Examples of online analysis tools for gene expression data

Tools integrated in data repositories

Tools for raw data analysis (cel files, or other scanner output)

Processed data analysis tools

Tools linking gene expression with gene function

Tools linking gene expression with sequence analysis

   

Tools from the data repositories

Advantages :

Fast

Done for a huge amount of public data

Allow quick & dirty overview of “what's already known”

Drawbacks

Not usable for custom data

Not flexible, poor tuning

Examples

GEO

ArrayExpress

SAGEmap

   

GEO Tools

Raw data retrieval (soft or matrix­formatted objects)

GEO DataSet Cluster Analysis : a visualization tool for 

displaying precomputed cluster heat maps

GEO Profiles : expression profiles per each gene/spot of one 

selected dataset

   

GEO DataSet cluster analysis : example

   

GEO DataSet cluster analysis : example

   

GEO DataSet cluster analysis : example

   

GEO differential expression analysis : example

   

ArrayExpress Tools

Processed (matrix) or Raw data retrieval

Expression Profiles (per gene and per experiment)

   

SAGE Anatomic Viewer (SAV)

Displays gene expression 

results based on SAGE tags 

counts in human normal and 

malignant tissues

   

Tools for raw files transformation

Input : 

Affymetrix cel files

Genepix or Scanalyze output files

Functions :

Standard microarray corrections and normalization

Background correction

Spot filtering

Intra­ and Interchip normalization

Replicate scaling

Data quality assessment and scoring

   

Tools for raw files transformation : Express Yourself

   

Processed data analysis toolsDrawbacks 

Can be quite slow

Input data format is very important

Need to know well your data before using them

Advantages

Usually contains lots of functionalities

Usable for custom data

Can be very flexible

Examples

CIMminer

GEDA

Expression Profiler

GEPAS

   

CIMminer

Generates color­coded Clustered Image Maps (CIMs) ("heat maps")

Easy to use, but few tuning possibilities

Good start for online clustering tools

   

GEDA

Specifically designed for the integrated 

analysis  of  global  gene  expression 

patterns in cancer

Easy  to  use  BUT  :  careful  with  the 

results interpretation

   

GEDA : A few Screenshots

   

GEDA : A few Screenshots

   

GEDA : A few Screenshots

   

GEDA : A few Screenshots

   

GEDA : A few Screenshots

   

GEDA : A few Screenshots

   

Expression Profiler at EBI

   

Expression Profiler at EBI

   

Expression Profiler at EBI

   

GEPAS

   

GEPAS

   

GEPAS

   

GEPAS

   

GEPAS

   

GEPAS

   

Tools to retrieve gene functions and annotations

Goals

Link Gene Ontology information to co­expressed genes

Find pathways specificities under certain biological conditions

Find promoter elements common in co­expressed genes

Input files

Expression data matrix with classes AND gene names

Gene lists to compare

Promoter sequences in FASTA format

Examples

Carrie

Babelomics

DAVID : Database for Annotation, Visualization and Integrated Discovery

Inclusive : MotifSampler

SSA

   

CARRIEComputational Ascertainment of Regulatory Relationships 

Inferred from Expression

Input 

Expression data matrix with gene Ids and sample classes

Associated promoter sequences

Output

Known transcription factors associated with co­expressed genes

KEGG pathways associated with genes

Gene Ontology for selected genes

   

CARRIE

   

CARRIE

   

Babelomics : FatiGOLinked to the GEPAS gene expression analysis tools

Web­tools for functional annotation and analysis of group of genes in high­

throughput experiments.

   

Babelomics : FatiGO

Input :

Two gene lists to compare (differentially expressed genes)

Different gene IDs supported (Entrez, HUGO, RefSeq, Affy...)

Uses GO (Gene Ontology) database

Output : 

Summary with the input parameters

Summary input data: Initial number of genes, number of genes have ensembl 

correspondence and number of genes that have been used for the analysis.

Links with the results for each repository that has been selected and the 

number of genes for which gene ontology annotation exist.

Graphical view of GO terms represented in gene lists  

   

Babelomics : FatiGO

   

Babelomics : FatiGO

   

Babelomics : FatiGO

   

MotifSampler

Description

Part of the INCLUSive suite which also contains gene expression data 

analysis

Tries to find motifs in a given list of sequences

Input 

Sequences in FASTA format

An organism­specific background model (given)

Motif length

Number of motifs to retrieve

Output

A list of motifs instances for each input sequence

   

Other  online Tool : ArrayQuest

Applies to data from GEO or custom data

Contains Bioconductor methods, BioPerl and C++ based scripts

Accepts new analysis method submission