微阵列数据分析工具

MATLAB^®环境被广泛应用于微阵列数据分析，包括读取、过滤、规范化和可视化微阵列数据。然而，科学家使用的标准规范化和可视化工具可能很难实现。工具箱包括这些标准函数:

微阵列数据-阅读Affymetrix^®GeneChip^®文件(affyread)和绘图数据(probesetplot), ImaGene^®结果文件(imageneread)、SPOT档案(sptread)和安捷伦^®微阵列扫描档案(agferead)．读GenePix^®探地雷达档案(gprread)和GAL文件(galread)．从网上获取基因表达综合(GEO)数据(getgeodata)，并从文件(geosoftread)．

效用函数(magetfield)从其中一个微阵列读取器功能(gprread，agferead，sptread，imageneread)．

微阵列归一化和滤波-工具箱提供了许多方法来规范化微阵列数据，如低标准化(malowess)和平均归一化(manorm)，或跨多个数组(quantilenorm)．您可以使用过滤函数在分析前清除原始数据(geneentropyfilter，genelowvalfilter，generangefilter，genevarfilter)，并计算值的范围和方差(exprprofrange，exprprofvar)．

微阵列可视化工具箱包含可视化微阵列数据的例程。这些例程包括微阵列数据的空间图(maimage，redgreencmap)、箱形图(maboxplot)、对数图(maloglog)和强度比图(mairplot)．您还可以查看聚集表达式概要文件(clustergram，redgreencmap)．你可以根据微阵列数据(mapcaplot)．

微阵列实用函数-使用以下函数处理Affymetrix GeneChip数据集。获取探针的库信息(probelibraryinfo)，来自探针集(probesetlookup)，以及来自CEL和CDF信息(probesetvalues)．显示来自netafx™分析中心的探针集信息(probesetlink)和绘图探针集值(probesetplot)．

工具箱访问统计例程以执行聚类分析并可视化结果，您可以通过统计可视化(如树状图、分类和回归树)查看数据。

相关的话题

• 微阵列数据存储
• 微阵列分析