时间/浓度序列趋势分析

通过在不同时间点对细胞周期以及特地状态条件下的基因表达进行测定，获得的基因表达数据，即时间序列基因表达数据，包含着丰富的基因调控信息，可以想象位于基因调控网络上游基因的变化，理应处于下游基因的前面。当上游基因（比如转录因子TF）的表达发生变化以后，这种变化会沿着基因调控网络传播，当测量了每个基因在不同时间的表达水平后，就能够从这种时间序列数据中反推获得关于基因调控顺序以及调控对象的重要信息。

在具体的应用中，可以根据相似表达谱的基因进行聚类，从聚类中已知功能的基因去推断同类中其他基因的功能。通常可以用时间序列分析软件STEM（Short Time-series Expression Miner）来寻找在多组样本中具有某种显著性变化趋势的基因集。

用途

基于时间/浓度趋势变化的实验设计，挖掘随着时间变化存在相似的变化趋势的基因集

前置分析条件
样本具有时间/浓度序列设计

分析结果
每组趋势变化的特征集
每组趋势对应的相关基因
每组趋势相关基因的GO；Pathway 分析结果

Demo示例

Demo结果解读

上图显示的是进行趋势分析之后，最终将所有基因根据表达趋势区分为27个不同的变化趋势基因集 ，
灰色为不显著趋势，其他颜色的为显著性变化的趋势（上图为6个显著性趋势） ，
颜色相同的趋势表示这些趋势之间的相关性大于0.7以上，
每个趋势中的线条表示该趋势的平均变化趋势

Demo结果解读

·  Profiles中显示的表达趋势图，其中Y轴表示变化倍数，X轴对应各个时间点，

绿色粗线表示该趋势基因集中的平均变化趋势，其他线条表示该趋势基因集中各个基因的变化情况

标题中的（0,1,-1,0）表示的是该趋势基因集中的变化趋势。
下方的数字可解释为：

理论上，随机排列后对应该趋势的基因预计16个，但是本次实验，落入该趋势的基因集共计47个，
所以利用统计检验手段计算对应的趋势显著性的pvalue=3.4E-10

案例展示
案例一  小鼠舌癌组织中重要基因的发掘与研究

研究背景
口腔黏膜病变，最终导致口腔癌。1990年全球口腔癌死亡人数为84,000人，而2013年增至135,000人。研究表明吸烟，喝酒，嚼槟榔的人患口腔癌的概率是其他人的123%。而口腔癌中30-40%是舌鳞状细胞癌（SCCs），且SCCs的五年存活率很低。

研究结果与内容
昆明医科大学第四附属医院的老师采集饮用含有致癌药物水0 week，12 week，28 week时间段的小鼠组织样本进行芯片检测和简化基因组甲基化检测获得基因表达和启动子区域甲基化信息。经STEM分析与差异基因取交集获得63个舌癌早期发生变化的核心基因。其中，35个基因与人类口腔鳞状细胞癌相关。验证7个基因的启动子区域甲基化情况，还有3个基因在STEM分析中MCC＞10，经验证它们在人类舌癌样本中高表达。

△ STEM分析

△ HDAC2, TBP, EP300 ,CYLD 在HTSCCs、Normal组织、OPL组织中的免疫组化实验

参考文献

Hua Liu, Jianjiao Li, Ying Yang, et al. Alterations of 63 hub genes during lingual carcinogenesis in C57BL/6J mice. ScientificRepoRts.2018,8:12626. (IF4.122)

时间/浓度序列趋势分析信息由上海欧易生物医学科技有限公司 为您提供，如您想了解更多关于时间/浓度序列趋势分析报价、型号、参数等信息，欢迎来电或留言咨询。

注：该产品未在中华人民共和国食品药品监督管理部门申请医疗器械注册和备案，不可用于临床诊断或治疗等相关用途