Работа с Affymetrix® Data
В этом примере показано, как использовать функции в Bioinformatics Toolbox™ для работы с данными Affymetrix® GeneChip®.
О файлах данных Affymetrix
Функциональный affyread может считать четыре типа файлов данных Affymetrix. Это Dat-файлы, которые содержат необработанные данные изображения, файлы CEL, которые содержат информацию о значениях интенсивности отдельных зондов, файлы CHP, которые содержат информацию о тестовых наборах и файлы EXP, которые содержат информацию об экспериментальных условиях и протоколах. affyread может также считать файлы библиотеки CDF и GIN. CDF-файл содержит информацию, о которой принадлежат зонды, к которому тестовый набор и файл GIN содержат информацию о тестовых наборах, таких как название гена, с которым сопоставлен тестовый набор. Чтобы узнать больше о фактических файлах, можно загрузить файлы выборочных данных с сайта поддержки Affymetrix. Большинство наборов данных хранится в архивах DTT. Чтобы извлечь DAT, CEL и файлы CHP, необходимо будет установить Инструмент Передачи данных.
Загрузка E. coli Набор данных Антисмысла
В данном примере вам будут нужны некоторые файлы выборочных данных (DAT, CEL, CHP) от E. coli Массив Генома Антисмысла. Загрузите их с Извлечения Demo_Data_E-coli-antisense.zip файлы данных из архива DTT использование Инструмента Передачи данных. Установите переменную exampleDataDir к имени пути и директории, к которой вы извлекли файлы выборочных данных.
exampleDataDir = 'C:\Examples\affydemo\data';
Загрузка E. coli Файлы Библиотеки Антисмысла
В дополнение к файлам данных вам также будет нужен Ecoli_ASv2. CDF и Ecoli_ASv2. GIN, файлы библиотеки для E. coli Массив Генома Антисмысла. У вас могут уже быть эти файлы, если у вас есть какое-либо программное обеспечение Affymetrix GeneChip, установленное на вашей машине. В противном случае получите файлы библиотеки путем загрузки и разархивации E. coli zip-файл Генома Антисмысла Массивов
Обратите внимание на то, что необходимо будет указать для того, чтобы получить доступ к файлам библиотеки.
Только необходимо разархивировать файлы, вы не должны запускать файл Setup.exe в архиве.
Установите переменную libDir к имени пути и директории, к которой вы извлекли файлы библиотеки.
libDir = 'C:\Examples\affydemo\libfiles';
Файлы изображений (dat-файлы)
Необработанные данные изображения с помощью сканера чипа сохранены в Dat-файле. Если вы используете affyread чтобы считать Dat-файл, вы будете видеть, что он создает структуру MATLAB®.
datStruct = affyread(fullfile(exampleDataDir,'Ecoli-antisense-121502.dat'))
datStruct =
struct with fields:
Name: 'Ecoli-antisense-121502.dat'
DataPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data'
LibPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data'
FullPathName: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data/Ecoli-antisense-121502.dat'
ChipType: 'Ecoli_ASv2'
NumPixelsPerRow: 4733
NumRows: 4733
MinData: 0
MaxData: 46108
PixelSize: 3
CellMargin: 2
ScanSpeed: 17
ScanDate: '13-Aug-0001 11:31:58'
ScannerID: ''
UpperLeftX: 231
UpperLeftY: 235
UpperRightX: 4492
UpperRightY: 253
LowerLeftX: 220
LowerLeftY: 4501
LowerRightX: 4482
LowerRightY: 4519
ServerName: ''
Image: [4733x4733 uint16]
Можно получить доступ к полям структуры с помощью записи через точку.
datStruct.NumRows
ans =
4733
Отображение файла изображения
Можно использовать imagesc команда, чтобы отобразить изображение.
datFigure = figure; imagesc(datStruct.Image);
Можно изменить colormap от jet по умолчанию к другому использованию colormap команда.
colormap pink
Можно увеличить масштаб конкретной области при помощи инструмента Zoom In с мышью, или при помощи axis команда. Заметьте, что это расширяет ось Y.
axis([1900 2800 160 650])
Можно использовать axis image команда, чтобы установить правильное соотношение сторон.
axis image
axis([1900 2800 160 650])
Тестовые файлы результатов (файлы CEL)
Информация о каждом зонде на чипе извлечена из данных изображения программным обеспечением анализа изображения Affymetrix. Информация хранится в файле CEL. affyread читает файл CEL в структуру. Заметьте, что многие поля совпадают с теми в структуре DAT.
celStruct = affyread(fullfile(exampleDataDir,'Ecoli-antisense-121502.CEL'))
celStruct =
struct with fields:
Name: 'Ecoli-antisense-121502.CEL'
DataPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data'
LibPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data'
FullPathName: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data/Ecoli-antisense-121502.CEL'
ChipType: 'Ecoli_ASv2'
Date: '01-Feb-2013 11:55:24'
FileVersion: 3
Algorithm: 'Percentile'
AlgParams: 'Percentile:75;CellMargin:2;OutlierHigh:1.500;OutlierLow:1.004'
NumAlgParams: 4
CellMargin: 2
Rows: 544
Cols: 544
NumMasked: 0
NumOutliers: 115
NumProbes: 295936
UpperLeftX: 231
UpperLeftY: 235
UpperRightX: 4492
UpperRightY: 253
LowerLeftX: 220
LowerLeftY: 4501
LowerRightX: 4482
LowerRightY: 4519
ProbeColumnNames: {8x1 cell}
Probes: [295936x8 single]
Файл CEL содержит информацию о том, где каждый зонд находится на чипе и также значениях интенсивности для зонда. Можно использовать maimage функционируйте, чтобы отобразить чип.
celFigure = figure; maimage(celStruct)
Снова, можно увеличить масштаб определенной области.
axis([200 340 0 70])
Если вы сравните изображение, созданное из файла CEL и изображения, созданного из Dat-файла, вы заметите, что изображение CEL является более низким разрешением. Это вызвано тем, что в этом изображении существует только один пиксель за зонд, тогда как изображение Dat-файла имеет много пикселей на зонд.
Структуры создаются affyread может быть очень большим. Это - хорошая идея очистить их из памяти, если они больше не необходимы.
clear datStruct
close(datFigure); close(celFigure);
Probes поле структуры CEL содержит информацию об отдельных зондах. Существует восемь значений на зонд. Они хранятся в ProbeColumnNames поле структуры.
celStruct.ProbeColumnNames
ans =
8x1 cell array
{'PosX' }
{'PosY' }
{'Intensity'}
{'StdDev' }
{'Pixels' }
{'Outlier' }
{'Masked' }
{'ProbeType'}
Таким образом, если вы смотрите на одну строку Probes поле структуры CEL вы будете видеть, что восемь значений соответствуют X положениям, Y положение, интенсивность, и т.д.
celStruct.Probes(1:10,:)
ans =
10x8 single matrix
1.0e+04 *
Columns 1 through 7
0 0 0.0082 0.0030 0.0036 0 0
0.0001 0 1.4202 0.3160 0.0036 0 0
0.0002 0 0.0080 0.0014 0.0030 0 0
0.0003 0 1.4760 0.2265 0.0036 0 0
0.0004 0 0.0050 0.0014 0.0036 0 0
0.0005 0 0.0073 0.0015 0.0036 0 0
0.0006 0 1.3595 0.2367 0.0036 0 0
0.0007 0 0.0087 0.0018 0.0036 0 0
0.0008 0 1.3284 0.2926 0.0036 0 0
0.0009 0 0.0104 0.0018 0.0030 0 0
Column 8
0.0001
0.0001
0.0001
0.0001
0.0001
0.0001
0.0001
0.0001
0.0001
0.0001
Файлы результатов (файлы CHP)
Файл CHP содержит результаты эксперимента. Они включают средние меры сигнала для каждого тестового набора, как определено программным обеспечением Affymetrix и информацией, о которой тестовые наборы называются как подарок, отсутствующий или крайний и p-значения для этих вызовов.
chpStruct = affyread(fullfile(exampleDataDir,'Ecoli-antisense-121502.CHP'),libDir)
chpStruct =
struct with fields:
Name: 'Ecoli-antisense-121502.CHP'
DataPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data'
LibPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/libfiles'
FullPathName: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/data/Ecoli-antisense-121502.CHP'
ChipType: 'Ecoli_ASv2'
AssayType: 'Expression'
Date: '01-Feb-2013 11:55:24'
CellFile: 'c:\documents and settings\bkolou\desktop\demo_data_e-coli-antisense\Ecoli-antisense-121502.CEL'
Algorithm: 'ExpressionStat'
AlgVersion: '5.0'
NumAlgParams: 13
AlgParams: 'SFGene=All SF=5.578290 NF=1.000000 TGT=500 Perturbation=1.1 Gamma2L=0.006 Gamma2H=0.006 Gamma1L=0.0045 Gamma1H=0.0045 Tau=0.015 Alpha2=0.065 Alpha1=0.05 BF= '
NumChipSummary: 3
ChipSummary: 'RawQ=1.62 Noise=Avg:1.33,Stdev:0.20,Max:1.7,Min:1.0 Background=Avg:42.81,Stdev:1.91,Max:46.5,Min:38.1 '
BackgroundZones: [1x1 struct]
Rows: 544
Cols: 544
NumProbeSets: 7312
NumQCProbeSets: 0
ProbeSets: [7312x1 struct]
ProbeSets поле содержит информацию о тестовых наборах. Это включает некоторую информацию о библиотеке, такую как ID и тип тестового набора, и также заканчивается информация, такая как расчетное значение сигналов и Present/Absent/Marginal вызовите информацию. Вызов дан в Detection поле структуры ProbeSets. Набор зонда 'argG_b3172_at' называется как являющийся 'Present'.
chpStruct.ProbeSets(5213)
ans =
struct with fields:
Name: 'argG_b3172_at'
ProbeSetType: 'Expression'
CompDataExists: 0
NumPairs: 15
NumPairsUsed: 15
Signal: 127.6070
Detection: 'Present'
DetectionPValue: 0.0134
CommonPairs: []
SignalLogRatio: []
SignalLogRatioLow: []
SignalLogRatioHigh: []
Change: []
ChangePValue: []
Однако набор зонда 'IG_2069_3319273_3319712_rev_at' называется 'Absent'.
chpStruct.ProbeSets(5216)
ans =
struct with fields:
Name: 'IG_2069_3319273_3319712_rev_at'
ProbeSetType: 'Expression'
CompDataExists: 0
NumPairs: 15
NumPairsUsed: 15
Signal: 35.0037
Detection: 'Absent'
DetectionPValue: 0.2661
CommonPairs: []
SignalLogRatio: []
SignalLogRatioLow: []
SignalLogRatioHigh: []
Change: []
ChangePValue: []
И набор зонда 'yhbX_b3173_at' называется 'Крайний'.
chpStruct.ProbeSets(5215)
ans =
struct with fields:
Name: 'yhbX_b3173_at'
ProbeSetType: 'Expression'
CompDataExists: 0
NumPairs: 15
NumPairsUsed: 15
Signal: 147.7237
Detection: 'Marginal'
DetectionPValue: 0.0559
CommonPairs: []
SignalLogRatio: []
SignalLogRatioLow: []
SignalLogRatioHigh: []
Change: []
ChangePValue: []
Можно вычислить, сколько тестовых наборов называется как являющийся 'Present',
numPresent = sum(strcmp('Present',{chpStruct.ProbeSets.Detection}))
numPresent =
4605
'Absent',
numAbsent = sum(strcmp('Absent',{chpStruct.ProbeSets.Detection}))
numAbsent =
2524
и 'Marginal'.
numMarginal = sum(strcmp('Marginal',{chpStruct.ProbeSets.Detection}))
numMarginal = 183
maboxplot отобразит диаграмму log2 значений сигналов для всех тестовых наборов.
maboxplot(chpStruct,'Signal','title',chpStruct.Name)
Файлы библиотеки (CDF-файлы)
Файл CHP дает итоговую информацию о тестовых наборах, но если вы хотите более подробную информацию о том, как отдельные зонды в тестовом наборе ведут себя, необходимо соединить тестовую информацию в файле CEL к соответствующим тестовым наборам. Эта информация хранится в файле библиотеки CDF, сопоставленном с типом чипа. CDF-файлы обычно хранятся в директории центральной библиотеки.
cdfStruct = affyread('Ecoli_ASv2.cdf',libDir)
cdfStruct =
struct with fields:
Name: 'Ecoli_ASv2.cdf'
ChipType: 'Ecoli_ASv2'
LibPath: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/libfiles'
FullPathName: '/mathworks/hub/qe/test_data/Bioinformatics_Toolbox/v000/demoData/affydemo/libfiles/Ecoli_ASv2.cdf'
Date: '04-Feb-2013 11:14:01'
Rows: 544
Cols: 544
NumProbeSets: 7312
NumQCProbeSets: 13
ProbeSetColumnNames: {6x1 cell}
ProbeSets: [7325x1 struct]
Большая часть информации в файле о тестовых наборах. В этом примере существует 7 312 регулярных тестовых наборов и 13 наборов зонда Qc. ProbeSets поле структуры 7325x1 массив структур.
cdfStruct.ProbeSets
ans =
7325x1 struct array with fields:
Name
ProbeSetType
CompDataExists
NumPairs
NumQCProbes
QCType
GroupNames
ProbePairs
Установленный рекорд зонда содержит информацию об имени, типе и количестве тестовых пар в тестовом наборе.
probeSetIndex = 5213; cdfStruct.ProbeSets(probeSetIndex)
ans =
struct with fields:
Name: 'argG_b3172_at'
ProbeSetType: 'Expression'
CompDataExists: 0
NumPairs: 15
NumQCProbes: 0
QCType: 0
GroupNames: {'argG_b3172_at'}
ProbePairs: [15x6 int32]
Информация о том, где зонды для тестового набора находятся на чипе, хранится в ProbePairs поле . Это - матрица с одной строкой для каждой тестовой пары и шести столбцов. Информация в столбцах соответствует ProbeSetColumnNames из структуры CDF.
cdfStruct.ProbeSetColumnNames cdfStruct.ProbeSets(probeSetIndex).ProbePairs
ans =
6x1 cell array
{'GroupNumber'}
{'Direction' }
{'PMPosX' }
{'PMPosY' }
{'MMPosX' }
{'MMPosY' }
ans =
15x6 int32 matrix
1 2 430 177 430 178
1 2 431 177 431 178
1 2 432 177 432 178
1 2 433 177 433 178
1 2 434 177 434 178
1 2 435 177 435 178
1 2 436 177 436 178
1 2 437 177 437 178
1 2 438 177 438 178
1 2 439 177 439 178
1 2 440 177 440 178
1 2 441 177 441 178
1 2 442 177 442 178
1 2 443 177 443 178
1 2 444 177 444 178
Первый столбец показывает тестовый номер группы. Второй столбец показывает тестовое направление. Номер группы всегда 1 для массивов выражения. Направление 1 соответствует 'смыслу', и 2 соответствует 'антисмыслу'. Остальные столбцы дают координаты X и Y премьер-министра и зондов MM на чипе. Можно использовать эти координаты, чтобы найти индекс зонда в celStruct.
PMX = cdfStruct.ProbeSets(probeSetIndex).ProbePairs(1,3);
PMY = cdfStruct.ProbeSets(probeSetIndex).ProbePairs(1,4);
theProbe = find((celStruct.Probes(:,1) == PMX) & ...
(celStruct.Probes(:,2) == PMY))
theProbe =
96719
Можно затем извлечь всю информацию об этом зонде от структуры CEL.
celStruct.Probes(theProbe,:)
ans =
1x8 single row vector
Columns 1 through 7
430.0000 177.0000 169.0000 35.4000 25.0000 0 0
Column 8
1.0000
Если вы хотите сделать этот поиск для всех зондов, можно использовать функциональный probelibraryinfo. Это создает матрицу с одной строкой на зонд и три столбца. Первый столбец является индексом тестового набора, которому принадлежит зонд. Второй столбец содержит тестовый парный индекс, и третий столбец указывает, является ли зонд идеальной парой (1), или не сочетайтесь (-1) зонд. Заметьте, что индекс тестового парного индекса равняется 1 базирующемуся.
probeinfo = probelibraryinfo(celStruct,cdfStruct); probeinfo(theProbe,:)
ans =
5213 1 1
Функциональный probesetvalues делает реверс этого поиска и создает матрицу информации от CEL и структур CDF, содержащих всю информацию о данном тестовом наборе. Эта матрица имеет 20 столбцов, соответствующих ProbeSetNumber, ProbePairNumber, UseProbePairФон, PMPosX, PMPosY, PMIntensity, PMStdDev, PMPixels, PMOutlier, PMMasked, MMPosX, MMPosY, MMIntensity, MMStdDev, MMPixels, MMOutlier, MMMasked, Group, и Direction.
probeName = cdfStruct.ProbeSets(probeSetIndex).Name; psvals = probesetvalues(celStruct,cdfStruct,probeName); sprintf( ['%4d %2d %d %d PM: %3d %3d %5.1f %5.1f %2d %d %d',... ' MM: %3d %3d %5.1f %5.1f %2d %d %d %d %d\n'],psvals')
ans =
'5212 0 0 4.543512e+01 PM: 430 177 169.0 35.4 25 0 0 MM: 430 178 163.5 24.1 30 0 0 1 2
5212 1 0 4.545356e+01 PM: 431 177 127.3 21.8 30 0 0 MM: 431 178 100.3 14.6 36 0 0 1 2
5212 2 0 4.547230e+01 PM: 432 177 127.0 23.7 30 0 0 MM: 432 178 175.0 28.6 36 0 0 1 2
5212 3 0 4.549129e+01 PM: 433 177 133.3 25.9 36 0 0 MM: 433 178 94.0 22.7 30 0 0 1 2
5212 4 0 4.551051e+01 PM: 434 177 212.3 43.3 36 0 0 MM: 434 178 171.8 36.5 30 0 0 1 2
5212 5 0 4.552995e+01 PM: 435 177 149.5 27.5 36 0 0 MM: 435 178 154.0 30.3 30 0 0 1 2
5212 6 0 4.554958e+01 PM: 436 177 50.3 11.2 30 0 0 MM: 436 178 46.0 9.8 25 0 0 1 2
5212 7 0 4.556938e+01 PM: 437 177 152.5 37.7 36 0 0 MM: 437 178 107.0 21.0 36 0 0 1 2
5212 8 0 4.558934e+01 PM: 438 177 164.5 31.2 36 0 0 MM: 438 178 97.3 21.9 36 0 0 1 2
5212 9 0 4.560939e+01 PM: 439 177 126.0 23.4 36 0 0 MM: 439 178 121.3 25.3 36 0 0 1 2
5212 10 0 4.562955e+01 PM: 440 177 54.0 11.2 36 0 0 MM: 440 178 54.0 12.9 36 0 0 1 2
5212 11 0 4.564975e+01 PM: 441 177 83.3 17.4 36 0 0 MM: 441 178 62.3 12.5 36 0 0 1 2
5212 12 0 4.566998e+01 PM: 442 177 95.5 17.1 30 0 0 MM: 442 178 84.0 18.6 30 0 0 1 2
5212 13 0 4.569022e+01 PM: 443 177 110.0 19.6 36 0 0 MM: 443 178 92.5 22.0 36 0 0 1 2
5212 14 0 4.571042e+01 PM: 444 177 251.0 46.0 36 0 0 MM: 444 178 111.8 20.7 36 0 0 1 2
'
Можно извлечь значения интенсивности из матрицы и посмотреть на некоторые статистические данные данных.
pmIntensity = psvals(:,7); mmIntensity = psvals(:,14); boxplot([pmIntensity,mmIntensity],'labels',{'Perfect Match','Mismatch'}) title(sprintf('Boxplot of raw intensity values for probe set %s',... probeName),'interpreter','none') % Use interpreter none to prevent the TeX interpreter treating the _ as % subscript.
Графический вывод зонда Установки значений
Теперь, когда у вас есть значения интенсивности для зондов, можно построить значения для идеальной пары и не соответствовать зондам.
figure plot(pmIntensity,'b'); hold on plot(mmIntensity,'r'); hold off title(sprintf('Probe intensity values for probe set %s',... probeName),'interpreter','none')
В качестве альтернативы можно использовать функциональный probesetplot создать этот график непосредственно из CEL и структур CDF. showstats опция добавляет среднее значение и линии для +/-одно стандартное отклонение и для идеальной пары и для зондов несоответствия к графику.
probesetplot(celStruct,cdfStruct,probeName,'showstats',true);
Названия генов и тестовые идентификаторы набора
Идентификаторы набора зонда Affymetrix не являются особенно описательными. Отображение между тестовыми идентификаторами набора и генными идентификаторами хранится в файле библиотеки GIN. Это - текстовый файл, таким образом, можно открыть его в редакторе и просмотреть файл, или можно использовать affyread считывать информации в структуру.
ginStruct = affyread('Ecoli_ASv2.GIN',libDir)
ginStruct =
struct with fields:
Name: 'Ecoli_ASv2'
Version: 2
ProbeSetName: {7312x1 cell}
ID: {7312x1 cell}
Description: {7312x1 cell}
SourceNames: {2x1 cell}
SourceURL: {2x1 cell}
SourceID: [7312x1 double]
Можно перерыть структуру для конкретного тестового набора. В качестве альтернативы можно использовать функциональный probesetlookup найти информацию о гене для тестового набора.
info = probesetlookup(cdfStruct,probeName)
info =
struct with fields:
Identifier: '3315278'
ProbeSetName: 'argG_b3172_at'
CDFIndex: 5213
GINIndex: 3074
Description: '/start=3316278 /end=3317621 /direction=+ /description=argininosuccinate synthetase'
Source: 'NCBI EColi Genome'
SourceURL: 'http://www.ncbi.nlm.nih.gov/cgi-bin/Entrez/altvik?gi=115&db=g&from=3315278'
Получение информации последовательности о тестовом наборе
Функциональный probesetlink соединится с веб-сайтом NetAffx™, чтобы показать фактические последовательности, используемые в зондах. Обратите внимание на то, что необходимо будет быть зарегистрированным пользователем NetAffx, чтобы получить доступ к этой информации.
probesetlink(cdfStruct,probeName);
Affymetrix, GeneChip и NetAffx являются зарегистрированными торговыми марками Affymetrix, Inc.