Undersøgelse af ikke lineære sammenhænge mellem codon ...

More documents

Recommendations

Info

Optimal CAI Herunder er der vist en oversigt for CAI-værdierne for sæt 1, der bygger på de højtudtrykte gener i sæt 2 til 5, samt en oversigt for CAI for hele organismen, der bygger på de højst udtrykte gener. Oversigt over CAI-værdier for sæt 1 og hele S. cerevisiae: Udtagne gener\ oversigt Min. 1st Qu. Median Mean 3rd Qu. Max 24 (for sæt 1) 0,5606 0,7366 0,7583 0,7554 0,7760 0,8632 100 (for sæt 1) 0,5298 0,7188 0,7420 0,7388 0,7611 0,8515 250 (for sæt 1) 0,5254 0,7147 0,7374 0,7340 0,7569 0,8464 24 (for hele organismen) 0,5186 0,7126 0,7343 0,7302 0,7518 0,8823 100 (for hele organismen) 0,5042 0,7141 0,7355 0,7331 0,7548 0,9000 250 (for hele organismen) 0,5098 0,7178 0,7390 0,7362 0,7580 0,9009 Det ses, at de nye CAI-værdier er langt højere end CAI-værdierne beregnet med Li og Sharps w. Den laveste CAI værdi ligger på ca. 0,5, altså langt højere end den 3. Qu. for Li og Sharp. Dette betyder at denne nye forudsigelse af højtudtrykte gener er dårligere, da de fleste gener bliver spået til at være højtudtrykte. Udover det, er de nye max værdier også under Li og Sharps max. For hvert sæt(1 til 5) er der beregnet Pearson korrelation, for at se hvor godt de ”Optimale CAI” værdier stemmer overens med ekspressionsværdierne, for at se om der er en sammenhæng selvom alle gener forudsiges til at være højtudtrykte. Pearson korrelation for logaritme til ekspressionsværdier: Sæt\antal gener 24 100 250 Sharp Sæt 1 0.3122156 0.3044633 0.2869817 0.5782043 Sæt 2 0.2893278 0.3016406 0.2914669 0.6122943 Sæt 3 0.3457732 0.3633289 0.3286248 0.6032583 Sæt 4 0.3210191 0.3062364 0.2997722 0.598784 Sæt 5 0.2625648 0.2761803 0.2465909 0.5557018 Alle gener 0.2385502 0.2978506 0.2835487 0.5897041 14
Pearson korrelation for ikke logaritme til ekspressionsværdier: Sæt\antal gener 24 100 250 Sharp Sæt 1 0.368084 0.3620599 0.3421436 0.7187798 Sæt 2 0.345096 0.3572693 0.3489225 0.7454666 Sæt 3 0.4229868 0.4452385 0.4081458 0.7375635 Sæt 4 0.3714691 0.3546348 0.3467574 0.7521912 Sæt 5 0.3304807 0.3392188 0.3076552 0.7265485 Alle gener 0.2876454 0.3575597 0.3409413 0.7341756 Som det fremgår af tabellerne, så er der en tendens til at korrelationen for den optimale CAI er omkring halvdelen af korrelationen for CAI beregnet ud fra Li og Sharps w, for 24 udtagne gener. Herefter stiger optimal CAI korrelationen generelt for 100 gener, og falder igen for 250. Disse resultater skyldes, at der ved 24 ikke er udtaget nok højtudtrykte gener, og ved 250 er udtaget så mange gener, at det ikke kun er højt udtrykte gener der beregnes CAI for. Det ser også ud til at der er bedre korrelation mellem ikke log transformerede ekspressionsværdier og CAI. Det ses igen, at de beregnede CAI-værdier er dårligere i forhold til Li og Sharps forudsigelse. For at se hvor disse problemer med forudsigelse opstår, ses der på den beregnede w. Beregnet w for hele S. cerevisiae, med 24 højtudtrykte gener som grundlag: AAA 1.0000000 CAA 1.0000000 GAA 1.0000000 TAA -- AAC 0.6694215 CAC 0.5351562 GAC 0.4854246 TAC 0.8051948 AAG 0.6095662 CAG 0.4660377 GAG 0.4217221 TAG -- AAT 1.0000000 CAT 1.0000000 GAT 1.0000000 TAT 1.0000000 ACA 1.0000000 CCA 1.0000000 GCA 0.8735632 TCA 0.8374165 ACC 0.5783784 CCC 0.3915663 GCC 0.5632184 TCC 0.6236080 ACG 0.4135135 CCG 0.2590361 GCG 0.3189655 TCG 0.3808463 ACT 0.9783784 CCT 0.8222892 GCT 1.0000000 TCT 1.0000000 AGA 1.0000000 CGA 0.1480519 GGA 0.5203252 TGA -- AGC 0.4298441 CGC 0.1766234 GGC 0.4146341 TGC 0.7547170 AGG 0.4337662 CGG 0.1038961 GGG 0.2764228 TGG 1.0000000 AGT 0.6280624 CGT 0.4181818 GGT 1.0000000 TGT 1.0000000 ATA 0.5934256 CTA 0.4395797 GTA 0.5943878 TTA 1.0000000 ATC 0.4913495 CTC 0.2119089 GTC 0.4311224 TTC 0.6445312 ATG 1.0000000 CTG 0.3362522 GTG 0.4311224 TTG 0.8283713 ATT 1.0000000 CTT 0.4658494 GTT 1.0000000 TTT 1.0000000 15
Page 1 and 2: Undersøgelse af ikke lineære samm
Page 3 and 4: Indledning Protein kodes af RNA, de
Page 5 and 6: Data For at lave CAI beregninger, s
Page 7 and 8: Normalisering af data For at kunne
Page 9 and 10: Geometrisk gennemsnit Herefter bere
Page 11 and 12: Beregning af optimal CAI Der beregn
Page 13: Resultater Li og Sharps CAI Herunde
Page 17 and 18: Dicodon CAI For at få et overblik
Page 19 and 20: Diskussion Den optimale CAI forudsi
Page 21 and 22: Konklusion Det er blevet undersøgt
Page 23 and 24: [8] Cheng Li and Wing Hung Wong, Mo
Page 25 and 26: Normalisering af data: Sc.data.qsp
Page 27 and 28: Koble genudtryk med gennavne source
Page 29 and 30: Til Optimal CAI beregning kun gener
Page 31 and 32: Beregning af CAI wk=0 CAI.vector.10
Page 37 and 38: For alle gener...De 100 højst udtr
Page 39 and 40: For alle gener...For de 24 højst u
Page 41 and 42: For alle gener...De 250 højst udtr
Page 43 and 44: Sammenligning mellem Li og Sharps C
Page 45 and 46: Sammensætning af gener i dicodons:
Page 47: Sammenligning mellem dicodon CAI og

Undersøgelse af ikke lineære sammenhænge mellem codon ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?