遺伝子発現の時系列解析 - ryamadaの遺伝学・遺伝統計学メモ

このレビューをおさらい(いまいちなレビューだった…)
イントロ
- 動的な系の解析。現在の実験技術に照らせばトランスクリプトーム、マイクロアレイ・RNAseqが一番対象となりやすい
実験系とそのデータ解析
- そもそも時系列実験をするのはなんのため？
  - 一過性の現象も捕まえられる
  - 逐次生起現象を捕まえられる
  - 経時パターンを捕まえられる
- 一般的な留意点
  - 繰り返しサンプリングが必要なので均質とみなせる細胞集団が必要
  - 実験間誤差・再現性：アレイよりRNAseqの方がコントロールしやすそう
  - トランスクリプトームとは言っても「量」だけではなくて「スプライスバリアント」などの情報も取れる点はRNAseqの別の利点
- 正規化・標準化
  - 基本的には時系列解析もそうでない解析も同様にするのでよい。発現全体について定常であると仮定できる場合には。そうでない場合には、「全体」を基準とした補正はひとしなみに実施するわけにはいかないが
  - 同期させての実験には初期同期・同期の乱れ・再同期などに伴う課題・そのデータ解析上の課題は発生する
- データ表示
  - - ヒートマップに時間軸を入れる
    - 遺伝子ごとに経時変化を示す：平滑化
    - Fold-changeの時系列変化表示
    - 遺伝子をクラスタリングしてクラスタごとの時系列変化表示
- 発現に違いのある遺伝子
  - 「２連続時刻で2倍以上の差がある」というad hocな定義…ナイーブです
  - ナイーブでない方法は…
    - LIMMA
    - SAM
    - EDGE
    - BETR
- クラスタリング
  - STEM
  - GQL
  - CAGED
  - TimeClust
  - DynaMiteC
  - PESTS
- 分類法
  - GQL
  - TRAM
  - MVQueries
- 動的制御ネットワーク
  - Inferelator
  - Network Component Analysis
  - Dynamic Regulatory Events Miner
  - TSNI
- シミュレーション
  - GeneNetWeaver
- 因果関係
  - 発現のカスケード的な様子の検出、時間軸での自己相関の検出
時系列変化パターン
- 時系列変化のパターン
  - 刺激応答性
  - 発生(内在的経時プログラム)
  - 周期性
- 時系列パターンの構成要素
  - インパルス型
  - 一定維持型
- 時系列変化の組合せ
  - インパルス→一定維持
  - インパルス→インパルス→インパルス→…
- 発生
  - 時期特異的遺伝子群
- 周期性
トランスクリプトーム以外の実験プラットフォーム
- Chip-chip,ChipSeq:転写因子の結合具合の時系列変化
静的データと時系列データとを組み合わせてマイニング