MAPPFinder：使用基因本体和GenMAPP从微阵列数据创建全局基因表达谱

简短摘要

摘要

背景

DNA微阵列实验同时测量数千个基因的表达水平，产生了大量数据。对这些数据的分析对生物学家提出了巨大的挑战，需要新的工具来帮助从这些实验中获得生物学见解。虽然数据是针对单个基因生成的，但在逐个基因的基础上检查数据集是很耗时的，并且很难在整个数据集上执行。加快数据分析速度的一种方法是从更高级别的组织中获取数据。这可以使用数据驱动的方法来实现，例如层次聚类和自组织映射[1,2]识别具有相似表达模式的基因组。一种补充方法是在已知生物过程或途径的水平上查看数据。识别那些显示出大量基因表达变化的生物相关基因组，将对特定数据集中发生的生物学进行信息描述，从而产生新的假设，并确定需要更详细调查的特定生物学领域。

GenMAPP（Gene MicroArray Pathway Profiler）是一种有助于识别重要生物过程的工具[三]是一个程序，用于查看和分析微阵列路径剖面（MAPP）上的微阵列数据，该微阵列路径轮廓表示生物路径或任何其他基因功能分组。当MAPP链接到基因表达数据集时，GenMAPP会根据用户提供的标准自动动态地对MAPP上的基因进行颜色编码。GenMAPP是基于路径的基因表达数据分析的有用起点，但在使用该工具识别所有生物学中相关的基因表达变化之前，需要满足几个关键要求。在实践层面上，需要自动化基于路径的微阵列数据分析，以便探索所有可能的路径。识别单个通路中的相关基因表达变化通常很有趣，但有必要知道在特定通路上看到的基因表达变化是该通路独有的还是发生在许多其他通路中。对自动化同样重要的是扩展以数字表示的路径信息。GenMAPP目前有50多个描述各种生物途径和基因家族的MAPP文件，但这仍然只是所有已知生物学的一小部分[三]. 其他几个途径项目，如KEGG[4]、经济周期/元周期[5]，路径处理器（使用KEGG）[6]和ViMAc[7]可与微阵列数据分析集成，但这些程序侧重于明确定义的代谢途径，如GenMAPP，将从更广泛的途径信息基础中受益。

为了解决这个问题，我们使用了基因本体（GO）联盟提供的信息[8]. GO联盟正在创建一个定义的词汇表，描述所有基因的生物过程、细胞成分和分子功能。GO以分层方式构建，GO术语之间存在父子关系。公共基因数据库的馆长正在将基因分配给GO术语，以便为单个基因提供注释和生物背景。除了提供基因注释外，GO还提供了一种结构，用于将基因组织成生物相关组。这些分组可以作为鉴定微阵列实验中显示相关基因表达变化的生物学领域的基础。虽然GO已被手动和一些软件包用于注释微阵列数据[9,10,11]，还没有自动化的方法将其用于基于路径的分析。

我们开发了一个名为MAPPFinder的工具，它将基因表达式数据动态链接到GO层次结构。对于11239个([12]; 截至2002年5月6日]）GO生物过程、细胞成分和分子功能术语，MAPPFinder计算符合用户定义标准的被测基因的百分比。这是针对每个特定GO节点进行的，并针对父GO项及其所有子项中符合标准的基因的累积总数，给出了与特定GO项相关的基因数量的完整图片。使用此百分比和z（z）score（参见材料和方法），用户可以根据基因表达变化的相对数量对GO术语进行排名。因此，MAPPFinder在生物过程、细胞成分和分子功能的水平上生成基因表达谱，快速确定需要进一步研究的生物学领域（图​（图11).

在单独的窗口中打开

图1

MAPPFinder的工作原理。微阵列数据作为GenMAPP基因表达数据集导入MAPPFinder。MAPPFinder使用关系数据库和GO中的基因关联文件，将数据集中的数千个基因分配给数千个GO术语。MAPPFinder使用用户定义的显著基因表达变化标准，计算符合标准的基因百分比以及每个GO项的统计分数。使用MAPPFinder生成的排名列表和GO浏览器，用户可以快速识别有趣的GO术语，并对其进行高水平的基因表达更改。这些GO术语中涉及的特定基因可以使用GenMAPP在自动生成的MAPP上进行检测。

MAPPFinder和GenMAPP都可以在免费充值[13].

结果和讨论

为了证明MAPPFinder的实用性，我们使用该程序分析了公开可用的小鼠微阵列数据集，即FVB心脏发育、成熟和衰老基准集[14]. 该数据集测量了12.5天胚胎和成年小鼠心脏中的基因表达水平。我们利用12.5天的胚胎时间点来确定那些显示胚胎心脏和成年心脏之间差异表达基因的生物过程。我们使用两个标准对此数据集进行了MAPPFinder分析，要么是增加（倍数变化>1.2第页<0.05）或减少（折叠变化<-1.2和第页<0.05）。我们之所以选择这个数据集进行演示，是因为与成年小鼠心脏组织相比，在12.5天胚胎中观察到的基因表达存在大量差异。

MAPPFinder将本实验中测量的9946个探针组与11239个GO项联系起来[12]并计算符合标准和a的基因百分比z（z）每个GO学期的得分。表​表11对数据集和GO之间的联系以及MAPPFinder进行的计算进行了总体总结。在FVB基准数据集中测量的9946个探针组中，近一半与GO项有关，约占与GO项相关的小鼠基因的70%[15]并且涵盖了目前已知的关于小鼠生物学的大部分内容。随着小鼠基因组数据库（MGD）添加更多GO术语和基因关联，微阵列数据集中与GO术语相关的基因比例将增加[16].

MAPPFinder将微阵列数据集中的基因分配给GO结构后，它计算每个GO项的百分比和z（z）符合用户标准的基因得分（参见材料和方法）。这两个值可用于识别GO术语，这些术语表示的基因表达变化数量过多（或不足）。MAPPFinder结果以两种形式显示。第一个是GO浏览器，它以图形方式显示GO层次结构中的MAPPFinder结果（图​（图2a2年,​，3a）。3a年). 第二个是一个文本文件，列出了所有度量的GO术语，按z（z）分数。给出了符合标准的基因数量、实验中测量的基因数量以及MGD分配给每个GO项的基因数量，以及各自的百分比和z（z）分数，在文本文件和GO浏览器中（图​（图2b）。2亿). 表​表22显示了带有z（z）在胚胎12.5天的时间点，显著增加和减少的标准的得分大于2。改变基因少于5个或超过100个的GO术语被从列表中删除，因为这些术语对于我们的数据分析来说要么太具体，要么太笼统。该过滤器确定了显著增加标准的前108个（8.0%）GO项和显著减少标准的前63个（4.8%）GO-项。通过升高或降低z（z）得分截止，或包括基因数量较多或较少的术语。然后，手动修剪过滤后的列表中的相关GO项，以删除GO层次结构中任何过度表示的分支（有关完整结果，请参阅其他数据文件）。当父项和子项都出现在列表中时，如果父项的出现完全是由于符合子项标准的基因所致，则会删除父项。清单上的其余术语仍然有很大程度的相关性，但为了完整起见，保留在这里。

在单独的窗口中打开

图2

MAPPFinder浏览器。（a）GO层次的分支植根于生物过程术语“RNA加工”。这些术语用MAPPFinder结果着色，表示与成年小鼠相比，12.5天胚胎中的基因显著增加。基因发生0-5%变化的术语为黑色、5-15%紫色、15-25%深蓝色、25-35%浅蓝色、35-45%绿色、45-55%橙色和大于55%红色。术语RNA处理以黄色突出显示，表明它满足搜索或筛选要求。（b）MAPPFinder结果。RNA处理这一术语以标记的各种MAPPFinder结果显示。计算了符合标准的基因百分比和本实验测量的GO中的基因百分比。将单独计算此节点的结果，并将其与所有子节点（即嵌套结果）结合计算。这个z（z）分数表示符合标准的基因数量是否高于或低于预期。正值表示基因的改变比预期的要多；负分数意味着改变的基因比预期少，接近0的分数表示改变的数量接近GO项的预期值。

在单独的窗口中打开

图3

将MAPPFinder链接到GenMAPP。（a）MAPPFinder浏览器显示了12.5天胚胎增加的GO过程术语“糖酵解”结果。GO术语的颜色编码与图中相同​图2。2.（b）在MAPPFinder浏览器中单击GO术语糖酵解生成相应的GenMAPP MAPP文件。此MAPP文件包含与此术语及其所有子项相关的基因列表。（c）使用GenMAPP中的工具对GO列表中的基因进行重排，以描述具有代谢中间体和细胞区室的糖酵解途径。（b）和（c）基因的颜色编码如下：红色，折叠变化>1.2和第页12.5天胚胎小鼠与成年小鼠之间的差异<0.05。蓝色，折叠变化<-1.2和第页< 0.05. 灰色，不符合上述标准。白色，阵列上未找到基因。

MAPPFinder的结果展示了与成年小鼠相比，12.5天胚胎中生物过程、细胞成分和分子功能增加和减少的总体情况（表​（表2）。2). MAPPFinder使用显著增加基因表达变化的标准，初步确定了与细胞分裂和生长有关的GO术语。值得注意的GO术语包括“有丝分裂细胞周期”过程（70个基因中的62.9%，z（z）得分为8.1），“mRNA剪接”（21个基因中的90.5%，z（z）得分为7.5分）和“蛋白质生物合成”（104个基因中的50%，z（z）6.8分）。排名靠前的成分和功能术语反映了相同的生物过程。例如，组成术语“剪接体”表明，20个基因中有17个（85%，z（z）得分6.7）上调。这些过程的上调与心肌细胞在胚胎发育过程中保持有丝分裂活性这一事实相一致[17]. MAPPFinder结果表明，除了参与细胞分裂和生长的过程外，“跨膜受体蛋白丝氨酸/苏氨酸激酶信号通路”和“诱导凋亡”的过程也被上调，与细胞分裂和细胞生长有关z（z）得分约为2分。术语“跨膜受体蛋白丝氨酸/苏氨酸激酶信号通路”的出现是由于参与转化生长因子-β（TGFβ）受体信号传导的基因上调，TGFβ被认为调节心脏发育过程中形态发生所需的凋亡诱导[18,19].

与成年心脏相比，参与能量代谢的基因在12.5天的胚胎心脏中表现出最高水平的下调。特别是，过程术语“脂肪酸代谢”（30个基因中的63.3%，z（z）得分为5.9）和“碳水化合物代谢的主要途径”（39个基因中的51.3%，z（z）得分4.8），是术语“糖酵解”和“三羧酸循环”的父代，表明与成年小鼠相比，胚胎中的整体代谢基因下调。此外，组成术语“线粒体”显示187个基因中有88个（47.1%，z（z）分数9.1）被下调。脂肪酸代谢相关基因的下调与研究一致，研究表明发育中的心脏不同于成人心脏，它的能量不来自脂肪酸[20].

总的来说，MAPPFinder的结果为12.5天胚胎心脏与成年心脏相比的上调和下调过程提供了一个全局视角。结果证实了预期：与成人心脏相比，胚胎心脏的细胞分裂和生长增加，能量代谢降低。此外，MAPPFinder提供的全球基因表达谱允许将观察到的细胞分裂、生长和能量代谢的基因表达变化置于其他调控和发育过程的背景下，如TGFβ信号和凋亡。

材料和方法

其他数据文件

以下附加数据文件可用：

FVBN开发数据的形式为GenMAPP表达式数据集文件（.gex）。它包含微阵列数据集和用于定义增加和减少基因表达变化的标准。它可以在GenMAPP中打开进行编辑，是与MAPPFinder一起使用的适当数据类型。

FVBN开发数据作为数据库文件由MAPPFinder（.gdb）生成。它包含数据集中的基因和GO层次结构之间的关系。可以在Microsoft Access中打开该文件以进行查看。必须存在此文件，才能从现有MAPPFinder结果生成GenMAPP MAPP。

文件中包含了12.5天胚胎与成年小鼠的MAPPFinder结果：12.5天胚胎-显著增加-基因本体结果,12.5天胚胎-显著增加-局部结果,12.5天胚胎-显著减少-基因本体结果,12.5天胚胎-显著减少-局部结果,12.5天胚胎-所有变化-基因本体结果,12.5天胚胎-所有变化-局部结果。这些文本文件包含两个条件以及GO层次结构和GenMAPP.org MAPP的MAPPFinder结果。这些文件可以加载到MAPPFinder中，以便在MAPPFinder-GO浏览器中查看。这些文件以制表符分隔，也可以在Microsoft Excel中作为表格查看。“All Changes”文件包含寻找增加或减少基因表达变化的标准的结果。A类zip文件包含所有附加数据文件。

补充材料

致谢

工具书类