基于不同标准化假设分析癌基因组甲基化谱

王 栋 吴瑞红 程立新 李朋飞 王明月 李 宾 王晨光 郭 政*

1(电子科技大学生命学院，成都 610054)

2(哈尔滨医科大学生物信息科学与技术学院，哈尔滨 150086)

引言

异常的DNA甲基化与癌的发生发展密切相关[1-2]，因此在全基因组范围内识别癌相关的差异甲基化基因可以分析疾病发生的分子机制，发现用于疾病诊断与药物靶设计的生物学标志[3]。然而，利用甲基化芯片检测的高通量数据往往受诸如试剂与检测批次、不同操作者等多种因素的影响[4-5]。通常认为，这些技术变异可能降低检测生物信号的统计效能[6]。为了排除这些技术变异的影响，针对基因表达谱数据处理开发的标准化方法(如分位数标准化[7]和中值标准化[8]等)常被应用于处理甲基化谱数据。这些标准化方法将所有样本的信号值都标准化到相同的分布，或者使之具有相同的中值，为此通常需要假设在疾病样本中差异表达的基因很少，并且差异高表达和低表达的基因数目大致相等[5]。然而，最近的研究显示，在癌表达谱中包含大量上调表达的基因。采用这些传统假设的标准化方法，会失查很多与癌相关的上调差异表达基因，并且发现很多假的下调差异表达基因[9]，因此需要采用不依赖于如前所述假设的数据标准化方法，如最小变化集(least variant set，LVS)等[10]。通过分析低通量癌基因组甲基化谱数据，有研究者认为癌基因组呈现广泛的低甲基化状态[11-12]，因此在癌样本和正常样本中的甲基化信号归一化的标准化方法可能会扭曲真实的生物学信号。……