科研服务 > 数据分析

	随着生物芯片技术与生物资讯的发展，过去以观察为主的生物学透过资料导向 (Data-driven) 的方式已渐渐转变成系统生物学的研究。生物芯片实验一次产生的上万笔数据， 需要透过一系列的数值方法和生物资讯演算法分析后才能将大量资料转化成有生物意义的资讯。 华联生技了解客户的需求，以超过 30,000 件芯片分析经验为基础，推出 BiXOneArray (Bioinformatics × OneArray)，提供三十多项数据分析服务， 以图表等方式呈现，协助您挖掘数据背后的生物意义。我们以知名的分析软体 Rosetta Resolver 进行数据前处理， 搭配统计分析、功能分析线上资料库、MetaCore 及 Cytoscape 等分析软体及华联生物资讯团队自行建构的分析模组，为客户进行以下各类数据分析服务。

统计检定

t 检定 (t-Test)   类型 单变量 / 连续型 样本 适用2组样本比较，每样本至少2重覆 说明 藉由实验组与对照组视为两母群体样本，并使用其样本平均数进行假设检定。可以针对差异基因或客户感兴趣的基因作列表 案例     卡方检定 (Chi-Square Test)   类型 单变量 / 离散型 样本 适用于两组离散型资料比较 说明 统计分析时，通常采用 列联表(contingency table) 以计次方式呈现 类别尺度资料。此分析方法主要用来探讨两个类别变数间之相关性。通常是以观察次数 (observed frequency, O) 及期望次数 (expected frequency, E) 的比较来进行检定。 所有类别之 (O - E)2 / E 加总，即算得检定用的统计量χ2值 案例     简单线性回归 (Simple Linear Regression)   类型 单变量 / 连续型 样本 适用于依变项为连续型资料，建议总样本数30以上 说明 用于探讨一个连续型变数(依变数)与单个或数个变数间(自变数)的关系。以直线定义依变项Y随着自变项X变动的情形，将母群体中变项之直线关系以 Y=β0+β1X+ε 来表示。而此方法相较于相关分析主要差异在于Linear Regression可在给定某一自变数的值以预测或估计依变项 案例     复线性回归 (Multiple Linear Regression)   类型 多变量 样本 适用于依变项为连续型资料，建议总样本数30以上 说明 用于探讨一个连续型变数(依变数)与单个或数个变数间(自变数)的关系。以直线定义依变项Y随着自变项X变动的情形，将母群体中变项之直线关系以 Y=β0+β1X+ε 来表示。而此方法相较于相关分析主要差异在于Linear Regression可在给定某一自变数的值以预测或估计依变项 案例     逻辑斯回归分析 (Logistic Regression)   类型 单变量 / 离散型 样本 适用于依变项为类别型资料，建议总样本数30以上 说明 用于探讨一个二分类类别型变数(依变数)与单个或数个变数间(自变数)的关系 案例     复逻辑斯回归 (Multiple Logistic Regression)   类型 多变量 样本 适用于依变项为连续型资料，建议总样本数30以上 说明 独立变数有k个，依变数只有一个y, 研究各独立变数和依变数的关系。可以用μy=α+β1 x1 +β2 x2 +β3 x3 +β4 x4 +…βk xk+ε 案例     相关系数分析 (Correlation Coefficient)   类型 单变量 / 连续型 样本 适用2组以上连续型资料 说明 为用来描述两个随机变数彼此之间的相关强度，且两者之间的关系是线性关系，其值介于-1~1之间 案例     变异数分析与多重比较 (ANOVA & Multiple Comparisons)   类型 单变量 / 连续型 样本 适用3组以上样本比较，每样本至少2重覆 说明 用于检定三组或三组以上群体之母群体平均数是否有差异。 变异数分析主要的概念是将资料的变异来源分为“组间变异”和“组内变异”两部份，其中组间变异是指用不同处理方法之间所产生的变异；组内变异是用相同处理方法内的变异。接着以此两种变异的大小来判断虚无假设是否成立。ANOVA仅能得到各母群体平均数不完全相等之结论，无法得知是否为全部不相等，或是只有几个不相等，因此Multiple Comparisons为延伸ANOVA检定而进一步比较组间的平均值是否有差异的统计方法，避免增加违反型一误差的机率(Type I error)。 案例     存活分析 (Survival Analysis)   类型 单变量 / 设限资料 样本 额外考量时间的效应 说明 用来研究或分析样本所观察到的某一段时间长度的分配。一段时间长度通常是从一特定事件开始的时间原点 (起始时间点) (starting event time point, zero time point) 直到某一特定事件发生的时间点 案例

视觉化分析

直方图 (Bar Plot)   样本 适用2组以上样本比较 说明 芯片实验中常利用柱状图来表示数据量化呈现的方式, 常和其他实验结果作比较 案例     盒形图 (Box Plot)   样本 适用2组以上样本比较 说明 箱型图通常用来观察芯片数据分布和位置的状况,介于25到75百分位之间的数据常含盖了大部分的芯片数据，以外的极大值与极小值部分被称为outlier。技术性重覆的实验其箱型图分布和四分位数位置通常很接近；若有差异性通常可藉由校正方式修正回来 案例     火山图 (Volcano Plot)   样本 适用2组以上样本比较，每样本至少2重覆 说明 火山图其实是散布图(scatter plot)的一种延伸，如图，x与y 轴分别表示两组数据间的log2 fold change与P-value(取log10的负数)，藉由此我们可以观察到具有统计意义显著差异表现的基因分布的情况 案例     文氏图 (Venn Diagram)   样本 适用2组以上样本比较 说明 Venn diagram常用来表示两组数据间重叠(overlapping)的比例有多少，藉由颜色区分样本间一致性和独特性 案例     圆饼图 (Pie Chart)   样本 适用2组以上样本比较 说明 利用圆形图中每种表征(诸如基因的功能调控、网路代谢路径、疾病名称、Biomarker、毒理代谢、标靶药物等等)所占的比例，呈现其重要地位和影响性，并且可以互相比较，找出不同实验变因调控下表征值相似性或相异性 案例     主成份分析图 (PCA 2D/ 3D Plot)   样本 适用3组以上样本比较 说明 主成份分析法 (PCA) 是一种常用于简化数据集(Data set)、观察样本或基因群之间相关性的技术。微阵列数据通常是上万笔基因、数十个样本所组成的一个资料矩阵，利用主成份分析可以减少数据的维数(Dimension)，同时保留数据对变异数贡献最大的特征，藉以观察样本或基因群的主要差异 案例     生物网路资料整合、分析及视觉化服务   样本 适用2组以上样本比较 说明 Cytoscape - 可以建构视觉化的分子交互作用网络，并可将已有的基因表达资讯 (gene expression profiles) 整合进此网络中，观察分子间 (蛋白质-蛋白质 或 蛋白质-DNA…) 的关联性 案例

模式识别

热点图 (Heat Map)   样本 适用2组以上样本比较 说明 Heat map比较像是分群法(clustering)的简单表示法，作者藉由芯片数据丛集分析(hierarchical clustering)的结果挑选感兴趣的基因，借以观察不同药物处理下基因表现的情况，此种方法不须以数据表示而是利用颜色的不同凸显表现量的差异，是芯片数据分析最常用的视觉化表现方式 案例     非监督式分群分析 (Unsupervised Clustering Analysis)   样本 适用2组以上样本比较 说明 生物学家常利用此类分群方式试图从没有任何标记的芯片数据中挖掘具有表现特征(expression pattern)的基因群，这些被分类的基因群背后可能和分子功能、调控路径或生物代谢种类等等有关，有助他们缩小研究范围、找到关键影响因子(key point) 案例     功能聚类分析 (Functional ClusteringAnalysis)   样本 适用2组以上样本比较 说明 功能性分群法可以说是clustering的延伸运用；如图中先进行了pathway的富集分析(enrichment analysis)，再利用unsupervised clustering方式将调控路径与基因之间关系、pathway富集程度(用p-value来表示)作分群 案例     分类分析 (Classification Analysis)   样本 适用30组以上样本比较 说明 In machine learning and statistics, classification is the problem of identifying to which of a set of categories (sub-populations) a new observation belongs, on the basis of a training set of data containing observations (or instances) whose category membership is known. 案例

功能分析

反应路径富集分析 (Pathway Enrichment Analysis)   样本 适用2组以上样本比较 说明 Gene set analysis demonstrated several major advantages over individual gene differential expression analysis. Gene sets are groups of genes that are functionally related according to current knowledge. Commonly used gene sets include those derived from KEGG pathways, Gene Ontology terms, gene groups that share some other functional annotations, such as common transcriptional regulators etc. 案例     Gene Ontology 富集分析 (Gene Ontology Enrichment Analysis)   样本 适用2组以上样本比较 说明 Gene set analysis demonstrated several major advantages over individual gene differential expression analysis. Gene sets are groups of genes that are functionally related according to current knowledge. Commonly used gene sets include those derived from KEGG pathways, Gene Ontology terms, gene groups that share some other functional annotations, such as common transcriptional regulators etc. 案例     MetaCore 网路分析 (MetaCore Network Analysis)   样本 适用2组以上样本比较 说明 约700余种静态交互作用的权威通路资料 全面的人类代谢路径图 传统人类代谢路径图（以EC代号显示） 信号通路和转录调节路径图 疾病相关代谢路径图 几十万笔蛋白质相互作用机制，并标记作用方向和机制 几百万个基因、蛋白和化合物资料库 700多张经人工校正之生物讯息传导通路图 40000多笔代谢反应路径资料 3122种药物资讯 900多种转录因子资料 5000多笔内源性代谢物资料 800,000多笔带有生化活性资料之化合物 案例     miRNA 标的基因预测服务(miRNA - Target Gene Prediction Service)   样本 适用2组以上样本比较 说明 芯片数据可与其他芯片平台比较其相关性，例如：Affymetrix、Agilent、illumina等厂商，也可以进行和real time q-PCR实验数据比对，验证实验的再现性 案例     mRNA / miRNA 表现量整合性分析   样本 适用2组以上样本比较 说明 Cytoscape - 可以建构视觉化的分子交互作用网络，并可将已有的基因表达资讯 (gene expression profiles) 整合进此网络中，观察分子间 (蛋白质-蛋白质 或 蛋白质-DNA…) 的关联性 案例

客制化注解与资料库整合

Conversion and annotation of gene and protein IDs   样本 任何基因名单 说明 进行大量ID的转换 案例     Database Link & Integration   样本 任何基因名单 说明 进行联结的整合 案例     Batch Alignment Service   样本 Fasta格式序列 说明 进行大量的序列比对 (Blast) 案例

其他

探针设计 (Probe Design)   说明 协助设计专属的研究用及临床用芯片探针 案例     Cross-platform Analysis   说明 对不同的研究结果进行meta-analysis 案例     Customized Analysis   说明 请与业务接 案例