Einführung in Microarray Genexpressionsdaten Ewgenij Proschak Yusuf Tanrikulu Einführung in Microarray Genexpressionsdaten Seminar: Aktuelle Themen der Bioinformatik 13.05.2004 Organizer: Prof. Dr. D. Metzler Tutor: Lin Himmelmann

Einführung in Mictoarray Genexpressionsdaten Ablauf 13.05.2004 Einführung in Microarray Genexpressionsdaten 20.05.2004 Feiertag 27.05.2004 Varianzstabilisierung der Genexpressionsdaten 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Inhalt Einleitung Durchführung eines Microarray-Experiments Auslesen der Daten Visualisierung Weiterverarbeitung Mustererkennung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Einleitung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Einleitung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Einleitung Prof. Dr. Wolfgang Huber Gen-Transkriptionsanalyse mit DNA Microarrays Statistical Computing Computational Biology 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Durchführung eines Microarray-Experiments Zutaten: cDNA Unterlage mRNA Ergebnis 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Durchführung eines Microarray-Experiments Flashanimation DVD 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Auslesen der Daten Laser- oder Betastrahlendetektor 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Auslesen der Daten – Batcheffekte Verfälschungen des Experimentergebnisses: Spotting PCR Amplifikation Probenaufbereitung RNA-Abbau Array-Beschichtung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Visualisierung Wieso? Frühzeitige Erkennung von Experimentierfehlern und Hintergrundrauschen 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Visualisierung- Falschfarbenrepräsentation 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Visualisierung – Histogramm 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Visualisierung – Scatterplot 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Wieterverarbeitung- Maße für die Genexpression Aussagen über absolute Genexpression nicht möglich Gründe: RNA-Stabilität Hybridisierung PCA Ausweg: Ratios Log-Ratios 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Weiterverarbeitung- Exkurs Heteroskedastizität Varianz nicht konstant Homoskedastizität Varianz konstant Nächstes Mal 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Einführung in Mictoarray Genexpressionsdaten Weiterverarbeitung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Methoden Projektionsmethoden Hauptkomponentenanalyse SOMs Clusteralghorithmen Hierarchisches Clustering 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hauptkomponentenanalyse 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hauptkomponentenanalyse Projektion des Datensatzes auf die Hauptkomponenten 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hauptkomponentenanalyse Aufstellen der Covarianzmatrix Finden der Eigenvektoren Projektion des Datensatzes auf die Eigenvektoren mit den größten Eigenwerten 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hauptkomponentenanalyse Ergebnisse (Alter et al. 2000): Eigenvektor mit dem größten Eigenwert: Hintergrundrauschen  kann herausgefiltert werden Danach Projektion auf die beiden nachfolgenden Eigenvektoren  periodische Funktion von der Zeit repräsentiert den Zellzyklus 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Self Organizing Maps Y X SOM 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Self Organizing Maps Algorithmus: Zufälliges Aussuchen eines Musters Ermitteln des Gewinnerneurons Aktualisieren der Neuronengewichte Zurück zu 1 oder terminieren 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Self Organizing Maps Lernzeit Voronoi-Verteilung 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Clusteralgorithmen Basiert auf globaler Ähnlichkeitsmessung Ziel: Aus den Genexpressionsdaten auf funktionelle Verwandschaft oder Coregulation zu schließen. Annahme: Gene, die gemeinsame Eigenschaften aufweisen, haben ähnliche Expressionsprofile. 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hierarchisches Clustern Top-down Bottom up 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Mustererkennung- Hierarchisches Clustern Anwendungsbeispiel: CAGE 13.05.2004 Einführung in Mictoarray Genexpressionsdaten

Ewgenij Proschak Yusuf Tanrikulu To be continued…