主成分分析與叢集分析於DNA微陣列數據前處理的應用與實作

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：22

、訪客IP：3.138.141.202

姓名

張美虹(Mei-hong Chang) 查詢紙本館藏

畢業系所

系統生物與生物資訊研究所

論文名稱

主成分分析與叢集分析於DNA微陣列數據前處理的應用與實作
(Application and Implementation of PCA and Clustering in DNA Microarray data Preprocessing)

相關論文

★ 發展酵素非限制性全基因體調控因子解析方法	★ 利用健保資料庫探討常見複雜疾病之中草藥處方研究
★ 主觀影響療癒的案例與主觀在醫療重要性的探討	★ 精神分裂症病患與正常人之DNA甲基化網絡的差異
★ 躁鬱症病患的精子之DNA 甲基化的網路分析	★ Cloud-R:以R軟體與雲端技術為基礎的生物統計應用網站
★ 中草藥藥性與中草藥遺傳演化樹之關係	★ 利用階層式叢集及不同分類方法分析人類正常組織特異性基因
★ 由ENCODE計畫分析脫氧核醣核酸酶I與組蛋白修飾	★ 皮膚痣圖片毛髮辨識去除
★ 中醫癌症處方多由癰瘍、和解之劑與寒方組成，並隨氣溫下降而更改組成	★ 確認與中醫處方有關的環境和社會經濟變數
★ 與中醫處方有關的社會經濟變量關係網絡的確認與分析	★ 開發CNN模型預測學生是否退學— 練習如何建立AI模型以從NGS短序列片段數據中偵測SNP
★ 深度 Q 網絡學習用於加護病房敗血症治療	★ 比較線性模型、多層感知器和卷積神經網絡在回歸分析應用中的性能

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

近年來，微陣列基因晶片的分析軟體越來越容易取得，卻也都不盡完善。商用或制式化的分析套件也限制了分析人員的分析效率、使用彈性。
此篇論文，為了改善基因晶片數據分析的品質與效率，建構更符合產業自產生物晶片分析流程。透過R統計語言的撰寫進行整合由其他人開發的分析軟體，並以建構了一個進行主成分分析(Principal Component Analysis，簡稱PCA)與叢集分析(Clustering)流程的模組。藉此取代先前使用的多種分析軟體，以自動化於微陣列晶片分析品質評估一環的主成分分析與叢集分析流程為訴求進行實作。
在完成分析模組後，自動化分析流程取代了原有耗時的分析過程。將單一個案在此分析步驟所需時間縮減百分之八十以上，操作的簡便也使分析人員容易作業。確實達到了提升分析工作的效率。而R語言撰寫上的彈性，便於在未來建構出符合產業自產生物晶片分析的作業流程。

摘要(英)

In order to improve the efficiency of quality assessment in microarray data preprocessing, an automated analysis pipeline for Clustering and PCA (principal component analysis) was developed using R language.
We successfully replaced the previously use of third-party analysis software, using the automated analysis module and integrated the module into the routine pipeline for microarray analysis.
The automated analysis pipeline for Principal Component Analysis and Clustering reduced processing time by almost 80% compared to previous approach, showing that the project goal was met. The R-based package is also flexible enough to be readily incorporated into other bioinformatics applications.

關鍵字(中)

★ 微陣列晶片
★ R語言
★ 主成分分析
★ 叢集分析

關鍵字(英)

★ Microarray
★ R language
★ Principal component analysis
★ Clustering

論文目次

中文摘要 i
Abstract ii
謝誌 iii
目錄 iv
圖目錄 vi
表目錄 viii
一、緒論 1
1-1 DNA微陣列 1
1-2 系統生物學 2
1-3 微陣列數據分析 5
1-3-1 主成分分析 6
1-3-2 叢集分析 7
1-4 研究動機 7
二、研究材料與方法 8
2-1 微陣列晶片資料 8
2-1-1 華聯生技微陣列晶片介紹 8
2-1-2 分析晶片資料內容 10
2-2 開發平台 11
2-2-1 R語言 11
2-2-2 RStudio 13
2-3 分析流程架構 14
2-3-1 原先分析結果產生流程 14
2-3-2 自動化分析結果產生流程 15
2-4 資料前處理程序 16
2-5 主成分分析方法與程序 17
2-6 階層式叢集分群法與分析程序 19
三、結果 21
3-1 主成分分析結果 21
3-1-1 與Array Track主成分分析結果比較 24
3-1-2 不同基因數據的主成分分析結果 25
3-2 群集分析結果 26
3-3 分析模組設置 30
3-3-1 必備文件 30
3-3-2參數設定 31
3-3-3 產出檔案對照 32
四、案例探討 33
4-1 案例分析(一) 編號1****102804 33
4-2 案例分析(二) 編號1****022401 37
4-3 案例分析(三) 編號2****101802 42
五、討論 47
六、結論 48
七、參考文獻 49
附錄一 51
附錄二 61

參考文獻

1. Schena M, Shalon D, Davis RW, Brown PO (1995) Quantitative monitoring of gene expression patterns with a complementary DNA microarray. Science 270: 467-470.
2. Schena M, Shalon D, Heller R, Chai A, Brown PO, et al. (1996) Parallel human genome analysis: microarray-based expression monitoring of 1000 genes. Proceedings of the National Academy of Sciences 93: 10614-10619.
3. Maskos U, Southern EM (1992) Oligonucleotide hybridisations on glass supports: a novel linker for oligonucleotide synthesis and hybridisation properties of oligonucleotides synthesised in situ. Nucleic Acids Research 20: 1679-1684.
4. Heller MJ (2002) DNA microarray technology: devices, systems, and applications. Annual review of biomedical engineering 4: 129-153.
5. Lipshutz RJ, Fodor SP, Gingeras TR, Lockhart DJ (1999) High density synthetic oligonucleotide arrays. Nature genetics 21: 20-24.
6. Brodie EL, DeSantis TZ, Joyner DC, Baek SM, Larsen JT, et al. (2006) Application of a high-density oligonucleotide microarray approach to study bacterial population dynamics during uranium reduction and reoxidation. Applied and Environmental Microbiology 72: 6288-6298.
7. Ideker T, Galitski T, Hood L (2001) A new approach to decoding life: systems biology. Annual review of genomics and human genetics 2: 343-372.
8. Kitano H (2002) Systems biology: a brief overview. Science 295: 1662-1664.
9. Lamb J, Crawford ED, Peck D, Modell JW, Blat IC, et al. (2006) The Connectivity Map: using gene-expression signatures to connect small molecules, genes, and disease. science 313: 1929-1935.
10. Slonim DK, Yanai I (2009) Getting started in gene expression microarray analysis. PLoS computational biology 5: e1000543.
11. Monti S, Tamayo P, Mesirov J, Golub T (2003) Consensus clustering: a resampling-based method for class discovery and visualization of gene expression microarray data. Machine learning 52: 91-118.
12. Dudoit S, Yang YH, Callow MJ, Speed TP (2002) Statistical methods for identifying differentially expressed genes in replicated cDNA microarray experiments. Statistica sinica 12: 111-140.
13. Lattin JM, Carroll JD, Green PE (2003) Analyzing multivariate data: Thomson Brooks/Cole Pacific Grove, CA, USA.
14. Gentleman RC, Carey VJ, Bates DM, Bolstad B, Dettling M, et al. (2004) Bioconductor: open software development for computational biology and bioinformatics. Genome biology 5: R80.
15. Gentleman R (2008) R programming for bioinformatics: CRC Press.
16. Gentleman R, Carey V, Huber W, Irizarry RA, Dudoit S (2005) Bioinformatics and computational biology solutions using R and Bioconductor: Springer.
17. de Hoon MJ, Imoto S, Nolan J, Miyano S (2004) Open source clustering software. Bioinformatics 20: 1453-1454.
18. Page RD (2001) TreeView. Glasgow University, Glasgow, UK.
19. Tong W, Cao X, Harris S, Sun H, Fang H, et al. (2003) ArrayTrack--supporting toxicogenomic research at the US Food and Drug Administration National Center for Toxicological Research. Environmental health perspectives 111: 1819.
20. Fang H, Harris SC, Su Z, Chen M, Qian F, et al. (2009) ArrayTrack: an FDA and public genomic tool. Protein Networks and Pathway Analysis: Springer. pp. 379-398.
21. Wilkinson L, Friendly M (2009) The history of the cluster heat map. The American Statistician 63.
22. Rajaram S, Oono Y (2010) NeatMap--non-clustering heat map alternatives in R. BMC Bioinformatics 11: 45.
23. Cattell RB (1966) The scree test for the number of factors. Multivariate behavioral research 1: 245-276.

指導教授

王孫崇(Sun-chong Wang)

審核日期

2014-7-14

推文