Article
Vergleich und Betrachtung der Auswirkungen verschiedener Bildanalyseverfahren für die Auswertung von cDNA-Microarrays
Search Medline for
Authors
Published: | September 14, 2004 |
---|
Outline
Text
Einleitung
Microarrays spielen u. a. eine entscheidende Rolle für die Analyse von genetisch bedingten Erkrankungen, bei der Entschlüsselung der Funktionen sowie Interaktionen verschiedener Gene und bei der Sequenzierung des Genoms. Sie bieten eine Basis für die Lösung immer komplexerer Fragestellungen unter Generierung immer größerer Datenmengen. Die Analyse dieser Daten gliedert sich in verschiedene Bereiche auf, die meist separat betrachtet werden, deren gegenseitige Beeinflussung dabei aber oft vernachlässigt wird. In der Literatur wurden eine ganze Reihe von Verfahren zur statistischen Auswertung, zur Aufbereitung und Normalisierung der Daten aber auch für die Bildgenerierung und -analyse veröffentlicht. Die Bildanalyse ist dabei der erste in der Reihe der Auswertungsschritte. Die generierten Ergebnisse bilden die Grundlage der folgenden Auswertungen; mögliche Fehler und Ungenauigkeiten können später schlecht oder nur mit großem Aufwand korrigiert werden.
Methoden
Die Bildanalyse für die Auswertung von Microarrays kann in verschiedene Abschnitte unterteilt werden, beginnend mit der Adressierung, also dem Auffinden der Gitterstrukturen bzw. der einzelnen Spots in der Abbildung, in der englischsprachigen Literatur als „Gridding" bezeichnet, über das Segmentieren in die verschiedenen Bereiche wie Vorder- und Hintergrund, die Extraktion der Messwerte bis zur Berechnung von Qualitätsmesswerten. Für jeden dieser Abschnitte existieren unterschiedliche Verfahren mit verschiedenen Vor- und Nachteilen.
Am Centrum für Angewandte Gensensorik der Universität Bremen werden verschiedene Arten von Microarrays eingesetzt. Die Arrays werden zum Teil im Centrum selbst hergestellt, ein anderer Teil wird von kommerziellen Herstellern eingekauft. Für die unterschiedlichen Arraytypen sollen verschiedene Bildanalyseverfahren verglichen und die Auswirkungen auf die folgenden Auswertungsschritte betrachtet werden. Unterschiedliche Qualitätsmessverfahren für die Beurteilung der Arrays und der einzelnen Spots werden in Kombination mit der Bildanalyse untersucht und die Integration der Ergebnisse in die spätere Auswertung bewertet. Wir vergleichen dazu einerseits verteilungsbasierte Analyseverfahren, wie sie z.B. von Chen et al. [Ref. 1] unter Verwendung des Mann-Whitney-Tests entwickelt wurden und andererseits Verfahren, die Annahmen über die Form der gesuchten Objekte in die Analyse einbeziehen. Als Beispiele für diese Verfahren sind zu nennen: die „Adaptive Circle Segmentation" oder der „Seeded Region Growing" Algorithmus, wie er im Programmpaket Spot implementiert ist [Ref. 2]. Mögliche Hybridverfahren und die Kombination mit Qualitätsscores wie der „Spot Ratio Variability" (SRV) von Brown et al. [Ref. 3] und „q-com" von Wang et al. [Ref. 4] werden in die Bewertung einbezogen.
Ergebnisse
Es werden die Ergebnisse aus der Anwendung verschiedener Analysestrategien anhand von Beispielen vorgestellt. Besondere Beachtung finden dabei die Umsetzbarkeit der Lösungen, die Eignung für den praktischen Einsatz und der mögliche Automatisierungsgrad.
Diskussion
Diese Arbeit setzt sich mit der praktischen Anwendbarkeit verschiedener Verfahren zur Bildanalyse für die Auswertung von Microarrays auseinander. Sie betrachtet die mögliche Kombination mit Methoden zur Qualitätsmessung und den daraus resultierenden Ergebnissen.
Literatur
- 1.
- Chen Y, Dougherty ER, Bittner ML. Ratio-based decisions and the quantitative analysis of cDNA microarray images. J Biomed Opt 1997; 2(4): 364-374.
- 2.
- Buckley MJ. The Spot's user guide. CSIRO Mathematical and Information Sciences, hTTP://www.cmis.csiro.au/IAP/Spot/spotmanual.htm (24. März 2004).
- 3.
- Brown CS, Goodwin PC, Sorger PK. Image metrics in the statistical analysis of DNA microarray data. PNAS 2001; 98(16): 8944-8949.
- 4.
- Wang X, Ghosh S, Guo S-W. Quantitative quality control in microarray image processing and data acquisition. Nucleic Acids Res 2001; 29(15): e75.