Normalisation des données de microarray cDNA : une méthode composite robuste traitant la variation systématique sur un ou plusieurs lames

Il existe de nombreuses sources de variation systématique dans les expériences de microarray cDNA qui affectent les niveaux d'expression génique mesurés (par exemple, les différences d'efficacité de marquage entre les deux colorants fluorescents). Le terme normalisation désigne le processus d'élimination de ces variations. Un ajustement constant est souvent utilisé pour forcer la distribution des ratios logarithmiques d'intensité à avoir une médiane nulle pour chaque lame. Cependant, ces approches de normalisation globale ne sont pas adéquates dans les situations où les biais dus aux colorants peuvent dépendre de l'intensité globale des spots et/ou de la localisation spatiale au sein de la puce. Cet article propose des méthodes de normalisation basées sur une régression locale robuste qui tiennent compte de la dépendance en intensité et en position spatiale des biais liés aux colorants pour différents types d'expériences de microarray cDNA. La sélection de témoins appropriés pour la normalisation est discutée et un nouvel ensemble de témoins (pool d'échantillons de microarray, MSP) est introduit pour aider à la normalisation dépendante de l'intensité. Enfin, pour permettre des comparaisons des niveaux d'expression entre les lames, une méthode robuste basée sur l'estimation du maximum de vraisemblance est proposée pour ajuster les différences d'échelle entre les lames.