サイトデザインの変更

サイトデザインを変更しました。また、投稿記事を整理して、左側のメニューから順番に読めるようにしています。

人気のある DAVID と GSEA の記事も、エンリッチメント解析としてまとめました。

ブラウザ(IE, Safari, Chrome, Firefox)のウィンドウの幅が狭いと、メニューが左側に表示されていないかもしれません。その場合は、ウィンドウの幅を広げてみてください。

 

Connectivity Map

Connectivity Map は、 Broad Institute によって提供されている薬剤投与時のマイクロアレイデータのデータベースです。自分のデータにおいて変動した遺伝子が、「どの薬剤を加えた時に動いた遺伝子と似ているか?」を探すことができます。

Connectivity Map のログイン画面。メールアドレスを登録して利用。
Connectivity Map のログイン画面。メールアドレスを登録して利用。

論文は、2006年のものなので、データとしては新しくありません。使用されているマイクロアレイも当時のもの (Affymetrix GeneChip Human Genome U133A) です。

サンプル数が、6100個と多いのが特徴です。その中に、1300種類の薬剤を投与した時のデータがあります。ただ、使用されている細胞は限定的(5種類: HL60, MCF7, PC3, SKMEL5, ssMCF7)です。

Connectivity Map の結果の表示例。
Connectivity Map の結果の表示例。

MSigDBGSEA と同様に、メールアドレスを登録してから使用します。研究者自身のマイクロアレイデータ(遺伝子発現データ)において、変動していた遺伝子を増加 (up) と減少 (down) に分けて、アップロードすると、似ている薬剤のリストが表示されます。

 

マイクロアレイデータの解析例 2.6 (組織が異なる場合の散布図)

クラスタリングされたヒートマップによる表示がいつも効果的とは限りません。ヒートマップからは変動の大きさを実感しにくいと思います。散布図も確認してみましょう。

iPS細胞どうしの散布図

iPS細胞の株どうしの散布図を示します。例として、2つの株を用いています。散布図の広がり方から、変動の大きさをイメージできます。これくらいの広がり方であれば、通常、よくある程度の変動の大きさと思います。解析例1の散布図と見比べてみてください。(つまり、似ているデータではありますが、変動していない=全く同じ、というわけではないということです。)

iPS細胞どうしの散布図。
iPS細胞どうしの散布図。

上記の散布図の色付けは、変動遺伝子を ratio と Z-score (intensity-based) の両方を用いて、判定したものになっています。

由来の異なるがん細胞どうしの散布図

では、異なる組織に由来する細胞の場合は、どれくらい広がって見えるでしょうか。HepG2 と MCF7 で比較してみましょう。

HepG2 と MCF7 を比較した散布図。
HepG2 と MCF7 を比較した散布図。

組織が異なると、散布図はこれほど広がって見えます。つまり、変動しているように見える遺伝子がそれほど多いということです。上の図では、変動遺伝子の色付けに ratio と Z-score の両方を用いているため、厳しめの判定になっています。ratio だけで判定すると、変動していると判定される遺伝子は、数千個になるでしょう。

ヒートマップでは、同じクラスターに入っていて、同じ色付けに見えるサンプルでもこれほど異なることがあります。ヒートマップだけで結果を鵜呑みにしないようにしましょう。

 iPS細胞とがん細胞の散布図

同様に iPS 細胞の株と MCF7 を散布図で比較すると下図のようになります。

iPS細胞と MCF7 の散布図。
iPS細胞と MCF7 の散布図。

由来の異なる組織の散布図と同様に、かなり広がって見えます。遺伝子発現の状態は、大きく異なっていることが推測されます。

 

マイクロアレイデータの解析例 2.5 (CD抗原、転写因子でクラスタリング、ヒートマップ)

前回に続いて、生物学的な機能で抽出した遺伝子群をクラスタリングして、ヒートマップで表示する例です。

CD抗原でクラスタリング、ヒートマップ

もし、CD抗原の遺伝子をクラスタリングして、iPS細胞の株とがん細胞でクラスターが分かれるようであれば、うまく標識して区別するのに使えるかもしれません。

アノテーションをもとに、CD抗原の遺伝子を抽出して、クラスタリングした結果を示します。

CD抗原でクラスタリング、ヒートマップで表示。
CD抗原でクラスタリング、ヒートマップで表示。

大まかではありますが、クラスターは、iPS細胞とがん細胞で分かれるようです。しかしながら、明確にがん細胞だけに共通に発現している抗原は難しいようです。CD84などを含む一番上のクラスターでは、がん細胞においても2グループに分かれているように見えます。また、いずれの CD 抗原も iPS 細胞の株において、ところどころ赤くなっている(発現が高い)部分があります。

CD200 は、がん細胞では発現が低いように見えます。いくつかの抗原を組み合わせれば、評価できるかもしれません。(CD97の発現が高い、かつ、CD200の発現が低いなど。)

なお、マイクロアレイデータは、mRNA のレベルの結果なので、CD抗原がタンパクレベルで発現しているかどうかは、別途チェックする必要があります。

転写因子でクラスタリング、ヒートマップ

「iPS細胞とがん細胞の間で変動している遺伝子を制御している遺伝子」を探すのであれば、転写因子でクラスタリングしてみるのはどうでしょうか。

転写因子をクラスタリングして、ヒートマップで表示。
転写因子をクラスタリングして、ヒートマップで表示。

ほかの機能で抽出した遺伝子群の場合と同様に、転写因子を抽出してクラスタリングした結果も、iPS細胞とがん細胞で分かれるようです。同じ変動パターンを示すのであれば、転写を制御している可能性は示せるかもしれません。ただ、転写遺伝子の数としては、2000個程度ありますので、マイクロアレイデータだけから候補を絞り込むのは大変かもしれません。

参考

  • 転写因子のヒートマップの拡大図
 

マイクロアレイデータの解析例 2.4 (機能でクラスタリング、ヒートマップ)

代謝系の遺伝子の発現パターン以外の他の機能でクラスタリングした場合は、どうでしょうか?

アポトーシス関連遺伝子をクラスタリング

アノテーションにアポトーシス関連の用語を持つ遺伝子をクラスタリングした結果です。がん細胞のクラスターに入った iPS 細胞の株はありません。

アポトーシス関連遺伝子のクラスタリング結果のヒートマップ。
アポトーシス関連遺伝子のクラスタリング結果のヒートマップ。

TGF-beta シグナリング関連遺伝子をクラスタリング

アノテーションに TGF-beta シグナリング関連の用語を持つ遺伝子をクラスタリングした結果です。がん細胞に比較的近いクラスターに入る株がありました。 hiPS_409B2_p52 です。ただ、この情報だけから判断するわけにはいきません。

TGF-beta シグナリング関連遺伝子のクラスタリング結果のヒートマップ。
TGF-beta シグナリング関連遺伝子のクラスタリング結果のヒートマップ。
TGF-beta シグナリングのクラスタリング結果のうち、がん細胞に近いクラスター。
TGF-beta シグナリングのクラスタリング結果のうち、がん細胞に近いクラスター。

参考

ヒートマップの拡大図です。