加载中…Illumina BeadArray数据分析
(2013-06-05 15:55:22)
标签：
beadarrayilluminabioconductor滚珠芯片数据分析 |
分类： R |
1. BeadArray简介
outlierplot()：绘制超出边界探针
BeadArray是Illumina公司研发一种“滚珠”芯片。芯片结构如图所示：
2. 数据类型
pix-level
data：可以获得芯片原始TIFF图像。这种格式的数据信息量最大、最原始，同时格式也是最大，因此也被成为Raw
data。bead-level data：可以获取每张BeadArray的每个bead的探针密度和位置信息。以上两种数据格式需要有：1.
text文件（必须），主要包括bead的位置信息、编号和信号强度，信号强度已经已经做过“背景矫正(background
correction)”；2.
locs文件（可选），包括了所有bead的位置信息，甚至是text文件中没有的探针信息；3.
bab文件（可选），包括了text文件和locs文件的信息；4.
tiff图像文件（可选），是芯片扫描的图像，用户可以根据tiff文件自行选择图像处理和背景矫正算法；5.
sdf文件（可选），包括每个section的位置信息；6.targets文件（可选，推荐），包括每个样本的生物学信息，通常是text文件形式；6.metrics文件（可选），每张芯片的一些总结信息。
summary-level
data：是指从GenomeStudio，BeadStudio或者Bioconductor处理以上两种数据，之后输出的数据，一般包括每个探针的强度值、标准偏差、p-value等信息。主要包括的文件：1.探针文件（必须），主要有探针信号强度、探针注释等一系列信息，通常是text文件格式。2.控制探针文件（可选，推荐），主要包括芯片中阳性探针、阴性探针、house
keeping基因探针等质量控制探针信息。3.targets文件（可选，推荐）。可能一些summary-level
data的类型是“归一化”后的数据或者是将“多个探针和并成一个”的数据，推荐的数据是原始的“未和并探针、未归一化”的数据。
3. 读入和查看数据
主要使用Bioconductor进行质量控制、数据预处理和归一化。
signal-to-noise ratio(SNR)：一张芯片上所有像素信号强度，95%分位数和5%分位数的比值。用于初步评价芯片图片质量。Illumina建议SNR大于10,可以结合其他质量控制数据判断芯片是否合格。
signal-to-noise ratio(SNR)：一张芯片上所有像素信号强度，95%分位数和5%分位数的比值。用于初步评价芯片图片质量。Illumina建议SNR大于10,可以结合其他质量控制数据判断芯片是否合格。
读取芯片数据：beadarray包的readIllumina()函数，suggestAnnotation()可以用来自动检测芯片平台类型。读取的芯片被储存在beadLevelData类中。如果是summary-level
data可以使用limmar包的read.ilmn()函数。
查看芯片数据：sectionNames()函数用于查看每张芯片的名称；numBeads()用于查看每张芯片的beads数目；getBeadData()用于查看每张芯片具体探针密度。其中，beadLevelData的beadData储存了芯片探针密度数值，比如Grn数值。Grn数值是没有经过对数处理的原始数值，可以将其“对数化”用于后续处理，比如使用logGreenChannelTransform() 函数。可以使用类似beadTmp[[1]][1:10,
1:10]的形式访问具体数值。
处理图像数据：使用readTIFF()函数读取芯片图像，配合illuminaBackground(),illuminaBackground()和illuminaForeground()函数进行背景矫正。
4. 质量控制：
boxplot()：绘制盒箱图
imageplot()：绘制探针密度图。下图三幅图，左边为正常探针密度，中间和右边有明显的实验人为失误。
outlierplot()：绘制超出边界探针
expressionQCPipeline()：可以在当前工作目录下生成HMTL文件，包括上述的质量控制结果。
limma包的propexpr()函数可以计算芯片阴性探针的分布，用于对照不同芯片的“异质度”。
去除超越边界探针：使用BASH()和HULK()函数。
5. 整理数据（Summarizing
data）
整理数据的目的是为了将多个“重复探针（replicated
probes）”的数值和并成为一个数值，输入探针的均值和标准偏差（standard
deviation），同时在这一步去除超越边界的探针，最终产生summary-level
data。整理数据过程中，是将每一张芯片（或者一个section）分开整理，因此存在质量问题的芯片不会“污染”其他的芯片数据。使用summary()函数，生成ExpressionSetIllumina类数据，这个类是ExpressionSet类的延伸。
6. 归一化数据
归一化数据可以参考limma包。其中，如果阴性探针已知，可以使用其中的neqc()归一化方法，阴性探针在最后返回的结果中去除。同时，也可以根据illuminaHumanv2PROBEQUALITY数据，将“Not
Match”和“Bad”质量的探针去除；因为这些探针没有与之对应基因或者对应很多个不同的基因。去低质量探针，可以更好的进行差异性基因分析，避免低质量探针信号的影响。
7. 探针注释
芯片探针注释可以使用对应平台的注释包，比如illunimaHumanv3.db包注释Illumina HumanHT-12 V3.0
expression beadchip芯片。其中，对于RefSeq信息illunima平台的解释为：
参考文献:
1. Ritchie ME,
Dunning MJ, Smith ML, Shi W, Lynch
AG: BeadArray expression analysis using
bioconductor. PLoS Comput Biol.
2011;7(12):e1002276.
喜欢
0
赠金笔
前一篇：linux配置VNC远程桌面