基因芯片数据挖掘的核心思想：论宫保鸡丁和处女座的沙拉

温馨提示：请点击标题下方蓝色“实验万事屋”，或者点击下面的指纹，添加关注后，发“嗯”可以查看我们之前的文章。

我叫骨头，是万事屋的新晋NPC，也是个菜鸟。一直看师兄师姐们分析基因芯片啥的分析得很欢乐的样子，但是我就是不知道他们是咋分析的？完全没有头绪样的……

杀姐姐：你还小，不知道很正常。基因芯片，我们就用表达的基因芯片来给你举个例子，告诉你基因芯片的数据挖掘的核心思想。好了，首先我们来看这两张图：

能看出是什么吗？

骨头：杀姐姐，我读书少，但是我也知道，左边的是宫保鸡丁，右边的是我们食堂的宫保鸡丁（其实是宫保胡萝卜黄瓜丁）。

杀姐姐：好了，你明白了第一个芯片分析的思想——“差异”。我们也能看到外面饭店和食堂的宫保鸡丁有什么不同。在宫保鸡丁上，就是原料、配料、调味的不同了。知道这些差异就能告诉我们，为啥食堂的宫保鸡丁这么便宜，但又这么难吃。

基因芯片主要分析的是两组样本间的差异，从表型上就比如是病患和健康人的差异，癌和癌旁的差异。而在内部，也就是在基因层面上两组样本也会有很大的不同，芯片所要分析的，就是在基因层面上的差异。知道有什么样的差异，就和知道宫保鸡丁的原料、配料和调味一样，能了解为什么会造成样本间的表型差异了。

一般会有这样几种差异表示图，一种是热图，就是下面这个，和股票一样，红涨绿跌：

另一种叫火山图，是这样的：

火山图的X轴显示表达倍数差异（用log2表示），Y轴显示的是这个表达差异的显著性（-log10表示的）。火山图和热图都是为了描述表达差异而存在的，研究不同样本间的表达差异，可能就能为我们揭示出两组样本表型差异的本质。接下去，给你解释一下第二种芯片分析的核心思想，先看看下面这个图：

骨头：师兄，这个我懂的，这个是处女座吃的沙拉。

杀姐姐：这就是第二种芯片数据挖掘的核心思想，这个核心思想叫做——“聚类分析”。首先，我们找到了这些表达差异的基因，这些表达差异的基因是乱七八糟地堆在一起的，那我们要把他们分分类，才能知道都有哪些东西产生了变化。

常用的聚类分析，其实就是GO分析和Pathway分析，这两种分析方式就是按照既有的标准进行分类的。也就是把这些差异表达的基因，按照不同的已知信号通路，不同的生物学功能进行分类，就像是把沙拉里的食物按照颜色分类一样。这样，两组有差异表型的样本中，具体是哪些信号通路，或者哪些生物学过程出现了变化，就一目了然了。

另一种聚类分析方法，是共表达分析，这是基于基因的表达差异程度而分析的。比如：

基因A和基因B的关系，粗略讲就有这样四种：不相关，负相关，正相关，表达一致。通过聚类就形成了表达相关的网络图型：

如果这两个基因有基因表达的相关性，而且表达相关性非常显著，那就给我们这样一个提示：有可能两者在表达上有同样的或者完全相反的Pattern，也就是表达模式，有可能这两个基因会有相互的作用，或者位于相关的信号通路中。这就是共表达的聚类分析的原理。

…华丽丽的分割线…

李莫愁博士：差异表达也好，聚类分析也好，其根本目的，就是为了调查产生样本间表型差异的基因层面的根本原因。这就是基因芯片分析的核心思想。但要注意的是，所有的基因分析或者数据挖掘，仅仅是给我们一个提示。因为表象下，有着无数的可能性，有了这样的提示，我们再继续完整地完成实验，才能证明这数据挖掘所得到的结果的真实性。

万事屋出售的课程及服务（点击下方飘黄部分即可查看）

《一分钟meta学习教程》（还有个meta讨论的群，点进去找阿可拉大家吧，优惠码也是问客服阿可：zz76770309）

万事屋文献合集（28元包邮，帖子里有购买流程，如果需要帮助请联系客服阿可，微信号：zz76770309）