[发明专利]一种跨芯片平台的基因表达数据整合方法

摘要

本发明属于生物信息技术领域。本发明提供了一种跨多个不同芯片平台整合基因表达数据的方法，包括如下步骤多个芯片平台的基因表达谱标准化预处理；合并不同芯片平台中共同的基因表达数据；根据基因间在多个芯片平台的表达相似性将基因分为k个子集；最小二乘法计算每个基因子集内不同芯片平台的表达线性关系；利用公式将所述不同芯片平台的基因表达值标准化到同一变化范围，得到标准化的基因表达矩阵，其中符号含义如说明书中所定义。

主权项

一种跨芯片平台的基因表达数据整合方法，所述方法包括如下步骤：步骤1：获得要整合的两个或多个基因芯片平台表达数据，对于每个基因芯片平台而言，表达数据为一个矩阵，矩阵的每一行表示一个基因，矩阵的每一列表示一个被检测的样本；步骤2：对所述两个或多个基因芯片平台中共同存在基因，生成合并的基因表达矩阵，矩阵的每一行表示一个共同存在基因，矩阵的列由所述两个或多个基因芯片平台检测的样本构成，每一列表示一个被检测的样本；步骤3：基于基因在所述合并的基因表达矩阵中的表达模式相似性将基因分割为M个基因子集；步骤4：对于步骤3得到每个基因子集，计算基因子集内基因在每个所述两个或多个基因芯片平台的表达值均值，利用下式得出所述两个或多个基因芯片平台中的两个在该基因子集内的表达线性关系exps1＝as*exps2+bs，其中exps1>0同时exps2>0，s表示M个基因子集中的一个子集，exps1是由基因子集s内基因在基因芯片平台1中的表达值均值构成的数组，exps2指基因子集s内基因在基因芯片平台2中的表达值均值构成的数组，采用最小二乘法估计其中h为基因子集s包含的基因数；利用公式exp1＝X*A.*exp2+X*B将所述两个基因芯片平台的基因表达值标准化到同一变化范围，得到标准化的基因表达矩阵，其中X为一个N行M列由0和1构成的矩阵，且如果基因n属于基因子集m，则Xnm＝1；基因n不属于基因子集m，则Xnm＝0，N为所述两个基因芯片平台共同存在基因的数目，M为基因子集的数目，n为所述两个基因芯片平台共同存在基因的编号，m为基因子集的编号，A和B为M行k列的矩阵，A和B矩阵的行元素分别为对应基因子集中计算的as和bs，“*”表示两个矩阵相乘，“.*”表示两个矩阵的点乘。