- 基因表達譜數據
基因表達譜可以用一個矩陣來表示，每一行代表一個基因，每一列代表一個樣本（如圖1）。所有基因的表達譜數據在“gene_exp.txt”文件中存儲，第一列為基因的entrez geneid，第2~61列是疾病樣本的表達，第62~76列是正常樣本的表達。
圖1 基因表達譜的矩陣表示
- 尋找差異表達的基因：
原理介紹：
差異表達分析是目前比較常用的識別疾病相關miRNA以及基因的方法，目前也有很多差異表達分析的方法，但比較簡單也比較常用的是Fold change方法。它的優點是計算簡單直觀，缺點是沒有考慮到差異表達的統計顯著性；通常以2倍差異為閾值，判斷基因是否差異表達。Fold change的計算公式如下：
即用疾病樣本的表達均值除以正常樣本的表達均值。
差異表達分析的目的：識別兩個條件下表達差異顯著的基因，即一個基因在兩個條件中的表達水平，在排除各種偏差后，其差異具有統計學意義。我們利用一種比較常見的T檢驗（T-test）方法來尋找差異表達的miRNA。T檢驗的主要原理為：對每一個miRNA計算一個T統計量來衡量疾病與正常情況下miRNA表達的差異，然后根據t分布計算顯著性p值來衡量這種差異的顯著性，T統計量計算公式如下：
對於得到的顯著性p值，我們需要進行多重檢驗校正（FDR），比較常用的是BH方法（Benjamini and Hochberg, 1995）。
