Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Einführung in Microarray Genexpressionsdaten Ewgenij Proschak Yusuf Tanrikulu Seminar:Aktuelle Themen der Bioinformatik 13.05.2004 Organizer:Prof. Dr.

Ähnliche Präsentationen


Präsentation zum Thema: "Einführung in Microarray Genexpressionsdaten Ewgenij Proschak Yusuf Tanrikulu Seminar:Aktuelle Themen der Bioinformatik 13.05.2004 Organizer:Prof. Dr."—  Präsentation transkript:

1 Einführung in Microarray Genexpressionsdaten Ewgenij Proschak Yusuf Tanrikulu Seminar:Aktuelle Themen der Bioinformatik Organizer:Prof. Dr. D. Metzler Tutor:Lin Himmelmann

2 Einführung in Mictoarray Genexpressionsdaten2 Ablauf z Einführung in Microarray Genexpressionsdaten z Feiertag z Varianzstabilisierung der Genexpressionsdaten

3 Einführung in Mictoarray Genexpressionsdaten3 Inhalt zEinleitung zDurchführung eines Microarray-Experiments zAuslesen der Daten zVisualisierung zWeiterverarbeitung zMustererkennung

4 Einführung in Mictoarray Genexpressionsdaten4 Einleitung

5 Einführung in Mictoarray Genexpressionsdaten5 Einleitung

6 Einführung in Mictoarray Genexpressionsdaten6 Einleitung zProf. Dr. Wolfgang Huber zGen-Transkriptionsanalyse mit DNA Microarrays zStatistical Computing zComputational Biology

7 Einführung in Mictoarray Genexpressionsdaten7 Durchführung eines Microarray-Experiments zZutaten: ycDNA yUnterlage ymRNA zErgebnis

8 Einführung in Mictoarray Genexpressionsdaten8 Durchführung eines Microarray-Experiments zFlashanimation zDVD

9 Einführung in Mictoarray Genexpressionsdaten9 Auslesen der Daten Laser- oder Betastrahlendetektor

10 Einführung in Mictoarray Genexpressionsdaten10 Auslesen der Daten – Batcheffekte zVerfälschungen des Experimentergebnisses: ySpotting yPCR Amplifikation yProbenaufbereitung yRNA-Abbau yArray-Beschichtung

11 Einführung in Mictoarray Genexpressionsdaten11 Visualisierung zWieso? Frühzeitige Erkennung von Experimentierfehlern und Hintergrundrauschen

12 Einführung in Mictoarray Genexpressionsdaten12 Visualisierung- Falschfarbenrepräsentation

13 Einführung in Mictoarray Genexpressionsdaten13 Visualisierung – Histogramm

14 Einführung in Mictoarray Genexpressionsdaten14 Visualisierung – Scatterplot

15 Einführung in Mictoarray Genexpressionsdaten15 Wieterverarbeitung- Maße für die Genexpression zAussagen über absolute Genexpression nicht möglich zGründe: yRNA-Stabilität yHybridisierung yPCA zAusweg: yRatios yLog-Ratios

16 Einführung in Mictoarray Genexpressionsdaten16 Weiterverarbeitung- Exkurs zHeteroskedastizität yVarianz nicht konstant zHomoskedastizität yVarianz konstant Nächstes Mal

17 Einführung in Mictoarray Genexpressionsdaten17 Weiterverarbeitung

18 Einführung in Mictoarray Genexpressionsdaten18 Mustererkennung- Methoden zProjektionsmethoden yHauptkomponentenanalyse ySOMs zClusteralghorithmen yHierarchisches Clustering

19 Einführung in Mictoarray Genexpressionsdaten19 Mustererkennung- Hauptkomponentenanalyse

20 Einführung in Mictoarray Genexpressionsdaten20 Mustererkennung- Hauptkomponentenanalyse zProjektion des Datensatzes auf die Hauptkomponenten

21 Einführung in Mictoarray Genexpressionsdaten21 Mustererkennung- Hauptkomponentenanalyse zAufstellen der Covarianzmatrix zFinden der Eigenvektoren zProjektion des Datensatzes auf die Eigenvektoren mit den größten Eigenwerten

22 Einführung in Mictoarray Genexpressionsdaten22 Mustererkennung- Hauptkomponentenanalyse zErgebnisse (Alter et al. 2000): yEigenvektor mit dem größten Eigenwert: Hintergrundrauschen  kann herausgefiltert werden y Danach Projektion auf die beiden nachfolgenden Eigenvektoren  periodische Funktion von der Zeit repräsentiert den Zellzyklus

23 Einführung in Mictoarray Genexpressionsdaten23 Mustererkennung- Self Organizing Maps X Z Y SOM

24 Einführung in Mictoarray Genexpressionsdaten24 Mustererkennung- Self Organizing Maps zAlgorithmus: 1.Zufälliges Aussuchen eines Musters 2.Ermitteln des Gewinnerneurons 3.Aktualisieren der Neuronengewichte 4.Zurück zu 1 oder terminieren

25 Einführung in Mictoarray Genexpressionsdaten25 Mustererkennung- Self Organizing Maps Lernzeit Voronoi-Verteilung

26 Einführung in Mictoarray Genexpressionsdaten26 Mustererkennung- Clusteralgorithmen zBasiert auf globaler Ähnlichkeitsmessung zZiel: yAus den Genexpressionsdaten auf funktionelle Verwandschaft oder Coregulation zu schließen. zAnnahme: yGene, die gemeinsame Eigenschaften aufweisen, haben ähnliche Expressionsprofile.

27 Einführung in Mictoarray Genexpressionsdaten27 Mustererkennung- Hierarchisches Clustern zTop-down zBottom up

28 Einführung in Mictoarray Genexpressionsdaten28 Mustererkennung- Hierarchisches Clustern zAnwendungsbeispiel: CAGE

29 Ewgenij Proschak To be continued… Yusuf Tanrikulu


Herunterladen ppt "Einführung in Microarray Genexpressionsdaten Ewgenij Proschak Yusuf Tanrikulu Seminar:Aktuelle Themen der Bioinformatik 13.05.2004 Organizer:Prof. Dr."

Ähnliche Präsentationen


Google-Anzeigen