МЕТОДИ КЛАСТЕРИЗАЦІЇ В ПРОГРАМІ MICROARRAYTOOL ДЛЯ АНАЛІЗУ  ДАНИХ ДНК-МІКРОАРРЕЇВ

S. S. Ivachno; A. I. Kornelyuk; O. P. Mintser

doi:10.11603/mie.1996-1960.2008.2.7277

Автор(и)

S. S. Ivachno Інститут молекулярної біології і генетики НАН України
A. I. Kornelyuk Інститут молекулярної біології і генетики НАН України
O. P. Mintser Національна медична академія післядипломної освіти імені П.Л.Шупика МОЗ України http://orcid.org/0000-0002-7224-4886

DOI:

https://doi.org/10.11603/mie.1996-1960.2008.2.7277

Анотація

Мікроаррей-технології або ДНК-чипи дозволяють проводити кількісний аналіз експресії десятків тисяч генів. В даній роботі описана нова програма Microarraytool для аналізу ДНК мікроаррей-даних, яка дозволяє проводити трансформацію та нормалізацію даних, виконувати кластерний аналіз та порівнювати різні експерименти за допомогою статистичного аналізу. Імплементовано такі методи кластерного аналізу: ієрархічний кластерний аналіз; метод кластеризації k-середніх; карти ознак, що самоорганізуються (SOM) та SOTA-кпастеризація. Проведено тестування алгоритмів для кластерного аналізу для мікроаррей-даних Стенфордської бази даних з експресії первинних фібробластів людини для 8613 індивідуальних генів на різних часових проміжках після стимуляції. Аналіз даних показав коректне виконання алгоритмів, імплементованих в програмі Microarraytool.

Посилання

Baldi P., Hatfield G.W. DNA Mscroarrays and gene expression : From experiments to data analysis modeling. -Cambridge University Press, 2002.

Soares M.B. Identification and cloning of differentially expressed genes // Curr. Opin. Biotechnol. -1997. - V. 8. - № 5. - P. 542 - 546.

Campbell A.M., Heyer L.J. Discovering genomics, proteomics, and bioinformatics. - CSHL Press, 2003.

Zhang N., Tan H., Yeung E.S. Automated and integrated system for highthroughput DNA genotyping directly from blood // Anal. Chem. - 1999. - V. 71. - P. 1138 -1145.

Raitio M., Lindroos K., Laukkanen M. et al. Y-chromosomal SNPs in Finno-Ugric-speaking populations analyzed by minisequencing on microarrays // Genome Res. - 2001. - V. 11. - № 3. - P. 471 - 482.

Behr M.A., Wilson M.A. Comparative genomics of BCG vacines by whole-genome DNA microarray // Science. -1999. - V. 284. - P. 1520 -1523.

Khan J., Saal L.H., Bittner M.L. et al. 1999. Expressionprofiling in cancer using cDNA microarrays // Electrophoresis. - 1999. - V. 20. - № 2. - P. 223 - 229.

Івахно С., Корнелюк О. Мікроареї: огляд технологій та аналіз даних // Укр. біохім. журн.-2004.-Т. 76, № 2.-С. 5-19.

Heller M. J. DNA Microarray Technology: Devices, Systems, and Applications // Annu. Rev. Biomed. Eng. - 2002. - V. 4. -P. 129 -153.

Zanders E.D. Gene expression analysis as an aid to the

identification of drug targets // Pharmacogenomics. -2000. -V. 1. - № 4. - P. 375 - 384.

Jain A.K., Murty M.N., Flynn P.J.. Data clustering: A review // ACM Computing Surveys. - 1999. -V. 31. - № 3. - P. 264-323.

Jain A. K., Dubes R.C. Algorithms for Clustering Data. Prentice Hall Advanced Reference Series. Prentice Hall, New Jersey, 1988.

Toronen P., Kolehmainen M., Wong G. et al. Analysis of gene expression data using self- organizing maps // FEBS Letters. -1999. - V. 451. - P. 142-146.

Dopazo J., Carazo J.M. Phylogenetic reconstruction using a growing neural network that adopts the topology of a phylogenetic tree // J. Mol. Evol. -1997. - V. 44. - P. 226 - 233.

Fritzke B. Growing cell structures—a self-organizing network for unsupervised and supervised learning // Neural Networks. -1994. - V. 7. - P. 1141 -1160.

Dopazo J., Carazo J.M. Phylogenetic reconstruction using a growing neural network that adopts the topology of a phylogenetic tree // J. Mol. Evol. -1997. - V. 44. - P. 226 - 233.

Fritzke B. Growing cell structures—a self-organizing network for unsupervised and supervised learning // Neural Networks. -1994. - V. 7. - P. 1141 -1160.

Herrero J., Valencia A., Dopazo J. A hierarchical unsupervised growing neural network for clustering gene expression patterns // Bioinformatics. - 2001. - V. 17. - № 2. -P. 126 -136.