Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Mina Baumhauer Geändert vor über 8 Jahren
1
Einführung in Microarray Genexpressionsdaten
Ewgenij Proschak Yusuf Tanrikulu Einführung in Microarray Genexpressionsdaten Seminar: Aktuelle Themen der Bioinformatik Organizer: Prof. Dr. D. Metzler Tutor: Lin Himmelmann
2
Einführung in Mictoarray Genexpressionsdaten
Ablauf Einführung in Microarray Genexpressionsdaten Feiertag Varianzstabilisierung der Genexpressionsdaten Einführung in Mictoarray Genexpressionsdaten
3
Einführung in Mictoarray Genexpressionsdaten
Inhalt Einleitung Durchführung eines Microarray-Experiments Auslesen der Daten Visualisierung Weiterverarbeitung Mustererkennung Einführung in Mictoarray Genexpressionsdaten
4
Einführung in Mictoarray Genexpressionsdaten
Einleitung Einführung in Mictoarray Genexpressionsdaten
5
Einführung in Mictoarray Genexpressionsdaten
Einleitung Einführung in Mictoarray Genexpressionsdaten
6
Einführung in Mictoarray Genexpressionsdaten
Einleitung Prof. Dr. Wolfgang Huber Gen-Transkriptionsanalyse mit DNA Microarrays Statistical Computing Computational Biology Einführung in Mictoarray Genexpressionsdaten
7
Durchführung eines Microarray-Experiments
Zutaten: cDNA Unterlage mRNA Ergebnis Einführung in Mictoarray Genexpressionsdaten
8
Durchführung eines Microarray-Experiments
Flashanimation DVD Einführung in Mictoarray Genexpressionsdaten
9
Einführung in Mictoarray Genexpressionsdaten
Auslesen der Daten Laser- oder Betastrahlendetektor Einführung in Mictoarray Genexpressionsdaten
10
Auslesen der Daten – Batcheffekte
Verfälschungen des Experimentergebnisses: Spotting PCR Amplifikation Probenaufbereitung RNA-Abbau Array-Beschichtung Einführung in Mictoarray Genexpressionsdaten
11
Einführung in Mictoarray Genexpressionsdaten
Visualisierung Wieso? Frühzeitige Erkennung von Experimentierfehlern und Hintergrundrauschen Einführung in Mictoarray Genexpressionsdaten
12
Visualisierung- Falschfarbenrepräsentation
Einführung in Mictoarray Genexpressionsdaten
13
Visualisierung – Histogramm
Einführung in Mictoarray Genexpressionsdaten
14
Visualisierung – Scatterplot
Einführung in Mictoarray Genexpressionsdaten
15
Wieterverarbeitung- Maße für die Genexpression
Aussagen über absolute Genexpression nicht möglich Gründe: RNA-Stabilität Hybridisierung PCA Ausweg: Ratios Log-Ratios Einführung in Mictoarray Genexpressionsdaten
16
Weiterverarbeitung- Exkurs
Heteroskedastizität Varianz nicht konstant Homoskedastizität Varianz konstant Nächstes Mal Einführung in Mictoarray Genexpressionsdaten
17
Einführung in Mictoarray Genexpressionsdaten
Weiterverarbeitung Einführung in Mictoarray Genexpressionsdaten
18
Mustererkennung- Methoden
Projektionsmethoden Hauptkomponentenanalyse SOMs Clusteralghorithmen Hierarchisches Clustering Einführung in Mictoarray Genexpressionsdaten
19
Mustererkennung- Hauptkomponentenanalyse
Einführung in Mictoarray Genexpressionsdaten
20
Mustererkennung- Hauptkomponentenanalyse
Projektion des Datensatzes auf die Hauptkomponenten Einführung in Mictoarray Genexpressionsdaten
21
Mustererkennung- Hauptkomponentenanalyse
Aufstellen der Covarianzmatrix Finden der Eigenvektoren Projektion des Datensatzes auf die Eigenvektoren mit den größten Eigenwerten Einführung in Mictoarray Genexpressionsdaten
22
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 Einführung in Mictoarray Genexpressionsdaten
23
Mustererkennung- Self Organizing Maps
Y X SOM Einführung in Mictoarray Genexpressionsdaten
24
Mustererkennung- Self Organizing Maps
Algorithmus: Zufälliges Aussuchen eines Musters Ermitteln des Gewinnerneurons Aktualisieren der Neuronengewichte Zurück zu 1 oder terminieren Einführung in Mictoarray Genexpressionsdaten
25
Mustererkennung- Self Organizing Maps
Lernzeit Voronoi-Verteilung Einführung in Mictoarray Genexpressionsdaten
26
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. Einführung in Mictoarray Genexpressionsdaten
27
Mustererkennung- Hierarchisches Clustern
Top-down Bottom up Einführung in Mictoarray Genexpressionsdaten
28
Mustererkennung- Hierarchisches Clustern
Anwendungsbeispiel: CAGE Einführung in Mictoarray Genexpressionsdaten
29
Ewgenij Proschak Yusuf Tanrikulu To be continued…
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.