[论文解读] RNAnet a Map of Human Gene Expression

William B. Langdon, Olivia Sanchez Graillet+1 more|arXiv (Cornell University)|Jan 24, 2010

RNA and protein synthesis mechanisms参考文献 2被引用 5

一句话总结

RNAnet 提供一个免费、交互式的网络平台，整合并标准化了来自 GEO 和 Ensembl 的超过 24,000 个人类外显子的表达数据，通过预计算和动态生成的热图与散点图，实现基因共表达网络的快速相关性分析与可视化。其主要贡献在于可扩展、用户友好的方式，提供跨数千个人类样本的分位数标准化、经校验的 Affymetrix HG-U133 2+ 数据访问，显著减少了跨实验基因表达比较所需的时间与精力。

ABSTRACT

RNAnet provides a bridge between two widely used Human gene databases. Ensembl describes DNA sequences and transcripts but not experimental gene expression. Whilst NCBI's GEO contains actual expression levels from Human samples. RNAnet provides immediate access to thousands of Affymetrix HG-U133 2plus GeneChip measurements Homo sapiens genes in most medically interesting tissues. Without RNAnet comparison across experiments in GEO is very labour intensive requiring man months of effort to down load and clean data. With RNAnet anyone can access cleaned quantile normalised data in seconds. It can be used to data mine patterns of co-expression. The network of strongly correlated genes is huge but sparse. Thousands of genes interact strongly with thousands of others. Conversely there are tens of thousands of genes which interact strongly with less than 100 others. I.e. RNAnet gives new views for RNA Systems Biology.

研究动机与目标

• 弥合 Ensembl 基因组注释与 GEO 实验性基因表达数据之间的鸿沟，这些数据因格式不一致且缺乏跨实验标准化而难以整合。
• 使研究人员能够无需手动下载或预处理数据，即可对数千个人类基因表达样本执行快速、可扩展且可重复的相关性分析。
• 提供一个交互式、基于网络的界面，支持通过热图、散点图和主成分分析（PCA）实时可视化基因共表达模式，并直接链接至原始的 GEO 和 Ensembl 元数据。
• 通过预处理和标准化数以万计的 Affymetrix 微阵列数据集，提升大规模基因表达数据的可访问性与可用性，将分析时间从数小时缩短至数秒。
• 通过揭示人类组织中大规模、稀疏的强共表达基因网络，支持系统生物学研究，突出显示高度连接与稀疏连接的基因。

提出的方法

• 该平台接收并分位数标准化来自 GEO 的 HG-U133 2+ 微阵列数据集中超过 24,000 个人类外显子的表达数据，确保实验间的一致性。
• 将 Affymetrix 探针集映射到 Ensembl 外显子，基于相关性稳定性选择最具代表性的探针集（以 ‘*’ 标记）。
• 系统预计算了 2.9 亿对之间外显子的皮尔逊积矩相关系数，以支持对共表达模式的快速、交互式查询。
• 用户可通过基因名称或 Ensembl 外显子 ID 查询相关性，结果通过动态热图、散点图和主成分分析（PCA）图在 Firefox 浏览器中可视化。
• 交互功能包括可点击的散点图，带十字线以检查单个数据点，链接至原始 GEO 实验和 Ensembl 条目，并支持在单张图表中使用颜色编码显示多个探针集。
• 系统通过在预处理期间扫描常见的 GeneChip 错误，对异常或可疑的表达值用 '?' 标记，确保数据质量。

实验结果

研究问题

• RQ1 如何高效地对齐来自 GEO 的异质基因表达数据并将其与 Ensembl 的基因组注释整合，以支持大规模共表达分析？
• RQ2 当在数千个异质组织样本和标准化数据集中计算时，人类基因共表达网络的结构是怎样的？
• RQ3 与手动数据处理相比，交互式、基于网络的工具在多大程度上能减少跨实验基因表达比较的时间与复杂性？
• RQ4 强共表达关系在不同组织和疾病状态下如何变化？对 24,132 个外显子进行全局相关性分析后，会浮现哪些模式？
• RQ5 该平台能否通过表达数据中的相关性模式可靠地检测出生物异常，例如支原体污染？

主要发现

• RNAnet 实现了对来自数千个人类样本的分位数标准化、经校验的 Affymetrix HG-U133 2+ 表达数据的即时访问，将分析时间从数小时缩短至数秒。
• 平台预计算了 24,132 个人类外显子之间的 2.9 亿对皮尔逊积矩相关系数，揭示了一个大规模、稀疏的强共表达关系网络。
• 成千上万个基因与成千上万个其他基因表现出强相关性，而数以万计的基因与其他基因的相互作用少于 100 个，表明网络结构具有异质性。
• 系统通过动态热图和散点图支持共表达关系的交互式可视化，用户可在 Firefox 中实时访问单个数据点及元数据链接。
• 该平台已被用于佐证关于支原体污染的实验发现，证明其在检测表达数据中生物人工制品方面的实用性。
• 截至 2009 年 12 月，RNAnet 已被访问超过 3,585 次（不包括机构流量），在过去 15 个月中每月约有 250 次下载，表明其具有持续的研究价值。