Gene Expression Microarray 02-223 How to Analyze Your Own - - PowerPoint PPT Presentation

Gene ¡Expression ¡Microarray ¡

02-­‑223 ¡How ¡to ¡Analyze ¡Your ¡Own ¡Genome ¡ Fall ¡2013 ¡

Why ¡Gene ¡Expression? ¡

DNA ¡sequence ¡ Disease ¡or ¡healthy? ¡

Molecular ¡ mechanism? ¡

Genome-­‑wide ¡associaBon ¡mapping ¡

Why ¡Gene ¡Expression ¡

• IdenBfying ¡the ¡geneBc ¡variaBon ¡that ¡confers ¡disease ¡risk ¡is ¡

not ¡enough ¡to ¡decipher ¡the ¡molecular ¡mechanisms ¡of ¡how ¡ the ¡geneBc ¡variaBon ¡influence ¡the ¡disease: ¡

– In ¡medicine ¡ ¡

• We ¡need ¡to ¡determine ¡which ¡biological ¡pathways ¡and ¡genes ¡are ¡

involved ¡in ¡the ¡disease ¡process. ¡

• The ¡idenBfied ¡pathways ¡and ¡genes ¡can ¡be ¡a ¡target ¡for ¡drug. ¡

– In ¡science ¡

• Determining ¡which ¡pathways ¡underlie ¡the ¡associaBon ¡between ¡the ¡

geneBc ¡variaBon ¡and ¡phenotype ¡can ¡provide ¡insights ¡on ¡the ¡ funcBon ¡of ¡genes. ¡

Microarrays ¡for ¡Molecular ¡Biology ¡

DNA ¡ mRNA ¡ transcription translation Proteins ¡

Microarray ¡for ¡measuring ¡ gene ¡expression ¡levels ¡ TranscripBon ¡factor ¡

What ¡is ¡gene ¡ expression? ¡

genes ¡

Individuals ¡

10 ¡ 20 ¡ 70 ¡ 80 ¡

gene ¡1 ¡ Higher ¡ expression ¡ compared ¡to ¡ baseline ¡ Lower ¡ expression ¡ compared ¡to ¡ baseline ¡ baseline ¡ expression ¡

Expression ¡= ¡acBvity ¡ level ¡of ¡gene ¡in ¡ experiment ¡

Microarray ¡HybridizaEon ¡

• Watson-­‑Crick ¡base ¡pairing ¡of ¡complementary ¡DNA ¡sequences. ¡
• Microarrays ¡have ¡tens ¡of ¡thousands ¡of ¡spots, ¡each ¡represenBng ¡a ¡

piece ¡of ¡one ¡gene, ¡immobilized ¡on ¡a ¡glass ¡slide. ¡

• The ¡intensity ¡(or ¡intensity ¡raBo) ¡of ¡each ¡spot ¡indicates ¡the ¡amount ¡
• f ¡labeled ¡cDNA ¡hybridized, ¡thus, ¡represenBng ¡the ¡starBng ¡mRNA ¡

transcript ¡abundance. ¡

Hybridization and Scanning— cDNA arrays

• Prepare Cy3, Cy5-

labeled ss cDNA

• Hybridize 600 ng of

labeled ss cDNA to glass slide array

• Scan

Golub ¡et ¡al. ¡(Science, ¡1999) ¡

• One ¡of ¡the ¡earliest ¡work ¡that ¡demonstrated ¡the ¡

feasibility ¡of ¡using ¡only ¡microarray ¡gene ¡expression ¡data ¡ to ¡determine ¡cancer ¡subtypes ¡for ¡paBents ¡

• A ¡staBsBcal ¡model ¡was ¡learned ¡to ¡predict ¡the ¡labels ¡for ¡

acute ¡myeloid ¡leukemia ¡(ALL) ¡and ¡acute ¡lymphoblasBc ¡ leukemia ¡ ¡(AML) ¡for ¡each ¡paBent ¡given ¡gene ¡expression ¡ data ¡

– ¡Dataset ¡used ¡to ¡learn ¡the ¡model ¡consisted ¡of ¡27 ¡ALL ¡and ¡11 ¡ AML ¡paBents ¡ – Tested ¡the ¡learned ¡model ¡on ¡20 ¡ALL ¡and ¡14 ¡AML ¡paBents ¡and ¡ 29 ¡out ¡of ¡34 ¡paBents ¡were ¡predicted ¡to ¡have ¡correct ¡cancer ¡ subtypes ¡

Gene ¡Expression ¡Signature ¡Can ¡DisEnguish ¡ Cancer ¡Types ¡

Genes ¡that ¡are ¡informaBve ¡for ¡predicBng ¡ cancer ¡types ¡ PaBents ¡

FDA ¡Approves ¡Gene-­‑Based ¡Breast ¡Cancer ¡ Test* ¡

“ ¡MammaPrint ¡is ¡a ¡DNA ¡ microarray-­‑based ¡test ¡that ¡ measures ¡the ¡acBvity ¡of ¡70 ¡ genes... ¡The ¡test ¡measures ¡each ¡

• f ¡these ¡genes ¡in ¡a ¡sample ¡of ¡a ¡

woman's ¡breast-­‑cancer ¡tumor ¡ and ¡then ¡uses ¡a ¡specific ¡formula ¡ to ¡determine ¡whether ¡the ¡ paBent ¡is ¡deemed ¡low ¡risk ¡or ¡ high ¡risk ¡for ¡the ¡spread ¡of ¡the ¡ cancer ¡to ¡another ¡site.” ¡

*Washington ¡Post, ¡2/06/2007 ¡

eQTL ¡Mapping ¡

• Expression ¡quanBtaBve ¡trait ¡locus ¡(eQTL) ¡mapping ¡

– Data: ¡SNPs ¡and ¡gene-­‑expression ¡data ¡collected ¡over ¡many ¡individuals ¡ – Treats ¡gene ¡expressions ¡as ¡phenotypes ¡and ¡tries ¡to ¡discover ¡the ¡ geneBc ¡basis ¡of ¡gene ¡expression ¡variability ¡across ¡individuals ¡ – The ¡genes ¡whose ¡expression ¡levels ¡are ¡perturbed ¡by ¡the ¡given ¡geneBc ¡ variaBon ¡are ¡the ¡most ¡likely ¡candidate ¡for ¡influencing ¡the ¡observed ¡ (clinical) ¡phenotypes ¡ ¡

cis ¡and ¡trans ¡eQTLs ¡

• cis ¡eQTL: ¡in ¡genomes, ¡the ¡eQTL ¡is ¡located ¡near ¡the ¡gene ¡

whose ¡expression ¡is ¡affected ¡by ¡the ¡eQTL. ¡

– E.g., ¡mutaBons ¡in ¡the ¡upstream ¡of ¡a ¡gene ¡influences ¡the ¡expression ¡ level ¡of ¡the ¡gene ¡

• trans ¡eQTL: ¡in ¡genomes, ¡the ¡eQTL ¡is ¡located ¡far ¡away ¡(or ¡on ¡a ¡

different ¡chromosome) ¡from ¡the ¡gene ¡whose ¡expression ¡is ¡ affected ¡by ¡the ¡eQTL. ¡

– E.g., ¡mutaBons ¡in ¡the ¡transcripBon ¡factor ¡gene ¡can ¡influence ¡the ¡ expression ¡level ¡of ¡the ¡TF ¡target ¡genes. ¡

Studying ¡the ¡GeneEc ¡Basis ¡of ¡Diseases ¡

Summary ¡

• Microarray ¡gene ¡expression ¡data ¡can ¡provide ¡valuable ¡insights ¡
• n ¡gene ¡funcBons ¡that ¡may ¡be ¡hard ¡to ¡determine ¡from ¡DNA ¡

sequence ¡alone. ¡

• eQTL ¡mapping ¡can ¡be ¡used ¡ ¡

– to ¡idenBfy ¡the ¡geneBc ¡variaBon ¡that ¡explains ¡gene-­‑expression ¡

• variability. ¡

– to ¡determine ¡the ¡molecular ¡mechanisms ¡that ¡are ¡involved ¡in ¡disease ¡

• processes. ¡