Einführung in Microarray Genexpressionsdaten

Präsentation zum Thema: "Einführung in Microarray Genexpressionsdaten"—  Präsentation transkript:

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…