二维码，即可下载梅斯医学APP！
原始链接
https://en.wikipedia.org/wiki/Quantile_normalization
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#基因芯片#
65
#标准化#
50
#芯片#
42