UNIVERSITA’ DEGLI STUDI DI PISA LAUREA IN INGEGNERIA BIOMEDICA CORSO DI ANALISI E MODELLI DI SEGNALI BIOMEDICI Erika Melissari Microarray a DNA: tecnologie di costruzione dei vetrini Microarray a cDNA - lunghezza delle sonde: 200-400 mer - sonde sintetizzate prima dell’ancoraggio al vetrino - spotted microarray Microarray ad oligonucleotidi - sonde sintetizzate direttamente sul vetrinosintetizzazione in situ - oligonucleotidi corti; lunghezza delle sonde: 20-40 mer (Affymetrix GeneChip) - oligonucleotidi lunghi; lunghezza delle sonde: 60 mer (Agilent) I microarray: la tecnologia “Spotted” Array Affymetrix GeneChip® I microarray: la tecnologia Agilent® Microarray per l’analisi dell’espressione genica Fase “wet” di un esperimento microarray Estrazione mRNA Retrotrascrizione e Marcatura Ibridazione Scansione Analisi dei dati Immagine 16-bit formatoTIFF Quantizzazione deidei dati dati Quantizzazione Pre-trattamento dei dati Normalizzazione Estrazione dei dati di espressione differenziale Verifica biologica ed interpretazione del risultato Scansione del vetrino Scansione Scansione del vetrino Scanner a due laser formazione di due immagini Codifica su 16 bit 635 nm - Red 532 nm - Green Canali separati in acquisizione Lunghezze d’onda di eccitazione/assorbimento dei fluorocromi 2^16 = 65536 livelli di colore Occupazione di memoria 250 MB c.a. Quantizzazione dei dati • “Gridding” dell’immagine GAL file Segmentazione Segmentazione perspaziale intensità • Segmentazione: spaziale; per intensità; • Segnale Background Estrazione delle intensità del foreground (segnale proveniente da ibridizzazione specifica) e del background (rumore). Per ciascuno spot: media dei pixel; mediana dei pixel. Analisi dei dati Immagine 16-bit formatoTIFF Quantizzazione dei dati Pre-trattamento deidei dati dati Pre-trattamento Normalizzazione Estrazione dei dati di espressione differenziale Verifica biologica ed interpretazione del risultato Pre-trattamento dei dati • Correzione del background Fenomeni che generano per sottrazione dal segnale utile del rumore: suo valore calcolato su aree dedicate esterne allo del spotsegnale “legame campione netto marcato al microarray in aree esterne allo spot spotting” scorretto; legami aspecifici del campione con il • Applicazione supporto;di indicatori di qualità agli spot per la selezione dei geni giudicati idonei per la successiva analisi fluorescenza propria di reagenti eliminatidel consegnale netto / SD del rumore SNRnon = Mediana il lavaggio. Analisi dei dati Immagine 16-bit formatoTIFF Quantizzazione dei dati Pre-trattamento dei dati Normalizzazione Normalizzazione Estrazione dei dati di espressione differenziale Verifica biologica ed interpretazione del risultato Normalizzazione (1) DEF: Correzione dell’effetto sistematico di fonti di variabilità che possono influenzare i risultati di un esperimento microarray. Tali fonti possono essere generate da: Quantità iniziali diverse di RNA ibridizzato sul vetrino; Diversa efficienza di incorporazione dei due fluorocromi durante il processo di marcatura; Diversa efficienza dello scanner nell’eccitazione dei due fluorofori; Diversa efficienza dei due fluorofori nell’emissione dell’energia acquistata; Diversa efficienza dello scanner nell’acquisizione dei due canali. Validità delle correzioni operate sui dati dal processo di normalizzazione Ipotesi: i geni la cui espressione viene significativamente influenzata dalla condizione sperimentale studiata sono “pochi” rispetto alla totalità dei geni presenti sul vetrino N.B.: valida solo su vetrini dove è possibile indagare l’intero trascrittoma di un organismo Normalizzazione (2) Esperimento Self-Self per visualizzare la presenza di errori sistematici: due aliquote dello stesso campione vengono marcate con i due fluorofori e ibridizzate sul vetrino Def: Fold-Change: A =½ log (R*G) M = log (R/G) Rapporto fra il valore di espressione del gene x nel campione trattato vs espressione del gene xFold nel campione Change di controllo Perché si usa il log del FoldChange? Intervalli di rappresentatività dell’espressione differenziale Normalizzazione (3) Il processo di normalizzazione è necessario anche per confrontare (mettere insieme) dati provenienti da repliche 1. Repliche sperimentali: l’mRNA estratto da ogni individuo viene diviso in aliquote, marcato e ibridizzato su almeno tre vetrini insieme a un altro campione marcato con l’altro fluoroforomiglioro la qualità delle osservazioni su ciascun individuo, ma ciò non è sufficiente per quantificare l’espressione media di un gene in una popolazione di individui dello stesso tipo Repliche biologiche: l’mRNA proviene da campioni biologici dello stesso tipo ma distinti (ad esempio individui diversi). Ciascuno di essi viene marcato e ibridizzato una o al più due volte su rispettivamente uno o due vetrini miglioro l’accuratezza nella stima della media di popolazione, ma peggioro quella del singolo individuo Le repliche migliorano l’accuratezza della misura. Più repliche abbiamo, meglio riusciamo ad osservare la quota random degli errori Obiettivo dell’esperimento microarray DEF: Efficienza ~ 1/varianza delle stime Come disegno un esperimento efficiente? “Posso comprare solo 10 array (non ho problemi a reperire campioni).” “Ho solo 10 campioni (non ho problemi a comprare array).” 2. Non è sempre possibile realizzare esperimenti con il massimo livello di replicazioneBisogna stabilire qual è il disegno sperimentale più EFFICIENTE rispetto al quesito biologico che si vuole indagare e al budget a disposizione Normalizzazione (4) • Normalizzazione within array per correggere errori sistematici su ciascun array separatamente • Normalizzazione between arrays per correggere errori sistematici che possono rendere eterogenei array biologicamente simili, cioè fra copie sperimentali o biologiche Normalizzazione within array 1. Normalizzazione globale -> Centraggio della distribuzione R=K*G log2 R/G - - - -> log2 R/G – c = log2 R/(KG) c = log2 K Normalizzazione within array 2. Normalizzazione intensità-dipendente Interpolazione LO(W)ESS (LOcally WEighted polynomial regreSSion) globale LOWESS Funzione di smoothing Normalizzazione between arrays Normalizzazione scale riscalatura della dispersione dei logfold-change fra array per equilibrare i valori di M fra array scale Analisi dei dati Immagine 16-bit formatoTIFF Quantizzazione dei dati Pre-trattamento dei dati Normalizzazione Estrazione dei Estrazione deidatidati di espressione differenziale di espressione differenziale Verifica biologica ed interpretazione del risultato Estrazione dei dati di espressione genica Metodi statistici - t-statistic, ANOVA (ANalysis Of VAriance), Bayesian-statistic, S-score e test su permutazione dei dati Lista di geni differenzialmente espressi - A ciascun gene è associato un p-value e un valore di log(fold-change) medio, rappresentativo della differenza di espressione rilevata fra il gruppo di soggetti che formano il campione sperimentale e quello di controllo Analisi dei dati Immagine 16-bit formatoTIFF Quantizzazione dei dati Pre-trattamento dei dati Normalizzazione Estrazione dei dati di espressione differenziale Verifica biologica ed Verifica biologica ed interpretazione dei risultati interpretazione del risultato Verifica biologica ed Interpretazione del dato Validazione di un sottoinsieme di geni differenzialmente espressi attraverso metodiche alternative (real time RT-PCR) Interpretazione della lista dei geni DE per individuare l’effetto a livello molecolare del fenomeno biologico indagato informazioni sui singoli genisingle-gene analysis reti biochimiche (pathway) di trasmissione del segnale pathway analysis caratterizzazione ontologicagene ontology analysis Banche dati Banche dati NCBI http://www.ncbi.nlm.nih.gov/ - GeneInfo sui geni - Nucleotide Info sui trascritti - PubMedRicerca di pubblicazioni scientifiche di ambito medico - …. Kegg http://www.genome.jp/kegg/ - Kegg GenesInfo sui geni e sui trascritti - Kegg PathwayInfo sulle reti di trasduzione del segnale genico (pathway) Gene Ontology http://www.geneontology.org/ Informazioni sulla classificazione ontologica dei geni\prodotti genici Software per la navigazione delle banche dati Single-Gene Analysis - GeneCards Pathway-Level Analysis - PathwayExpress Ontological Analysis - OntoExpress Banca dati Gene Nome (Gene Symbol) del genepuò essere identico per organismi differenti Banca dati Nucleotide Codice del trascrittoè specifico per ogni organismo KEGG http://www.genome.jp/kegg/ General pathway Human Pathway Gene Ontology http://www.geneontology.org/ Consorzio che si occupa della definizione delle ontologie geniche per la classificazione dei geni attraverso i loro prodotti genici (Proteine) Ontologia genica: un vocabolario unico, indipendente dall’organismo, da utilizzare per la descrizione dettagliata dei geni attraverso i loro prodotti genici • possibilità di “trasferimento” delle informazioni funzionali fra organismi differenti a parità di complessità del genoma • possibilità di “trasferimento” delle informazioni funzionali da organismi “meno complessi” ad organismi “più complessi” • univocità nella descrizione delle caratteristiche di un gene Tre ontologie • Funzione molecolare -> funzione biochimica di un prodotto genico - enzima, lega gli ioni calcio, lega i nucleotidi, etc • Processo biologico -> processo di co-regolazione all’interno del quale il prodotto genico può essere inserito - metabolismo di una molecola, glicolisi, ciclo della cellula, apoptosi • Componente cellulare -> “luogo” della cellula nel quale un determinato prodotto genico può agire - membrana cellulare, reticolo endoplasmatico Struttura gerarchica -> DAG (grafi aciclici diretti) DAG Categorie ontologiche o GO term: tutti i sottolivelli di un’ontologia -> A ciascun GO term è associata una definizione e un insieme di geni che in esso vengono annotati per ciascun organismo Ontologie Categorie ontologiche Software per la navigazione simultanea delle banche dati di info bio-molecolari http://www.genecards.org/ PathwayExpress : http://vortex.cs.wayne.edu/projects.htm Impact Analysis: mappatura dei geni differenzialmente espressi nei pathway molecolari e valutazione della propagazione della perturbazione della trasduzione del segnale genico provocata dalla variazione di espressione genica PathwayExpress : http://vortex.cs.wayne.edu/projects.htm L’Impact Factor è formato da tre contributi: - Numero di geni differenzialmente espressi mappati in un pathway rispetto al numero di geni che formano il pathwaylivello di rappresentatività della lista dei geni DE nel pathway - Fold-change dei geni differenzialmente espressi mappatientità della perturbazione del pathway provocata dai geni differenzialmente espressi - Posizione dei geni differenzialmente espressi all’interno del pathwayun gene posizionato a monte (p.es. sulla membrana cellulare o su un nodo cui fa capo una sottorete) di una cascata di segnale è “più importante” di un gene posizionato a valle 40 OntoExpress: http://vortex.cs.wayne.edu/projects.htm Over-representation analysis: ci sono dei gruppi di geni differenzialmente espressi rappresentati in maniera “sproporzionata” in qualche GO term? Questa rappresentatività “sproporzionata” è statisticamente significativa rispetto al totale dei geni che vengono annotati in quel GO term? Cellular Component Molecular Function Biological Process 41 Info Erika Melissari Ospedale S. Chiara, edificio 43, secondo piano Ospedale S. Chiara, edificio 43, piano terra, c/o Laboratorio Dott.ssa Pellegrini [email protected] Iscrizione all’esame www.ing.unipi.it Prenotazione esami Materiale www.bioclinica.unipi.it/lezioni/bioingegneria/Biologia_Molecolare/