Strategien für die Expressionsanalyse in funktionellen Gengruppen

Hummel, Manuela (2009): Strategien für die Expressionsanalyse in funktionellen Gengruppen. Dissertation, LMU München: Faculty of Medicine

Abstract

Die Analyse von Genexpressionsdaten, die durch die Microarray-Technologie bereit gestellt werden, ist in den letzten Jahren zu einem interessanten Forschungsfeld der Statistik geworden. Die ersten Verfahren auf diesem Gebiet zielen darauf ab, differentiell exprimierte Gene aus der riesigen Menge aller Gene eines Microarrays heraus zu filtern. Das Resultat einer solchen genweisen Analyse ist eine Liste interessanter Gene. Derartige Listen einzeln ausgewählter Gene sind allerdings schwer in einen biologischen Kontext zu bringen. Überdies hängen sie stark von der verwendeten Analysemethode und vom jeweiligen Datensatz ab, so daß Genlisten verschiedener Arbeitsgruppen meist eine relativ schlechte Übereinstimmung aufweisen. Eine Alternative beziehungsweise Weiterführung der genweisen Herangehensweise bietet die Analyse funktioneller Gengruppen. Diese beinhalten biologisches Vorwissen über das Zusammenspiel von Genen. Somit sind relevante Gengruppen sinnvoller interpretierbar als einzelne relevante Gene. Es werden verschiedene Verfahren für die Untersuchung funktioneller Gengruppen hinsichtlich differentieller Expression vorgestellt und auf methodischer Ebene sowie anhand von realen Datenbeispielen und Simulationsstudien verglichen. Von speziellem Interesse ist hier die Familie von Gengruppen, die durch die Gene Ontology definiert wird. Die hierarchische Struktur dieser Ontologien bedeutet eine zusätzliche Herausforderung für die Analyse, insbesondere für die Adjustierung für multiples Testen. Ein globaler Test auf differentielle Expression in Gengruppen ist das GlobalAncova Verfahren, welches im Rahmen dieser Arbeit weiter entwickelt und als R Paket bereit gestellt wurde. Die Signifikanz von Gengruppen kann dabei durch ein Permutationsmodell sowie über die asymptotische Verteilung der Teststatistik bewertet werden. Wir legen die theoretischen Grundlagen und Aspekte der Programmierung des Verfahrens dar. GlobalAncova eignet sich für die Analyse komplexer Fragestellungen. Hierzu werden einige ausführliche Auswertungen präsentiert, die im Rahmen von Kooperationen mit Medizinern und Biologen durchgeführt wurden.

• Item Type: Theses (Dissertation, LMU Munich)
• Keywords: Genexpressionsanalyse, Gengruppen, Biostatistik
• Subjects: 600 Technology, Medicine; 600 Technology, Medicine > 610 Medical sciences and medicine
• Faculties: Faculty of Medicine
• Language: German
• Date of oral examination: 20. February 2009
• 1. Referee: Mansmann, Ulrich
• Signature of the printed copy: 0700/UMD 13223