趋势显著性分析——Gene Expression Trend Analysis

       对于按照处理时间、浓度、疾病恶化程度顺序设计的序列实验，为了筛选出随样本顺序变化影响最显著、最主流的基因群，需要对样本的差异基因进行基因表达趋势分析。应用模糊聚类等机器学习方法，计算出随着时间、浓度梯度或恶性程度等变化过程中基因的表达趋势，得到相应的主流表达趋势，其所属基因的表达变化是与时间、浓度或恶性程度具有显著性联系的基因，主流表达趋势所属基因将作为进一步研究的目标基因。
 

对其中的主流趋势进一步研究，以#15趋势为例：
 

 文章案例1： 以斑马鱼为模型，研究SiNPs+B[a]P共同暴露比SiNPs、B[a]P单独暴露具有更明显的心血管毒性。通过表达谱芯片检测和趋势分析，筛选出各组处理下的差异表达基因及基因的表达趋势。 SiNPs和B [a] P共暴露显著促炎和促凝血基因的表达。此外，共同暴露增加磷酸化的AP-1 / c-Jun并诱导TF表达。本研究首次证明炎症反应和血液高凝状态是由SiNPs和B [a] P在低水平暴露组合引发的。
 

参考文献： Juncao Duan et al. Inflammatory response and blood hypercoagulable state induced by low level co-exposure with silica nanoparticles and benzo[a]pyrene in zebrafish (Danio rerio) embryos. 2016. Chemosphere.
 
 
文章案例2：

文章案例3：

Gene Expression Trend Analysis-gene expression trend analysis信息由北京中康博生物科技有限公司为您提供，如您想了解更多关于Gene Expression Trend Analysis-gene expression trend analysis报价、型号、参数等信息，欢迎来电或留言咨询。

注：该产品未在中华人民共和国食品药品监督管理部门申请医疗器械注册和备案，不可用于临床诊断或治疗等相关用途