microarray

On the Synthesis of Microarray Experiments
Abstract

Con muchos investigadores diferentes que estudian la misma enfermedad y con un fuerte compromiso de publicar los datos de apoyo en la comunidad científica, a menudo hay muchos conjuntos de datos diferentes disponibles para cualquier enfermedad. Por lo tanto hay un interés sustancial en la búsqueda de métodos para combinar estos conjuntosde datos para proporcionar una mejor y más detallada comprensión de la biología subyacente. Consideramos que la síntesis de diferentes conjuntos de datos de microarrays utilizando un paradigma de efectos aleatorios y demostramos cómo relativamente enfoques estadísticos estándar producen buenos resultados. Identificamos una serie de áreas importantes y sustantivos que requieren una mayorinvestigación.

1 Introduction
La tecnología de microarrays de ADN se aprovecha de las propiedades de hibridación de ácido nucleico y utiliza moléculas complementarias unidas a una superficie sólida, se hace referencia como sondas, para medir la cantidad de transcritos de ácido nucleico específicas de interés que están presentes en una muestra, que se refiere como el objetivo. Microarrays proporcionan unarica fuente de datos sobre el funcionamiento molecular de las células. Cada microarrays informa sobre la abundancia de las decenas de miles de ARNm. Todas las enfermedades humanas se está estudiando el uso de microarrays con la esperanza de encontrar los mecanismos moleculares de la enfermedad.
Hay un número de diferentes plataformas disponibles, algunos de los proveedores comerciales y otrosesencialmente casero. La eficacia del ensayo, así como los efectos de la señal no específica y la diafonía, difieren a través de experimentos y tecnologías. En la práctica, los datos de intensidad de primas son fuertemente manipulados antes de obtener los valores de expresión que la mayoría de los estadísticos, biólogos y médicos clínicos utilizan en su estudio. Con muchos investigadores diferentesque estudian la misma enfermedad y con un fuerte compromiso de publicar los datos de apoyo en la comunidad científica, no son a menudo muchos conjuntos de datos diferentes disponibles para cualquier enfermedad.

Por lo tanto existe un interés sustancial en la búsqueda de métodos para combinar estos conjuntos de datos para proporcionar un mejor y más detallado análisis de todos los datosdisponibles. En este trabajo se revisan algunos de los métodos que se han propuesto, y explora estos y otros métodos alternativos para la combinación de los datos con el fin de obtener información más precisa sobre los cambios en la expresión de genes que se relacionan con diferentes fenotipos de la enfermedad. Choi et al. (2003) propuso el uso de herramientas meta-analíticos y argumentó a favor de losexperimentos synthesisof sobre la base de los efectos estimados. Si bien estamos de acuerdo en principio con ese enfoque, observamos que existe, de hecho, un enfoque más general que debe ser considerado. Una discusión sucinta se da en Cox y Salomón (2003), en particular en el capítulo 4. Tomamos nota de que los modelos estadísticos estándar, y en general se pueden emplear para hacer frente a muchasde las preguntas que se plantean, y proporcionamos algunas traducciones entre estas dos referencias en el resto de este documento. Además presentamos los resultados de ambos enfoques y los comparamos con dos ejemplos.

La aplicación habitual de los meta-análisis es analizar un único resultado o conclusión, a partir de datos publicados, donde normalmente sólo están disponibles las estadísticas deresumen. Con los experimentos de microarrays, a menudo nos encontramos en la situación más fortuita de tener el conjunto completo de datos primarios disponibles, no sólo las estadísticas de resumen. Por lo general hay miles de genes que se midieron en cada experimento y es poco probable que todos serán implicados en el proceso de la enfermedad, por lo que es necesaria una cierta reducción. Por...