[论文解读] Cluster Analysis of Gene Expression Data

Eytan Domany|ArXiv.org|Jun 17, 2002

Gene expression and cancer classification参考文献 2被引用 6

一句话总结

本文提出了一种受统计物理启发的耦合双向聚类（CTWC）方法，用于分析来自DNA微阵列的高维基因表达数据。通过同时对基因和样本进行聚类，CTWC识别出生物上一致的群体，揭示了与增殖相关的基因（G46）可预测乳腺癌多柔比星化疗的成功率，其中3/10名阳性反应患者与中等水平的G46表达相关。

ABSTRACT

The expression levels of many thousands of genes can be measured simultaneously by DNA microarrays (chips). This novel experimental tool has revolutionized research in molecular biology and generated considerable excitement. A typical experiment uses a few tens of such chips, each dedicated to a single sample - such as tissue extracted from a particular tumor. The results of such an experiment contain several hundred thousand numbers, that come in the form of a table, of several thousand rows (one for each gene) and 50 - 100 columns (one for each sample). We developed a clustering methodology to mine such data. In this review I provide a very basic introduction to the subject, aimed at a physics audience with no prior knowledge of either gene expression or clustering methods. I explain what genes are, what is gene expression and how it is measured by DNA chips. Next I explain what is meant by "clustering" and how we analyze the massive amounts of data from such experiments, and present results obtained from analysis of data obtained from colon cancer, brain tumors and breast cancer.

研究动机与目标

• 开发一种稳健的方法，用于挖掘来自DNA微阵列的大规模基因表达数据，以揭示生物上有意义的模式。
• 通过同时整合基因和样本的聚类，解决微阵列数据中高维性和噪声的挑战。
• 识别与临床结局（如乳腺癌化疗反应）相关的基因聚类。
• 展示统计物理启发算法在系统生物学和转化医学中的实用性。

提出的方法

• 应用耦合双向聚类（CTWC）方法，该方法基于Potts铁磁相变和蒙特卡罗模拟，同时对基因和样本进行聚类。
• 使用基于基因表达谱的相似性矩阵，通过迭代优化识别共调控基因和共聚类样本。
• 利用数据矩阵的固有对称性执行联合聚类，相比单向聚类，提高了信噪比。
• 采用基于患者间和患者内表达差异的优值度量来指导基因选择，尽管CTWC直接作用于完整基因集。
• 使用结肠癌、胶质母细胞瘤和乳腺癌研究的临床数据验证结果，包括化疗前后样本。
• 在所得基因聚类上应用层次聚类，以识别具有独特生物学和临床相关性的亚群。

实验结果

研究问题

• RQ1 受物理启发的聚类方法能否有效从高维基因表达数据中提取出生物上有意义的模式？
• RQ2 共调控基因聚类是否与临床相关结局（如乳腺癌化疗反应）相关？
• RQ3 对基因和样本进行联合聚类是否能相比标准聚类方法更有效地检测到细微但具有生物学意义的信号？
• RQ4 是否存在一种基因表达模式的预测特征，可指示化疗成功可能性？
• RQ5 CTWC在真实临床数据集上的性能与其它基因筛选和聚类策略相比如何？

主要发现

• CTWC成功识别出一个稳定的基因聚类G46，包含33个与增殖相关的基因，其表达与细胞周期活动相关。
• 所有三名对多柔比星治疗产生阳性反应的乳腺癌患者，在治疗前样本中均表现出中等水平的G46表达。
• 在S1(G46)分析中，10名反应者的治疗前样本被聚为一个独立聚类（b），而同一患者的治疗后样本则转移到低增殖聚类（a）。
• 对于中等G46表达水平的患者，多柔比星治疗的成功率为30%（3/10），而整体治疗前组的成功率为15%（3/20）。
• 仅两个G46聚类中的基因被包含在Perou等人研究中的固有基因集中，表明CTWC发现了其他筛选方法所遗漏的生物相关信号。
• 结果表明，G46表达水平可能作为多柔比星反应的预测生物标志物，中等表达水平提示治疗成功概率更高。