醫(yī)學(xué)數(shù)據(jù)挖掘功能分析專家講座

基因表示數(shù)據(jù)取得與分析徐娟Email：xujuan8475@163.com生物信息教研室分子學(xué)館106辦公室醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第1頁基因芯片數(shù)據(jù)基礎(chǔ)分析思緒預(yù)處理差異表示基因篩選聚類與分類功效注釋和富集分析醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第2頁依據(jù)疾病風(fēng)險基因識別疾病風(fēng)險通路利用各種技術(shù)（基因表示譜、RNAseq、質(zhì)譜、大規(guī)模突變、全基因組關(guān)聯(lián)分析等）識別疾病風(fēng)險基因注釋這些基因到通路中識別疾病風(fēng)險通路分析這些通路與疾病相關(guān)性醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第3頁丙酮酸丙酮酸激酶2-磷酸甘油酸磷酸烯醇式丙酮酸烯醇化酶葡萄糖6-磷酸葡萄糖6-磷酸果糖1,6-雙磷酸果糖3-磷酸甘油醛1,3-二磷酸甘油酸3-二磷酸甘油酸http://www.genome.jp/kegg-bin/show_pathway?org_name=rn&mapno=00010&mapscale=1.0&show_description=show葡萄糖代謝通路醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第4頁MAPK信號通路醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第5頁節(jié)點間各種關(guān)系經(jīng)過這些詳細(xì)互作關(guān)系，我們能夠更清楚了解通路！http://www.genome.jp/kegg/document/help_pathway.htmlhttp://www.genome.jp/kegg/xml/docs/Detail：醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第6頁泛素化去磷酸化抑制激活磷酸化綁定/相關(guān)http://www.genome.jp/kegg/pathway/hsa/hsa04630.html醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第7頁/ERGOBioCyc/GeneDB/通路數(shù)據(jù)庫KEGG

其它通路數(shù)據(jù)庫：/ReactomeGWT/entrypoint.htmlReactomewikipathways/index.php/WikiPathwaysbiocarta/http://www.genome.jp/kegg/醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第8頁KEGG數(shù)據(jù)庫介紹KyotoEncyclopediaofGenesandGenomes1995年5月，日本教育、科學(xué)、體育和文化部攜手建立了KEGG數(shù)據(jù)庫。由日本京都大學(xué)生物信息學(xué)中心Kanehisa試驗室開發(fā)KEGG是系統(tǒng)地分析基因功效、鏈接基因組信息和功效信息數(shù)據(jù)庫,意在揭示生命現(xiàn)象遺傳與化學(xué)藍(lán)圖。數(shù)據(jù)庫維護(hù)人員不定時依據(jù)最近出版一些學(xué)術(shù)論文和生物學(xué)試驗得到數(shù)據(jù)對該數(shù)據(jù)庫進(jìn)行更新，經(jīng)過了17年發(fā)展，數(shù)據(jù)庫規(guī)模不停擴大，其應(yīng)用價值也得到了世界范圍內(nèi)認(rèn)可。與其它數(shù)據(jù)庫相比，KEGG一個顯著特點就是含有強大圖形功效，它利用圖形而不是繁縟文字來介紹眾多代謝路徑以及各路徑之間關(guān)系。醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第9頁KEGG主頁KEGG分析工具醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第10頁KEGGPATHWAYhttp://www.genome.jp/kegg/pathway.html能夠看到KEGG收錄全部代謝路徑信息通路類別

醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第11頁KEGGpathway分類

1.Metabolism

2.GeneticInformationProcessing

3.EnvironmentalInformationProcessing

4.CellularProcesses

5.OrganismalSystems

6.HumanDiseases

6.1Cancers

6.2ImmuneSystemDiseases

6.3NeurodegenerativeDiseases

6.4CardiovascularDiseases

6.5MetabolicDiseases

6.6InfectiousDiseases

醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第12頁心血管疾病（CardiovascularDiseases）肥厚性心肌病(HCM)

hypertrophiccardiomyopathy致心律失常性右心室心肌癥(ARVC)

Arrhythmogenicrightventricularcardiomyopathy擴張性心肌癥(DCM)Dilatedcardiomyopathy

病毒性心肌炎Viralmyocarditis醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第13頁糖尿?。═ypeIIdiabetesmellitus）結(jié)腸直腸癌（Colorectalcancer）醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第14頁KEGG通路中疾病基因信息？1.Metabolism

2.GeneticInformationProcessing

3.EnvironmentalInformationProcessing

4.CellularProcesses

5.OrganismalSystems

6.HumanDiseases

KEGG通路中疾病信息？醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第15頁查詢通路中疾病信息進(jìn)入KEGG網(wǎng)站http://www.genome.jp/kegg/pathway.html選擇一個通路（如：MAPK）進(jìn)入該通路，改變通路顯示方式為Homosapiens(human)+Disease/drug。點擊GoMAPK通路結(jié)果：http://www.genome.jp/kegg-bin/show_pathway?org_name=hsadd&mapno=04010&mapscale=1.0&show_description=show醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第16頁瀏覽通路中與疾病相關(guān)基因疾病基因藥靶基因http://www.genome.jp/kegg-bin/show_pathway?org_name=hsadd&mapno=04010&mapscale=1.0&show_description=show人類基因培利替尼醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第17頁案例：

查看單個疾病風(fēng)險基因注釋到哪些通路神經(jīng)膠質(zhì)瘤（Glioma）風(fēng)險基因（NCBI-GeneID：1956），該基因編碼表皮生長因子受體（EGFR）進(jìn)入KEGG搜索界面http://www.genome.jp/kegg/tool/map_pathway2.html選擇Searchagainst為：hsa選擇PrimaryID類型為：NCBI-GeneID輸入EGFR基因（如格式：1956red）點擊Exec醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第18頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第19頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第20頁案例：

查看多個疾病風(fēng)險基因注釋到哪些通路（適合用于復(fù)雜疾?。慕?jīng)過差異表示分析取得動脈硬化（artherosclerosis）風(fēng)險基因集合：共234個基因進(jìn)入KEGG搜索界面http://www.genome.jp/kegg/tool/map_pathway2.html選擇Searchagainst為：hsa選擇PrimaryID類型為：NCBI-GeneID輸入差異表示基因，格式：19red368red點擊Exec醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第21頁234個動脈硬化相關(guān)基因醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第22頁凝血相關(guān)醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第23頁功效數(shù)據(jù)庫：GeneOntology(GO)/醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第24頁Year1982#ofrecords60244,202,133Sequencedatabases:GenBank、EMBL、DDBJ背景（1）傳統(tǒng)認(rèn)識功效方法遠(yuǎn)遠(yuǎn)跟不上基因發(fā)覺速度（2）大規(guī)?；蚬πьA(yù)測必要性；需系統(tǒng)水平上認(rèn)識基因功效（3）功效規(guī)范化和大規(guī)模處理需要（4）基因功效多效性？困難和挑戰(zhàn)醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第25頁問題一、一個基因各種功效TP53inductionofapoptosisnegativeregulationofapoptosiscellularresponsetoUVchromosomeorganizationmitoticcellcycleG1/StransitionDNAdamagecheckpointnegativeregulationofDNAreplication…………醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第26頁GlucosebiosynthesisGlucosesynthesisGlucoseformationGlucoseanabolismGluconeogenesisAllrefertotheprocessofmakingglucosefromsimplercomponents問題二、生物學(xué)功效各種描述醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第27頁GO(geneontology)是:

基因本體聯(lián)合會(GeneOnotologyConsortium)所建立數(shù)據(jù)庫，意在建立一套適合用于各種物種，對基因和蛋白質(zhì)功效從多個方面進(jìn)行限定和描述，并能伴隨研究不停深入而更新語義(terms)詞匯標(biāo)準(zhǔn)，即基因產(chǎn)物分類標(biāo)準(zhǔn)。GO數(shù)據(jù)庫不是以其本身為中心而是依靠外部數(shù)據(jù)庫，這些外部數(shù)據(jù)庫中收錄基因及其產(chǎn)物都將用GO定義詞匯進(jìn)行注釋。所以GO是與時俱進(jìn)與相互合作代表，它致力于統(tǒng)一基因及其產(chǎn)物注釋方式。

YoucanvisitGOat.醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第28頁GO語義分類分子功效(MolecularFunction)描述在個體分子生物學(xué)上活性，如催化活性或結(jié)合活性。生物學(xué)過程(BiologicalProcess)由分子功效有序地組成，含有多個步驟一個過程，如細(xì)胞周期。細(xì)胞組件(CellularComponent)指基因產(chǎn)物位于何種細(xì)胞器或基因產(chǎn)物組中(如糙面內(nèi)質(zhì)網(wǎng)，核糖體，蛋白酶體等)，即基因產(chǎn)物在什么地方起作用醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第29頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第30頁Cellaging醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第31頁term:gluconeogenesisid:GO:0006094definition:

Theformationofglucosefromnoncarbohydrateprecursors,suchaspyruvate,aminoacidsandglycerol.

Source:

MetaCyc:GLUCONEO-PWY

Ontology：BiologicalProcessSynonyms

exact:glucosebiosynthesisexact:glucosebiosyntheticprocessWhat’sinaGOterm?醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第32頁OntologyStructureTheGOisstructuredasahierarchicaldirectedacyclicgraph(DAG)GOisn’tjustaflatlistofbiologicalterms,termsarerelatedwithinahierarchy醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第33頁DirectedAcyclicGraphs語義之間關(guān)系isa：上一個概念包含下一個概念，下一個概念是上一個概念實例。partof：下一個概念是上一個概念一部分

樹松樹葉子PartofIsa(細(xì)胞質(zhì))(細(xì)胞器)(線粒體)(細(xì)胞器膜)Cell(細(xì)胞)partofpartof醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第34頁案例：

查看單個疾病風(fēng)險基因注釋到哪些通路神經(jīng)膠質(zhì)瘤（Glioma）風(fēng)險基因（NCBI-GeneID：1956），該基因編碼表皮生長因子受體（EGFR）進(jìn)入GO界面/輸入EGFR基因（格式:EGFR）選擇geneorproteinname點擊Go!醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第35頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第36頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第37頁案例：

查看多個疾病風(fēng)險基因注釋到哪些功效從經(jīng)過差異表示分析取得動脈硬化（artherosclerosis）風(fēng)險基因集合：共234個基因進(jìn)入GO搜索界面/cgi-bin/amigo/search.cgi?action=advanced_query&session_id=3352amigo1381455489在Enteryourquery文本框中輸入查詢基因輸入差異表示基因，格式：ABCA1ABCC6Searchtype選擇GenesorproteinsSearchfields選擇：symbol點擊Exec醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第38頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第39頁最多查詢50個基因醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第40頁醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第41頁GuidetoGOEvidenceCodesExperimentalEvidenceCodes

EXP:InferredfromExperimentIDA:InferredfromDirectAssayIPI:InferredfromPhysicalInteractionIMP:InferredfromMutantPhenotypeIGI:InferredfromGeneticInteractionIEP:InferredfromExpressionPattern

/GO.evidence.shtml#ieaComputationalAnalysisEvidenceCodesISS:InferredfromSequenceorStructuralSimilarityISO:InferredfromSequenceOrthologyISA:InferredfromSequenceAlignmentISM:InferredfromSequenceModelIGC:InferredfromGenomicContextIBA:InferredfromBiologicalaspectofAncestorIBD:InferredfromBiologicalaspectofDescendantIKR:InferredfromKeyResiduesIRD:InferredfromRapidDivergenceRCA:inferredfromReviewedComputationalAnalysis

醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第42頁基因芯片數(shù)據(jù)基礎(chǔ)分析思緒預(yù)處理差異表示基因篩選聚類與分類功效注釋和富集分析醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第43頁基因集功效富集分析原因一組基因直接注釋結(jié)果是得到大量功效結(jié)點。這些功效含有概念上交疊現(xiàn)象，不利于深入精細(xì)分析，所以研究人員希望對得到功效結(jié)點加以過濾和篩選，方便取得更有意義功效信息。富集分析方法通常是分析一組基因在某個功效結(jié)點上是否過出現(xiàn)(over-presentation)。由單個基因注釋分析發(fā)展到大基因集合成組分析。因為分析結(jié)論是基于一組相關(guān)基因，而不是依據(jù)單個基因，所以富集分析方法增加了研究可靠性，同時也能夠識別出與生物現(xiàn)象最相關(guān)生物過程。醫(yī)學(xué)數(shù)據(jù)挖掘功能分析第44頁案例：利用DAV