• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    Meta-analysis 在多種組學(xué)領(lǐng)域的應(yīng)用

    2014-06-15 18:29:29韓明飛朱云平
    生物工程學(xué)報(bào) 2014年7期
    關(guān)鍵詞:基因組學(xué)基因芯片組學(xué)

    韓明飛,朱云平

    Meta-analysis 在多種組學(xué)領(lǐng)域的應(yīng)用

    韓明飛,朱云平

    軍事醫(yī)學(xué)科學(xué)院放射與輻射醫(yī)學(xué)研究所 蛋白質(zhì)組學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室 國(guó)家蛋白質(zhì)科學(xué)中心 (北京) 北京蛋白質(zhì)組研究中心 蛋白質(zhì)藥物國(guó)家工程研究中心,北京 102206

    Meta-analysis作為一種整合多特征、多數(shù)據(jù)的統(tǒng)計(jì)方法,上世紀(jì)90年代被引入生命科學(xué)領(lǐng)域。隨著高通量測(cè)序技術(shù)的快速發(fā)展,以基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)為核心的生命組學(xué)逐漸成為生命科學(xué)研究的新熱點(diǎn)。海量數(shù)據(jù)的快速產(chǎn)出推動(dòng)了組學(xué)研究的發(fā)展,也引發(fā)了數(shù)據(jù)規(guī)模過(guò)大、難以系統(tǒng)整合等問題。針對(duì)上述情況,meta-analysis被廣泛地應(yīng)用于分析各組學(xué)數(shù)據(jù),方法也不斷得到改進(jìn)。本文系統(tǒng)總結(jié)了有代表性的meta-analysis方法,考察了目前meta-analysis在多個(gè)組學(xué)領(lǐng)域的應(yīng)用現(xiàn)狀,最后討論了meta-analysis尚待解決的問題并展望未來(lái)的發(fā)展方向。

    meta-analysis,基因組學(xué),轉(zhuǎn)錄組學(xué),蛋白質(zhì)組學(xué)

    Meta-analysis的中文名稱為“元分析”或“薈萃分析”,最早由Glass在1976年提出[1]。Meta即“more comprehensive”,表示更加全面之意。其分析對(duì)象是現(xiàn)有的研究成果,定義為對(duì)先前研究的綜合評(píng)價(jià)和定量合并。Meta-analysis最早用于心理、教育等領(lǐng)域,上世紀(jì)90年代開始在自然科學(xué)領(lǐng)域盛行。時(shí)至今日,meta-analysis已經(jīng)廣泛用于生命科學(xué)的多個(gè)領(lǐng)域,并發(fā)展出一系列整合各類數(shù)據(jù)的方法。

    隨著高通量技術(shù)的快速發(fā)展,以基因組、轉(zhuǎn)錄組和蛋白質(zhì)組為核心的生命組學(xué)[2]數(shù)據(jù)大量產(chǎn)出。大規(guī)模組學(xué)數(shù)據(jù)庫(kù),如Gene Expression Omnibus[3]、ArrayExpress[4]、PeptideAtlas[5]、PRIDE[6]、Encode[7]等,開始進(jìn)入人們的視野。要深入完整地解開隱藏在大量實(shí)驗(yàn)數(shù)據(jù)中的生物學(xué)奧秘,高效的數(shù)據(jù)整合和分析方法必不可少,meta-analysis就是其中的典型代表。如今,meta-analysis已經(jīng)被公認(rèn)為科學(xué)有效的數(shù)據(jù)整合方法,廣泛用于各類組學(xué)研究。在基因組學(xué)領(lǐng)域,meta-analysis主要被用于基因組關(guān)聯(lián)分析(Genome wide association studies,GWAS);在轉(zhuǎn)錄組學(xué)領(lǐng)域,meta-analysis被廣泛用于分析基因芯片數(shù)據(jù);在蛋白質(zhì)組學(xué)領(lǐng)域,meta-analysis已經(jīng)開始被用來(lái)整合雙向凝膠電泳圖譜和質(zhì)譜數(shù)據(jù)。

    我們?cè)赑ubMed中以相應(yīng)關(guān)鍵詞搜索了應(yīng)用于不同組學(xué)的meta-analysis研究 (截止到2014年1月10日),共搜集了2 032篇論文。經(jīng)過(guò)初步篩選,與基因組關(guān)聯(lián)分析相關(guān)的研究 (基因組學(xué)) 有1 092篇,與基因芯片相關(guān)的研究(轉(zhuǎn)錄組學(xué)) 有857篇,與雙向電泳、質(zhì)譜和蛋白數(shù)據(jù)庫(kù) (蛋白質(zhì)組學(xué)) 相關(guān)的研究有83篇。圖1展示了meta-analysis在3種組學(xué)領(lǐng)域相關(guān)研究的論文數(shù)量以及近十年的發(fā)展情況,其中,基因組學(xué)和轉(zhuǎn)錄組學(xué)占主導(dǎo)地位,轉(zhuǎn)錄組學(xué)的相關(guān)研究起步最早,至今一直穩(wěn)步上升,基因組學(xué)相關(guān)研究發(fā)展最快,2009年已經(jīng)超越轉(zhuǎn)錄組并一直保持強(qiáng)勁的發(fā)展勢(shì)頭;蛋白質(zhì)組學(xué)相關(guān)的研究起步較晚,正處于逐漸積累的時(shí)期。

    圖1 2005–2013年P(guān)ubmed歷年收錄的meta-analysis在三種組學(xué)領(lǐng)域的相關(guān)研究論文數(shù)Fig. 1 The number of studies about meta-analysis in different areas published in Pubmed from 2005 to 2013.

    本文首先介紹了meta-analysis有代表性的算法及相應(yīng)改進(jìn),指出每種方法的優(yōu)勢(shì)與不足。之后結(jié)合基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)的技術(shù)特點(diǎn),考察了meta-analysis在生命組學(xué)各領(lǐng)域的應(yīng)用情況,在此基礎(chǔ)上總結(jié)現(xiàn)有的meta-analysis分析工具。最后結(jié)合自身研究指出meta-analysis存在的問題與相應(yīng)的解決方案,進(jìn)而探討未來(lái)meta-analysis的發(fā)展方向。

    1 Meta-analysis的代表性方法

    Ramasamy等在總結(jié)大量研究的基礎(chǔ)上提出了基因芯片數(shù)據(jù)meta分析的7個(gè)基本步驟[8],其中有些步驟涉及到基因芯片的特異性處理,通過(guò)進(jìn)一步總結(jié),我們歸納出具有普遍性的meta-analysis基本流程:數(shù)據(jù)收集,數(shù)據(jù)預(yù)處理,特定統(tǒng)計(jì)量整合以及結(jié)果分析、展示和解釋。其中,“特定統(tǒng)計(jì)量整合”是meta-analysis最關(guān)鍵的步驟,我們對(duì)現(xiàn)有的meta-analysis相關(guān)研究進(jìn)行了系統(tǒng)總結(jié)和分類,歸納出4種方法:基于P-value的方法、基于排序 (Rank) 的方法、基于效果量 (Effect size) 的方法以及基于計(jì)數(shù)的方法。本節(jié)將分別介紹4類方法的原理、功能及一些代表性的改進(jìn)。

    1.1 基于P-value的方法

    P-value是由統(tǒng)計(jì)學(xué)檢驗(yàn) (t檢驗(yàn),卡方檢驗(yàn)等) 得到的表征某條目 (基因、蛋白質(zhì)等) 在兩個(gè)樣本中差異顯著性的統(tǒng)計(jì)量,P值越小代表差異越顯著。整合P-value的meta-analysis方法主要用于整合多數(shù)據(jù)集鑒定差異基因或蛋白質(zhì),其原理是綜合某條目在所有數(shù)據(jù)集的P-value大小計(jì)算它的綜合打分S,以此表征其整合后的差異程度。

    計(jì)算綜合打分的方法有很多。Fisher方法[9]是最經(jīng)典的方法之一,它取所有P-value的負(fù)對(duì)數(shù)加和作為打分S越大代表差異表達(dá)的概率越高。另一種經(jīng)典方法是Stouffer方法[10],打分P取P-value的標(biāo)準(zhǔn)正態(tài)分布的反函數(shù)加和。在以上兩種方法的基礎(chǔ)上,研究人員進(jìn)行了許多改進(jìn),Li和Tseng為每個(gè)P-value引入權(quán)值0或1,計(jì)算所有可能的打分,取其中的最大值作為綜合打分,命名為自動(dòng)調(diào)整的加權(quán)Fisher方法[11]。此方法比傳統(tǒng)方法具有更高的靈敏度,但數(shù)據(jù)集較多時(shí)計(jì)算量也大大增加。另一種引入權(quán)值的改進(jìn)是Whitlock提出的加權(quán)Z-score方法[12],它根據(jù)數(shù)據(jù)量的大小為不同數(shù)據(jù)集設(shè)置權(quán)值,計(jì)算加權(quán)打分Z。為檢驗(yàn)其整合效果,Whitlock使用加權(quán)Z-score方法與經(jīng)典Fisher方法整合同一批數(shù)據(jù),發(fā)現(xiàn)兩個(gè)結(jié)果具有相似的第一類錯(cuò)誤率,但加權(quán)Z-score方法的結(jié)果表現(xiàn)出較低的第二類錯(cuò)誤率以及與標(biāo)準(zhǔn)結(jié)果更高的相關(guān)性,證明了其更好的整合效能。

    1.2 基于排序的方法

    盡管整合P-value的方法已被普遍接受,但離群的極小P-value往往在計(jì)算綜合打分時(shí)占據(jù)主導(dǎo)地位,導(dǎo)致某基因或蛋白質(zhì)僅僅因?yàn)樵谀骋粋€(gè)數(shù)據(jù)集中P-value極小而得到一個(gè)較高打分,最終被判斷為差異。針對(duì)這種情況,人們提出了基于排序的方法,它可以有效地降低離群極值的影響,更適于整合質(zhì)量不一的數(shù)據(jù)。基于排序的方法將各數(shù)據(jù)集中的條目根據(jù)特定規(guī)則 (P-value/Fold-Change) 排序,以位置編號(hào)表征其顯著程度。其原理與基于P-value的方法相似,僅僅在計(jì)算綜合打分時(shí)用條目的位置編號(hào)代替P-value。

    Hong等開發(fā)了基于排序的meta-analysis工具“RankProd”[13],之后又比較各種meta-analysis方法,認(rèn)為基于排序的方法相比P-value表現(xiàn)出更好的統(tǒng)計(jì)效果[14]。Amess等在經(jīng)典排序方法的基礎(chǔ)上大膽改進(jìn),針對(duì)蛋白質(zhì)數(shù)據(jù)定量準(zhǔn)確性較低的情況,提出了ψ-ranking和π-ranking3種表征顯著性的新標(biāo)準(zhǔn),以歐幾里德距離作為綜合打分,用以整合蛋白質(zhì)數(shù)據(jù)。證明3種方法克服了僅依靠Fold-Change作為唯一排序標(biāo)準(zhǔn)的弊端,歐幾里德距離的使用也大大降低了整合結(jié)果的假陽(yáng)性[15]。

    1.3 基于效果量的方法

    基于效果量的方法是最早提出的meta-analysis方法之一,Glass在1976年命名meta-analysis的同時(shí)就提出了效果量的概念。概括來(lái)說(shuō),效果量是描述不同數(shù)據(jù)間差異大小的指標(biāo),例如對(duì)于多組不同時(shí)期的癌癥表達(dá)譜,基因表達(dá)量的差異就可以作為一個(gè)效果量指標(biāo),將它標(biāo)準(zhǔn)化后可以衡量生長(zhǎng)時(shí)間對(duì)癌癥發(fā)展的影響。

    基于效果量的meta-analysis方法除了可用于整合多組數(shù)據(jù)鑒定差異基因或蛋白質(zhì),還可以考察不同數(shù)據(jù)間的異質(zhì)性。其原理是借助特定的效應(yīng)模型來(lái)擬合多組數(shù)據(jù)間的差異 (效果量),從而估算效果量大小。固定效應(yīng)模型(Fixed effects models,F(xiàn)EM) 和隨機(jī)效應(yīng)模型(Random effects models,REM) 是兩種最常用的擬合效果量的模型,固定效應(yīng)模型的效果量包括表達(dá)量和抽樣誤差,隨機(jī)效應(yīng)模型進(jìn)一步考慮了不同研究間的差異因此固定效應(yīng)模型只能用于相同實(shí)驗(yàn)條件下的數(shù)據(jù),而隨機(jī)效應(yīng)模型可用于來(lái)源于不同實(shí)驗(yàn)的獨(dú)立數(shù)據(jù)[16]。

    基于效果量的方法是幾類meta-analysis方法中功能最強(qiáng)大的。Nakaoka等對(duì)用于基因組關(guān)聯(lián)分析的效果量方法進(jìn)行了總結(jié),介紹了其搜索策略、數(shù)據(jù)納入標(biāo)準(zhǔn)和方法具體流程[17]。Choi等嘗試將效果量方法用于基因芯片的meta-analysis,詳細(xì)敘述了鑒定差異基因的具體步驟和算法原理[16]。

    1.4 基于計(jì)數(shù)的方法

    基于計(jì)數(shù)的方法又稱計(jì)票法(Vote-counting),以某基因或蛋白條目在所有數(shù)據(jù)集的顯著表達(dá)列表中的重復(fù)次數(shù)表征其差異顯著性。對(duì)于重復(fù)多少次為顯著性,一般通過(guò)隨機(jī)化方法估算假發(fā)現(xiàn)率(False discover rate, FDR),認(rèn)為使FDR<0.1的重復(fù)次數(shù)是符合標(biāo)準(zhǔn)的重復(fù)次數(shù),重復(fù)這些次的基因即為整合后的差異基因[18]。

    計(jì)票法是一種定性方法,靈敏度較低,在數(shù)據(jù)量不足時(shí)很難作出判斷,因此只適用于規(guī)模較大的數(shù)據(jù)。Rhodes等針對(duì)大規(guī)模數(shù)據(jù)整合對(duì)計(jì)票方法進(jìn)行了改進(jìn),并用這種方法整合了包含多于3 700組樣本的40個(gè)癌癥基因芯片數(shù)據(jù),取得了不錯(cuò)的效果[18]。計(jì)票方法盡管靈敏度有限,卻是目前整合大規(guī)模數(shù)據(jù)唯一有效的辦法。

    2 Meta-analysis在生命組學(xué)領(lǐng)域的應(yīng)用

    集多種組學(xué)之大成的“生命組學(xué)”研究模式已初現(xiàn)端倪[2],迅速積累的各組學(xué)數(shù)據(jù)對(duì)高效的數(shù)據(jù)整合方法提出了更高要求。如今,meta-analysis不僅被廣泛用于基因組學(xué)、轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)研究,還延伸到組學(xué)間的整合分析。

    2.1 Meta-analysis在基因組學(xué)中的應(yīng)用

    基因組學(xué)主要通過(guò)研究不同個(gè)體基因組的相同和差異探索基因的功能,是最早被提出的組學(xué)概念?;蚪M關(guān)聯(lián)分析是meta-analysis方法應(yīng)用于基因組學(xué)研究的典型代表?;蚪M關(guān)聯(lián)分析是通過(guò)檢測(cè)特定物種不同個(gè)體間的基因序列差異,分析單核苷酸多態(tài)性 (Single nucleotide polymorphisms, SNPs) 的方法[19]。檢測(cè)差異信號(hào)往往需要大量樣本,單一的基因組關(guān)聯(lián)分析很難得到準(zhǔn)確的結(jié)果,使用meta-analysis方法整合多個(gè)獨(dú)立研究可以有效降低誤報(bào)、提高統(tǒng)計(jì)能力。Meta-analysis在基因組關(guān)聯(lián)分析中的應(yīng)用分為兩類:第一類是全基因組關(guān)聯(lián)分析,目的是在一個(gè)物種全基因組范圍內(nèi)研究單核苷酸多態(tài)性;第二類是目標(biāo)位點(diǎn)分析,有針對(duì)性地研究某一基因位點(diǎn)的復(fù)制情況[19]。

    幾乎目前所有對(duì)人類多基因疾病的遺傳學(xué)認(rèn)識(shí)都來(lái)自于借助meta-analysis方法的基因組關(guān)聯(lián)分析[20],meta-analysis已成為一種發(fā)現(xiàn)疾病和表型新基因位點(diǎn)的普遍方法,用于更大規(guī)模樣本的meta-analysis還將繼續(xù)開展,揭示更多基因組層面的生命奧秘[21]。

    2.2 Meta-analysis在轉(zhuǎn)錄組學(xué)中的應(yīng)用

    轉(zhuǎn)錄過(guò)程是基因表達(dá)的第一步,也是基因表達(dá)調(diào)控的關(guān)鍵環(huán)節(jié),轉(zhuǎn)錄組學(xué)是從轉(zhuǎn)錄水平研究基因表達(dá)情況的學(xué)科?;蛐酒寝D(zhuǎn)錄組學(xué)最重要的研究手段,利用meta-analysis整合芯片數(shù)據(jù)不僅大大提高了鑒定差異基因的準(zhǔn)確率,還衍生出整合通路[22]、整合網(wǎng)絡(luò)[23]等一系列后續(xù)研究。

    Meta-analysis整合基因芯片可以實(shí)現(xiàn)鑒定差異基因、網(wǎng)絡(luò)和基因共表達(dá)分析[24-27]、預(yù)測(cè)分析[28]、評(píng)估芯片的相似性和差異性[29]等功能。其中鑒定差異基因應(yīng)用最為廣泛,除了兩個(gè)樣本的差異,也有針對(duì)連續(xù)、多級(jí)變量等多個(gè)樣本間差異展開的研究[30]。此外,meta-analysis整合多組基因芯片與后續(xù)生物學(xué)研究的結(jié)合也越來(lái)越緊密。例如,Shen等開發(fā)的工具M(jìn)APE[31]將meta-analysis和通路富集分析巧妙地結(jié)合在一起。通過(guò)鑒定差異基因與通路 (Gene Ontology,KEGG[32]等數(shù)據(jù)庫(kù)) 的相關(guān)性,判斷一個(gè)已知的生物過(guò)程是否在差異基因列表中富集。Yang等收集了6個(gè)物種的基因芯片數(shù)據(jù)用于鑒定它們?nèi)炕虻木幋a蛋白,與不同條件下的基因表達(dá)數(shù)據(jù)整合分析,研究不同物種及不同條件下的蛋白結(jié)構(gòu)域特點(diǎn)[33]。

    基因芯片憑借其方便高效的優(yōu)勢(shì),近年被廣泛用于研究疾病或生物處理前后的基因表達(dá)差異。然而受到技術(shù)限制和實(shí)驗(yàn)偶然因素的影響,單次實(shí)驗(yàn)的準(zhǔn)確性還有待提高。用meta-analysis方法整合多基因芯片可以有效降低各種偶然因素的影響,揭示多次實(shí)驗(yàn)一致的表達(dá)規(guī)律。

    2.3 Meta-analysis在蛋白質(zhì)組學(xué)中的應(yīng)用

    隨著人類基因組計(jì)劃的實(shí)施和推進(jìn),生命科學(xué)已進(jìn)入了后基因組時(shí)代,蛋白質(zhì)組學(xué)不僅是生命科學(xué)研究進(jìn)入后基因組時(shí)代的里程碑,也是后基因組時(shí)代生命科學(xué)研究的核心內(nèi)容之一。蛋白質(zhì)鑒定是蛋白質(zhì)組學(xué)最重要的研究?jī)?nèi)容之一,凝膠電泳和質(zhì)譜是兩大關(guān)鍵技術(shù),雙向電泳圖譜的meta-analysis出現(xiàn)較早,近年隨著質(zhì)譜技術(shù)的發(fā)展,質(zhì)譜數(shù)據(jù)的meta-analysis也逐漸展開。

    整合雙向電泳圖譜有時(shí)可以揭示關(guān)于生物過(guò)程的隱藏信息。Natale等通過(guò)整合兩個(gè)電泳圖譜研究帕金森癥疾病相關(guān)蛋白DJ-1[34]。多樣本整合也得以應(yīng)用,Rosenberg等通過(guò)整合73個(gè)腫瘤樣本的電泳圖譜中2 121個(gè)點(diǎn)研究前列腺和結(jié)腸腫瘤的蛋白表達(dá)[35]。在眾多的高通量技術(shù)中,質(zhì)譜被認(rèn)為是一種同時(shí)具備高特異性和高靈敏度且得到了廣泛應(yīng)用的普適性方法。整合質(zhì)譜數(shù)據(jù)有整合原始數(shù)據(jù)和整合處理后的蛋白質(zhì)列表兩種方式。原始數(shù)據(jù)較為理想,但相對(duì)不容易獲得,相反經(jīng)過(guò)預(yù)處理的蛋白質(zhì)列表來(lái)源就廣泛得多。整合原始數(shù)據(jù)時(shí)一般對(duì)這些數(shù)據(jù)進(jìn)行統(tǒng)一搜庫(kù),以保證得到標(biāo)準(zhǔn)化的蛋白質(zhì)ID,然后整合各數(shù)據(jù)集內(nèi)蛋白質(zhì)的FDR[36]。整合蛋白質(zhì)列表時(shí)現(xiàn)有的meta-analysis方法基本都可以使用,Amess等改進(jìn)了基于排序的meta-analysis方法,用改進(jìn)方法整合多組蛋白質(zhì)列表,取得了很好的效果[15]。除鑒定蛋白質(zhì)外,meta-analysis還被用于分析蛋白質(zhì)的豐度和結(jié)構(gòu)特點(diǎn)。Zhong等整合分析了6個(gè)物種的蛋白豐度數(shù)據(jù),考察了不同物種間以及不同結(jié)構(gòu)域下蛋白豐度的分布模式[37]。

    蛋白質(zhì)是生理功能的執(zhí)行者,是生命現(xiàn)象的直接體現(xiàn)者,對(duì)蛋白質(zhì)結(jié)構(gòu)和功能的研究將直接闡明生命在生理或病理?xiàng)l件下的變化機(jī)制。蛋白質(zhì)的可變性和多樣性等特殊性質(zhì)導(dǎo)致了蛋白質(zhì)研究技術(shù)遠(yuǎn)遠(yuǎn)比核酸技術(shù)要復(fù)雜,meta-analysis整合多次實(shí)驗(yàn)可以有效彌補(bǔ)蛋白質(zhì)技術(shù)目前在準(zhǔn)確性上的不足,推動(dòng)蛋白質(zhì)研究迅速發(fā)展。

    2.4 Meta-analysis在多組學(xué)整合中的應(yīng)用

    早期組學(xué)間整合的主要目的是通過(guò)比較兩組學(xué)數(shù)據(jù),評(píng)估兩類數(shù)據(jù)的相似性,其中最多的是轉(zhuǎn)錄組和蛋白質(zhì)組的比較分析,較普遍的比較方法有Nie等提出的零堆積泊松模型(Zero-inflated Poisson model)[38]和Kislinger等建立的貝葉斯網(wǎng)絡(luò)[39]。后來(lái)組學(xué)整合的目的逐漸拓展為探索不同組學(xué)的內(nèi)在關(guān)聯(lián)以揭示生物系統(tǒng)的作用機(jī)制。例如,Lv等通過(guò)整合轉(zhuǎn)錄組和毒理基因組數(shù)據(jù)識(shí)別癌癥先導(dǎo)化合物[40],Liu等通過(guò)整合轉(zhuǎn)錄組和蛋白質(zhì)組二維凝膠電泳數(shù)據(jù)鑒定先兆子癇的生物標(biāo)志物[41]。最近,Sass等提出了一種基于貝葉斯模型方法——多層次本體分析算法 (Multi-level Ontology Analysis, MONA),可用于綜合分析多組學(xué)數(shù)據(jù)并評(píng)估其生物學(xué)意義[42]。圖2展示了PubMed歷年收錄的多組學(xué)整合相關(guān)研究論文數(shù)。圖中可見,組學(xué)間整合研究總體呈增長(zhǎng)趨勢(shì),2013年更是呈現(xiàn)大幅度增長(zhǎng)。隨著組學(xué)研究的深入,我們有理由預(yù)測(cè)這一領(lǐng)域?qū)⒃谖磥?lái)占據(jù)重要 地位。

    圖2 近十年P(guān)ubmed歷年收錄的多組學(xué)整合相關(guān)論文Fig. 2 The number of studies about integration of multi-omics published in Pubmed for this decade.

    3 Meta-analysis代表性工具

    前文討論了meta-analysis在基因組、轉(zhuǎn)錄組、蛋白質(zhì)組以及多組學(xué)整合4個(gè)領(lǐng)域的應(yīng)用。針對(duì)不同的研究目的,目前已經(jīng)開發(fā)了一些具備meta-analysis功能的工具。與一般組學(xué)數(shù)據(jù)分析工具以單一數(shù)據(jù)為基本單位不同,meta-analysis工具從不同來(lái)源的數(shù)據(jù)入手,以整合分析為基本途徑,一般實(shí)現(xiàn)一種或幾種meta-analysis算法,最終實(shí)現(xiàn)鑒定、預(yù)測(cè)以及可視化等功能。

    在基因組學(xué)領(lǐng)域,meta-analysis相關(guān)工具發(fā)展較成熟,其中使用最廣泛的是METAL[43],它實(shí)現(xiàn)了加權(quán)Z-score和基于效應(yīng)量的整合方法;PLINK實(shí)現(xiàn)了FEM和REM方法,是一個(gè)免費(fèi)、開源的基因組關(guān)聯(lián)分析工具[44];Comprehensive Meta-analysis (CMA)是一個(gè)商業(yè)軟件,它具有電子表格形式的界面并可以繪制森林圖[45]。此外,基因組學(xué)領(lǐng)域的meta-analysis工具還包括“MAGENTA”[46](利用meta-analysis實(shí)現(xiàn)基因集富集分析)、Metafor[47](實(shí)現(xiàn)多種基于效應(yīng)量的方法并提供多種圖形展示)、Synthesis-view[48](整合多組研究并可視化結(jié)果)、IGG3[49](整合GWAS原始數(shù)據(jù)) 以及GWAMA[50](實(shí)現(xiàn)FEM和REM方法)。

    在轉(zhuǎn)錄組學(xué)領(lǐng)域,科研人員同樣開發(fā)了一些針對(duì)基因芯片數(shù)據(jù)的meta-analysis工具和軟件包,其中發(fā)展較成熟的包括:GeneMeta是Bioconductor環(huán)境下的軟件包,實(shí)現(xiàn)了FEM和REM方法, metaMA是R語(yǔ)言環(huán)境下的軟件包,實(shí)現(xiàn)了REM方法和Stouffer方法,metaArray[51]可以整合多組表達(dá)概率 (Probability of expression,POE),而OrderedList[52]、RankProd[13]和RankAggreg[53]三個(gè)軟件包均實(shí)現(xiàn)了基于排序的meta-analysis方法??傮w而言,目前整合基因芯片的meta-analysis工具與流行的芯片處理工具 (如SAM、PAM等) 相比還有待改善,大部分缺乏用戶友好的界面和使用手冊(cè)[54],因此優(yōu)化算法并開發(fā)準(zhǔn)確好用的工具在轉(zhuǎn)錄組學(xué)領(lǐng)域仍具有重大價(jià)值。

    蛋白質(zhì)組學(xué)起步較晚,數(shù)據(jù)積累有限,且蛋白質(zhì)組數(shù)據(jù)具有特殊性,例如重復(fù)實(shí)驗(yàn)數(shù)目不足,不同蛋白的豐度無(wú)法比較等[55],因此單純整合蛋白質(zhì)實(shí)驗(yàn)數(shù)據(jù)的工具或軟件包還很有限,更多的是利用meta-analysis算法整合蛋白質(zhì)數(shù)據(jù)實(shí)現(xiàn)特定功能,例如,PTMeta[56]利用meta-analysis整合質(zhì)譜數(shù)據(jù)不同修飾條件下的搜庫(kù)結(jié)果,用于鑒定修飾肽段。Morphinome[57]是一個(gè)蛋白數(shù)據(jù)庫(kù),它利用meta-analysis整合了15組神經(jīng)系統(tǒng)受嗎啡影響后的蛋白表達(dá)數(shù)據(jù),可以進(jìn)行嗎啡影響的預(yù)測(cè);motif-x和scan-x[58]利用meta-analysis整合了不同物種的翻譯后修飾信息,可以用于磷酸化與乙?;稽c(diǎn)預(yù)測(cè)。蛋白質(zhì)組學(xué)領(lǐng)域相關(guān)工具的缺乏也為其開發(fā)提出了迫切需求,要更好地分析不斷積累的蛋白質(zhì)組學(xué)數(shù)據(jù),meta-analysis將是重要的研究?jī)?nèi)容。

    表1列舉了meta-analysis在不同研究領(lǐng)域有代表性的工具及其功能介紹。

    表1 Meta-analysis工具總結(jié)Table 1 Summary of meta-analysis tools

    4 小結(jié)與展望

    隨著多組學(xué)數(shù)據(jù)的不斷積累,有效地處理數(shù)據(jù)并整合分析將變得越來(lái)越重要。與此同時(shí),我們也清醒地認(rèn)識(shí)到meta-analysis尚存在一些待解決的問題。在實(shí)驗(yàn)技術(shù)層面,數(shù)據(jù)質(zhì)量不統(tǒng)一特別是離群數(shù)據(jù)的存在在一定程度上影響了整合結(jié)果,因此在整合數(shù)據(jù)時(shí)不能一味地追求數(shù)據(jù)的完整性,而應(yīng)該建立有效的數(shù)據(jù)評(píng)估機(jī)制,除了在檢索數(shù)據(jù)庫(kù)時(shí)選擇準(zhǔn)確有效的關(guān)鍵詞外,還要根據(jù)數(shù)據(jù)的樣本量、實(shí)驗(yàn)平臺(tái)等條件進(jìn)行主觀篩選,并在此基礎(chǔ)上通過(guò)求相關(guān)系數(shù)和聚類等方式剔除離群數(shù)據(jù)。Ramasamy等提出整合各數(shù)據(jù)的“可重復(fù)基因” (Reproducible genes)[8]也可以有效緩解數(shù)據(jù)質(zhì)量不一的問題。在方法推廣層面,目前的meta-analysis工具實(shí)用性還很有限,大部分只局限于特定研究,缺乏用戶友好的界面和使用手冊(cè)。這對(duì)開發(fā)方便實(shí)用的軟件提出了迫切需求,特別是建立起集成各種方法的通用的meta-analysis整合工作流,不僅利于meta-analysis推廣到更多領(lǐng)域,還能促進(jìn)現(xiàn)有方法的改進(jìn)和新方法的出現(xiàn)。

    Meta-analysis正在生命科學(xué)研究中扮演著重要角色。無(wú)論是發(fā)展較成熟的基因組學(xué)、轉(zhuǎn)錄組學(xué),還是迅速崛起的蛋白質(zhì)組學(xué),meta-analysis都得到廣泛應(yīng)用并發(fā)揮了巨大價(jià)值。從社會(huì)學(xué)到生物學(xué),從基因組學(xué)到蛋白質(zhì)組學(xué),其發(fā)展經(jīng)歷了一個(gè)不斷推廣到新領(lǐng)域、應(yīng)用于新數(shù)據(jù)的過(guò)程。我們有理由預(yù)測(cè),未來(lái)要建立集所有組學(xué)的“生命組學(xué)”研究模式,meta-analysis將被推廣到更多新領(lǐng)域,體現(xiàn)越來(lái)越大的價(jià)值。

    REFERENCES

    [1] Smith ML, Glass GV. Meta-analysis of psychotherapy outcome studies. Am Psychol, 1977, 32(9): 752–760.

    [2] He F. Lifeomics leads the age of grand discoveries. Sci China Life Sci, 2013, 56(3): 201–212.

    [3] Bhargava A, Clabaugh I, To JP, et al. Identification of cytokinin-responsive genes using microarray meta-analysis and RNA-Seq in Arabidopsis. Plant Physiol, 2013, 162(1): 272–294.

    [4] Parkinson H, Kapushesky M, Shojatalab M, et al. ArrayExpress--a public database of microarray experiments and gene expression profiles. Nucleic Acids Res, 2007, 35(Database issue): D747–750.

    [5] Deutsch EW, Lam H, Aebersold R. PeptideAtlas: a resource for target selection for emerging targeted proteomics workflows. EMBO Rep, 2008, 9(5): 429–434.

    [6] Martens L, Hermjakob H, Jones P, et al. PRIDE: the proteomics identifications database. Proteomics, 2005, 5(13): 3537–3545.

    [7] Maher B. ENCODE: The human encyclopaedia. Nature, 2012, 489(7414): 46–48.

    [8] Ramasamy A, Mondry A, Holmes CC, et al. Key issues in conducting a meta-analysis of gene expression microarray datasets. PLoS Med, 2008, 5(9): e184.

    [9] Rhodes DR, Barrette TR, Rubin MA, et al. Meta-analysis of microarrays: interstudy validation of gene expression profiles reveals pathway dysregulation in prostate cancer. Cancer Res, 2002, 62(15): 4427–4433.

    [10] Stouffer SA. A study of attitudes. Sci Am, 1949, 180(5): 11–15.

    [11] Li J, Tseng GC. An adaptively weighted statistic for detecting differential gene expression when combining multiple transcriptomic studies. Ann App Stat, 2011, 5(2A): 994–1019.

    [12] Whitlock MC. Combining probability from independent tests: the weighted Z-method is superior to Fisher's approach. J Evol Biol, 2005, 18(5): 1368–1373.

    [13] Hong F, Breitling R, McEntee CW, et al. RankProd: a bioconductor package for detecting differentially expressed genes in meta-analysis. Bioinformatics, 2006, 22(22): 2825–2827.

    [14] Hong F, Breitling R. A comparison of meta-analysis methods for detecting differentially expressed genes in microarray experiments. Bioinformatics, 2008, 24(3): 374–382.

    [15] Amess B, Kluge W, Schwarz E, et al. Application of meta-analysis methods for identifying proteomic expression level differences. Proteomics, 2013, 13(14): 2072–2076.

    [16] Choi JK, Yu U, Kim S, et al. Combining multiple microarray studies and modeling interstudy variation. Bioinformatics, 2003, 19(Suppl 1): i84–90.

    [17] Nakaoka H, Inoue I. Meta-analysis of genetic association studies: methodologies, between-study heterogeneity and winner's curse. J Hum Genet, 2009, 54(11): 615–623.

    [18] Rhodes DR, Yu J, Shanker K, et al. Large-scale meta-analysis of cancer microarray data identifies common transcriptional profiles of neoplastic transformation and progression. Proc Natl Acad Sci USA, 2004, 101(25): 9309–9314.

    [19] Begum F, Ghosh D, Tseng GC, et al. Comprehensive literature review and statistical considerations for GWAS meta-analysis. Nucleic Acids Res, 2012, 40(9): 3777–3784.

    [20] Panagiotou OA, Willer CJ, Hirschhorn JN, et al. The power of meta-analysis in genome-wideassociation studies. Annu Rev Genomics Hum Genet, 2013, 14: 441–465.

    [21] Thompson JR, Attia J, Minelli C. The meta-analysis of genome-wide association studies. Brief Bioinform, 2011, 12(3): 259–269.

    [22] Kaever A, Landesfeind M, Feussner K, et al. Meta-analysis of pathway enrichment: combining independent and dependent omics data sets. PLoS ONE, 2014, 9(2): e89297.

    [23] Wang K, Narayanan M, Zhong H, et al. Meta-analysis of inter-species liver co-expression networks elucidates traits associated with common human diseases. PLoS Comput Biol, 2009, 5(12): e1000616.

    [24] Mabbott NA, Kenneth Baillie J, Hume DA, et al. Meta-analysis of lineage-specific gene expression signatures in mouse leukocyte populations. Immunobiology, 2010, 215(9/10): 724–736.

    [25] Carrera J, Rodrigo G, Jaramillo A, et al. Reverse-engineering the Arabidopsis thaliana transcriptional network under changing environmental conditions. Genome Biol, 2009, 10(9): R96.

    [26] Jupiter D, Chen H, VanBuren V. STARNET 2: a web-based tool for accelerating discovery of gene regulatory networks using microarray co-expression data. BMC Bioinformatics, 2009, 10: 332.

    [27] Mehan MR, Nunez-Iglesias J, Kalakrishnan M, et al. An integrative network approach to map the transcriptome to the phenome. J Comput Biol, 2009, 16(8): 1023–1034.

    [28] Subramanian J, Simon R. Gene expression-based prognostic signatures in lung cancer: ready for clinical use? J Natl Cancer Inst, 2010, 102(7): 464–474.

    [29] Nguyen VA, Lio P. Measuring similarity between gene expression profiles: a Bayesian approach. BMC Genomics, 2009, 10(Suppl 3): S14.

    [30] Lu S, Li J, Song C, et al. Biomarker detection in the integration of multiple multi-class genomic studies. Bioinformatics, 2010, 26(3): 333–340.

    [31] Shen K, Tseng GC. Meta-analysis for pathway enrichment analysis when combining multiple genomic studies. Bioinformatics, 2010, 26(10): 1316–1323.

    [32] Subramanian A, Tamayo P, Mootha VK, et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proc Natl Acad Sci USA, 2005, 102(43): 15545–15550.

    [33] Yang D, Zhong F, Li D, et al. General trends in the utilization of structural factors contributing to biological complexity. Mol Biol Evol, 2012, 29(8): 1957–1968.

    [34] Natale M, Bonino D, Consoli P, et al. A meta-analysis of two-dimensional electrophoresis pattern of the Parkinson's disease-related protein DJ-1. Bioinformatics, 2010, 26(7): 946–952.

    [35] Rosenberg LH, Franzen B, Auer G, et al. Multivariate meta-analysis of proteomics data from human prostate and colon tumours. BMC Bioinformatics, 2010, 11: 468.

    [36] Higdon R, Haynes W, Kolker E. Meta-analysis for protein identification: a case study on yeast data. OMICS, 2010, 14(3): 309–314.

    [37] Zhong F, Yang D, Hao Y, et al. Regular patterns for proteome-wide distribution of protein abundance across species. PLoS ONE, 2012, 7(3): e32423.

    [38] Nie L, Wu G, Brockman FJ, et al. Integrated analysis of transcriptomic and proteomic data of Desulfovibrio vulgaris: zero-inflated Poisson regression models to predict abundance of undetected proteins. Bioinformatics, 2006, 22(13): 1641–1647.

    [39] Kislinger T, Cox B, Kannan A, et al. Global survey of organ and organelle protein expression in mouse: combined proteomic and transcriptomic profiling. Cell, 2006, 125(1): 173–186.

    [40] Lv S, Xu Y, Chen X, et al. Prioritizing cancer therapeutic small molecules by integrating multiple OMICS datasets. OMICS, 2012, 16(10): 552–559.

    [41] Liu LY, Yang T, Ji J, et al. Integrating multiple'omics' analyses identifies serological protein biomarkers for preeclampsia. BMC Med, 2013, 11(1): 236.

    [42] Sass S, Buettner F, Mueller NS, et al. A modular framework for gene set analysis integrating multilevel omics data. Nucleic Acids Res, 2013, 41(21): 9622–9633.

    [43] Willer CJ, Li Y, Abecasis GR. METAL: fast and efficient meta-analysis of genomewide association scans. Bioinformatics, 2010, 26(17): 2190–2191.

    [44] Purcell S, Neale B, Todd-Brown K, et al. PLINK: a tool set for whole-genome association and population-based linkage analyses. Am J Hum Genet, 2007, 81(3): 559–575.

    [45] Qu HQ, Bradfield JP, Li Q, et al. In silico replication of the genome-wide association results of the Type 1 Diabetes Genetics Consortium. Hum Mol Genet, 2010, 19(12): 2534–2538.

    [46] Segre AV, Groop L, Mootha VK, et al. Common inherited variation in mitochondrial genes is not enriched for associations with type 2 diabetes or related glycemic traits. PLoS Genet, 2010, 6(8): 264–268.

    [47] Viechtbauer W. Conducting Meta-Analyses in R with the metafor Package. J Stat Softw, 2010, 36(3): 1–48.

    [48] Pendergrass SA, Dudek SM, Crawford DC, et al. Synthesis-View: visualization and interpretation of SNP association results for multi-cohort, multi-phenotype data and meta-analysis. BioData Min, 2010, 3: 10.

    [49] Li MX, Jiang L, Kao PY, et al. IGG3: a tool to rapidly integrate large genotype datasets for whole-genome imputation and individual-level meta-analysis. Bioinformatics, 2009, 25(11): 1449–1450.

    [50] Magi R, Morris AP. GWAMA: software for genome-wide association meta-analysis. BMC Bioinformatics, 2010, 11: 288.

    [51] Choi H, Shen R, Chinnaiyan AM, et al. A latent variable approach for meta-analysis of gene expression data from multiple microarray experiments. BMC Bioinformatics, 2007, 8: 364.

    [52] Lottaz C, Yang X, Scheid S, et al. OrderedList--a bioconductor package for detecting similarity in ordered gene lists. Bioinformatics, 2006, 22(18): 2315–2316.

    [53] Pihur V, Datta S. RankAggreg, an R package for weighted rank aggregation. BMC Bioinformatics, 2009, 10: 62.

    [54] Tseng GC, Ghosh D, Feingold E. Comprehensive literature review and statistical considerations for microarray meta-analysis. Nucleic Acids Res, 2012, 40(9): 3785–3799.

    [55] Cox J, Mann M. MaxQuant enables high peptide identification rates, individualized p.p.b.-range mass accuracies and proteome-wide protein quantification. Nat Biotechnol, 2008, 26(12): 1367–1372.

    [56] Nahnsen S, Sachsenberg T, Kohlbacher O. PTMeta: increasing identification rates of modified peptides using modification prescanning and meta-analysis. Proteomics, 2013, 13(6): 1042–1051.

    [57] Bodzon-Kulakowska A, Kulakowski K, Drabik A, et al. Morphinome--a meta-analysis applied to proteomics studies in morphine dependence. Proteomics, 2011, 11(1): 5–21.

    [58] Schwartz D, Chou MF, Church GM. Predicting protein post-translational modifications using meta-analysis of proteome scale data sets. Mol Cell Proteomics, 2009, 8(2): 365–379.

    [59] Chen Z, Wang W, Ling XB, et al. GO-Diff: mining functional differentiation between EST-based transcriptomes. BMC Bioinformatics, 2006, 7: 72. [60] Pan F, Kamath K, Zhang K, et al. Integrative Array Analyzer: a software package for analysis of cross-platform and cross-species microarray data. Bioinformatics, 2006, 22(13): 1665–1667.

    (本文責(zé)編 郝麗芳)

    Applications of meta-analysis in multi-omics

    Mingfei Han, and Yunping Zhu
    Beijing Proteome Research Center, State Key Lab oratory of Proteomics, National Engineering Res earch Center for Protein Drugs, National Center for Protein Sciences Beijing, Beijing Institute of Radiation Medicine, Beijing 102206, China

    As a statistical method integrating multi-features and multi-data, meta-analysis was introduced to the field of life science in the 1990s. With the rapid advances in high-throughput technologies, life omics, the core of which are genomics, transcriptomics and proteomics, is becoming the new hot spot of life science. Although the fast output of massivedata has promoted the development of omics study, it results in excessive data that are difficult to integrate systematically. In this case, meta-analysis is frequently applied to analyze different types of data and is improved continuously. Here, we first summarize the representative meta-analysis methods systematically, and then study the current applications of meta-analysis in various omics fields, finally we discuss the still-existing problems and the future development of meta-analysis.

    meta-analysis, genomics, transcriptomics, proteomics

    April 2, 2014; Accepted: May 13, 2014

    Yunping Zhu. Tel/Fax: +86-10-80705225; E-mail: zhuyunping@gmail.com

    韓明飛, 朱云平. Meta-analysis在多種組學(xué)領(lǐng)域的應(yīng)用. 生物工程學(xué)報(bào), 2014, 30(7): 1094?1104.

    Han MF, Zhu YP. Applications of meta-analysis in multi-omics. Chin J Biotech, 2014, 30(7): 1094?1104.

    Supported by: National Basic Research Program of China (973 Program) (Nos. 2011CB910600, 2010CB912700, 2013CB911200), National High Technology Research and Development Program of China (863 Program) (Nos. 2012AA020409, 2012AA020201), National Natural Science Foundation of China (Nos. 21105121, 21275160), National Natural Science Foundation of Beijing (No. 5122013).

    國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃 (973計(jì)劃) (Nos. 2011CB910600,2010CB912700,2013CB911200),國(guó)家高技術(shù)研究發(fā)展計(jì)劃 (863計(jì)劃) (Nos. 2012AA020409, 2012AA020201),國(guó)家自然科學(xué)基金 (Nos. 21105121, 21275160),北京市自然科學(xué)基金 (No. 5122013)資助。

    猜你喜歡
    基因組學(xué)基因芯片組學(xué)
    基于基因組學(xué)數(shù)據(jù)分析構(gòu)建腎上腺皮質(zhì)癌預(yù)后模型
    出生時(shí)即可預(yù)判發(fā)育潛力 基因芯片精準(zhǔn)篩選肉牛良種
    系統(tǒng)基因組學(xué)解碼反芻動(dòng)物的演化
    科學(xué)(2020年2期)2020-08-24 07:56:44
    口腔代謝組學(xué)研究
    基于UHPLC-Q-TOF/MS的歸身和歸尾補(bǔ)血機(jī)制的代謝組學(xué)初步研究
    雙管單色熒光PCR法與基因芯片法檢測(cè)CYP2C19基因多態(tài)性的比較研究
    應(yīng)用基因芯片技術(shù)檢測(cè)四種結(jié)核藥物敏感試驗(yàn)的研究
    代謝組學(xué)在多囊卵巢綜合征中的應(yīng)用
    基于提升小波的基因芯片數(shù)據(jù)的分類預(yù)測(cè)
    營(yíng)養(yǎng)基因組學(xué)——我們可以吃得更健康
    深爱激情五月婷婷| 国产在线男女| 悠悠久久av| 日韩欧美一区二区三区在线观看| 久久亚洲真实| 人妻久久中文字幕网| 中文资源天堂在线| 久久精品人妻少妇| 国产一区二区亚洲精品在线观看| 午夜精品久久久久久毛片777| 一本精品99久久精品77| 日韩中文字幕欧美一区二区| 日韩欧美一区二区三区在线观看| 春色校园在线视频观看| 老师上课跳d突然被开到最大视频| 看免费成人av毛片| 婷婷色综合大香蕉| 一级毛片久久久久久久久女| 美女高潮的动态| 色综合婷婷激情| 国产午夜精品论理片| 小蜜桃在线观看免费完整版高清| 久久久久久九九精品二区国产| 我的女老师完整版在线观看| 最后的刺客免费高清国语| 婷婷丁香在线五月| 国产精品乱码一区二三区的特点| 亚洲精品成人久久久久久| 深爱激情五月婷婷| 日本撒尿小便嘘嘘汇集6| 看片在线看免费视频| 午夜福利在线观看免费完整高清在 | 久久久久精品国产欧美久久久| 少妇高潮的动态图| 久久久成人免费电影| 丝袜美腿在线中文| 在线播放国产精品三级| 亚洲第一区二区三区不卡| 99热网站在线观看| 1024手机看黄色片| 波多野结衣巨乳人妻| 999久久久精品免费观看国产| 国产精品国产三级国产av玫瑰| 午夜老司机福利剧场| 国内久久婷婷六月综合欲色啪| 欧美人与善性xxx| 午夜免费成人在线视频| 嫩草影院新地址| 在线免费十八禁| 中出人妻视频一区二区| 午夜视频国产福利| 97碰自拍视频| a级毛片a级免费在线| 在线免费十八禁| 窝窝影院91人妻| 两个人的视频大全免费| 床上黄色一级片| 在线免费十八禁| 窝窝影院91人妻| 22中文网久久字幕| 听说在线观看完整版免费高清| 午夜激情福利司机影院| 在线播放无遮挡| 欧美日本亚洲视频在线播放| 啪啪无遮挡十八禁网站| 亚洲人成网站高清观看| 日韩人妻高清精品专区| 国产高清不卡午夜福利| 亚洲欧美日韩东京热| av.在线天堂| 久久精品国产自在天天线| 国产精品久久久久久精品电影| 99在线人妻在线中文字幕| 嫩草影院新地址| 日本撒尿小便嘘嘘汇集6| 精品久久久久久久久久免费视频| a级一级毛片免费在线观看| 黄色配什么色好看| 色哟哟哟哟哟哟| 国产午夜福利久久久久久| 亚洲真实伦在线观看| 一级a爱片免费观看的视频| 日韩精品有码人妻一区| 国产av不卡久久| 不卡一级毛片| 精品人妻视频免费看| 99久久中文字幕三级久久日本| 亚洲av日韩精品久久久久久密| 日韩欧美精品免费久久| 色视频www国产| 观看免费一级毛片| 老司机深夜福利视频在线观看| 麻豆久久精品国产亚洲av| 婷婷六月久久综合丁香| 亚洲av日韩精品久久久久久密| 日本 欧美在线| 欧美中文日本在线观看视频| 三级男女做爰猛烈吃奶摸视频| 亚洲综合色惰| 亚洲成人久久爱视频| 午夜日韩欧美国产| 久久亚洲精品不卡| 好男人在线观看高清免费视频| 可以在线观看毛片的网站| 国产乱人视频| 岛国在线免费视频观看| 久久精品国产鲁丝片午夜精品 | 一个人免费在线观看电影| 蜜桃亚洲精品一区二区三区| av天堂中文字幕网| 国产一区二区在线av高清观看| 美女 人体艺术 gogo| av在线亚洲专区| 搡老岳熟女国产| 一区二区三区四区激情视频 | 国产69精品久久久久777片| 日韩国内少妇激情av| 一区福利在线观看| 久久久色成人| 不卡视频在线观看欧美| 国产成年人精品一区二区| 精品一区二区三区视频在线| 成人永久免费在线观看视频| 少妇丰满av| 久久久久国内视频| netflix在线观看网站| 日韩欧美精品v在线| av视频在线观看入口| 直男gayav资源| 成年女人看的毛片在线观看| 欧美性感艳星| 国产精品永久免费网站| 91午夜精品亚洲一区二区三区 | 欧美区成人在线视频| 亚洲自偷自拍三级| 免费在线观看成人毛片| 免费av不卡在线播放| 亚洲av美国av| 欧美3d第一页| 亚洲第一区二区三区不卡| 久久久久久久午夜电影| 九九爱精品视频在线观看| 一区二区三区激情视频| 免费大片18禁| 国产成人a区在线观看| 91午夜精品亚洲一区二区三区 | 亚洲中文字幕日韩| 国内毛片毛片毛片毛片毛片| 蜜桃久久精品国产亚洲av| 永久网站在线| 国产精品精品国产色婷婷| 亚洲av不卡在线观看| 在线天堂最新版资源| 色综合站精品国产| 国产精品永久免费网站| 久久欧美精品欧美久久欧美| 日韩欧美精品免费久久| 麻豆一二三区av精品| 亚洲欧美日韩无卡精品| 日本欧美国产在线视频| 久久久久久九九精品二区国产| 我要搜黄色片| 欧美最黄视频在线播放免费| 在线观看一区二区三区| 亚洲国产色片| 国产精品1区2区在线观看.| 亚洲国产欧洲综合997久久,| 色视频www国产| av天堂中文字幕网| 偷拍熟女少妇极品色| 亚洲图色成人| 人人妻人人澡欧美一区二区| 中国美女看黄片| 啦啦啦韩国在线观看视频| 亚洲成人精品中文字幕电影| 午夜精品在线福利| 色5月婷婷丁香| 久久99热这里只有精品18| 久久久国产成人免费| 国产精品99久久久久久久久| 久久久久久久久久黄片| 很黄的视频免费| 国产黄片美女视频| 国产精品精品国产色婷婷| 国内久久婷婷六月综合欲色啪| 在线观看av片永久免费下载| 成年女人永久免费观看视频| 国产视频内射| av.在线天堂| 久久久成人免费电影| 国产精华一区二区三区| 午夜日韩欧美国产| 国产亚洲91精品色在线| 亚洲国产精品久久男人天堂| 国产av在哪里看| 午夜福利在线观看吧| 中文字幕av在线有码专区| 男人舔女人下体高潮全视频| 国产视频内射| 国产精品综合久久久久久久免费| 久久天躁狠狠躁夜夜2o2o| 国产av麻豆久久久久久久| 3wmmmm亚洲av在线观看| 男人和女人高潮做爰伦理| 亚洲性久久影院| 免费电影在线观看免费观看| 如何舔出高潮| 在线观看av片永久免费下载| 一本久久中文字幕| 日韩精品中文字幕看吧| 九色成人免费人妻av| 欧美成人免费av一区二区三区| 不卡一级毛片| 99九九线精品视频在线观看视频| 亚洲欧美日韩高清专用| 少妇被粗大猛烈的视频| 国产91精品成人一区二区三区| 啪啪无遮挡十八禁网站| 免费黄网站久久成人精品| 欧美激情久久久久久爽电影| 97人妻精品一区二区三区麻豆| 日本爱情动作片www.在线观看 | 国产成人影院久久av| 在线观看免费视频日本深夜| 国产乱人视频| 国产精品三级大全| 欧美xxxx性猛交bbbb| 欧美人与善性xxx| 亚洲精品成人久久久久久| 欧美成人性av电影在线观看| 免费看av在线观看网站| 天天一区二区日本电影三级| 精品人妻视频免费看| 午夜亚洲福利在线播放| 国产亚洲欧美98| netflix在线观看网站| 深夜a级毛片| 丝袜美腿在线中文| 在线播放国产精品三级| 成人特级黄色片久久久久久久| 精品久久久久久久久av| 国产亚洲欧美98| 免费看光身美女| 久久精品夜夜夜夜夜久久蜜豆| 嫩草影院入口| 中文在线观看免费www的网站| 国产精品久久久久久久电影| 国产亚洲91精品色在线| 狂野欧美白嫩少妇大欣赏| 亚洲午夜理论影院| 亚洲国产精品sss在线观看| 欧美激情在线99| 亚洲人成网站在线播| 熟女电影av网| 国产亚洲91精品色在线| 久久99热6这里只有精品| 伊人久久精品亚洲午夜| 久久99热这里只有精品18| 精品一区二区三区视频在线| 亚洲国产日韩欧美精品在线观看| 国产一区二区在线av高清观看| 亚洲精品乱码久久久v下载方式| 成人国产一区最新在线观看| 国产真实乱freesex| 精品福利观看| 最近中文字幕高清免费大全6 | 午夜福利欧美成人| 性欧美人与动物交配| 一区二区三区高清视频在线| 久久九九热精品免费| 日韩精品中文字幕看吧| 中文字幕熟女人妻在线| 十八禁国产超污无遮挡网站| 九九久久精品国产亚洲av麻豆| 麻豆精品久久久久久蜜桃| 国产一级毛片七仙女欲春2| 久久久久久久精品吃奶| 91在线观看av| 国产一区二区三区在线臀色熟女| 真实男女啪啪啪动态图| 高清日韩中文字幕在线| 色尼玛亚洲综合影院| 无遮挡黄片免费观看| 国产麻豆成人av免费视频| 中文亚洲av片在线观看爽| 国产高清有码在线观看视频| 国产免费男女视频| 国产一区二区亚洲精品在线观看| 成人一区二区视频在线观看| 亚洲国产欧洲综合997久久,| 人妻久久中文字幕网| 人妻夜夜爽99麻豆av| av在线天堂中文字幕| 别揉我奶头 嗯啊视频| 身体一侧抽搐| 春色校园在线视频观看| 99视频精品全部免费 在线| 91av网一区二区| 免费观看的影片在线观看| 黄色一级大片看看| 最近视频中文字幕2019在线8| 欧美一级a爱片免费观看看| 丰满的人妻完整版| 成人亚洲精品av一区二区| 日本与韩国留学比较| 99精品久久久久人妻精品| 熟女电影av网| 男插女下体视频免费在线播放| 国产乱人伦免费视频| 国产伦人伦偷精品视频| 色5月婷婷丁香| 成年女人永久免费观看视频| 国产激情偷乱视频一区二区| 精品久久久久久久久av| 级片在线观看| 一进一出好大好爽视频| 欧美另类亚洲清纯唯美| eeuss影院久久| 成年免费大片在线观看| 麻豆久久精品国产亚洲av| 高清毛片免费观看视频网站| 女同久久另类99精品国产91| 亚洲五月天丁香| 欧美精品啪啪一区二区三区| 精品免费久久久久久久清纯| 久久精品国产亚洲av涩爱 | 亚洲国产欧洲综合997久久,| 黄色欧美视频在线观看| 久久久久久久久久黄片| 久久久久精品国产欧美久久久| 最新中文字幕久久久久| 欧美高清性xxxxhd video| 精品人妻视频免费看| 97超级碰碰碰精品色视频在线观看| 欧美一区二区精品小视频在线| 亚洲欧美日韩高清专用| 动漫黄色视频在线观看| 禁无遮挡网站| 三级国产精品欧美在线观看| 麻豆国产av国片精品| 国产一级毛片七仙女欲春2| 亚洲欧美清纯卡通| 欧美最新免费一区二区三区| 最近最新免费中文字幕在线| 国产高清不卡午夜福利| 一本久久中文字幕| 熟女电影av网| 久久午夜亚洲精品久久| 中文亚洲av片在线观看爽| 一边摸一边抽搐一进一小说| 国产精品久久久久久久电影| 一本一本综合久久| ponron亚洲| 成人性生交大片免费视频hd| 中文字幕av成人在线电影| 午夜精品久久久久久毛片777| 国产精品一区二区性色av| 亚洲四区av| 国产午夜福利久久久久久| 春色校园在线视频观看| 久久精品91蜜桃| 欧美xxxx黑人xx丫x性爽| 久久久久久久久中文| 久久久久久久久大av| 精品无人区乱码1区二区| 又紧又爽又黄一区二区| 狂野欧美激情性xxxx在线观看| 精品久久久久久成人av| 国产精品福利在线免费观看| 干丝袜人妻中文字幕| 国产精品无大码| 麻豆成人午夜福利视频| 成年版毛片免费区| 国产黄色小视频在线观看| 久久久久免费精品人妻一区二区| 观看美女的网站| 成人永久免费在线观看视频| 两个人视频免费观看高清| 欧美激情久久久久久爽电影| 久久午夜福利片| 小说图片视频综合网站| 久久久久九九精品影院| 日本黄色视频三级网站网址| av女优亚洲男人天堂| ponron亚洲| 国产一区二区在线av高清观看| 成人综合一区亚洲| 少妇的逼好多水| 成人一区二区视频在线观看| 综合色av麻豆| 国产精品99久久久久久久久| 91久久精品国产一区二区成人| 国产白丝娇喘喷水9色精品| 性插视频无遮挡在线免费观看| av天堂中文字幕网| 久久久久九九精品影院| 99久久久亚洲精品蜜臀av| 久99久视频精品免费| 日韩一本色道免费dvd| 亚洲人成伊人成综合网2020| 日本色播在线视频| 久久精品国产亚洲av天美| 国产主播在线观看一区二区| 尤物成人国产欧美一区二区三区| 亚洲熟妇中文字幕五十中出| 色综合婷婷激情| 欧美性感艳星| 国产精品国产高清国产av| 日本 欧美在线| 亚洲人成网站在线播放欧美日韩| 久久久国产成人免费| 久久精品人妻少妇| 日韩 亚洲 欧美在线| 中文亚洲av片在线观看爽| 日韩av在线大香蕉| 久久久久免费精品人妻一区二区| 国产高清有码在线观看视频| 一级黄色大片毛片| av女优亚洲男人天堂| 成人国产一区最新在线观看| 成年女人毛片免费观看观看9| 婷婷色综合大香蕉| 色尼玛亚洲综合影院| 美女黄网站色视频| 国产精品电影一区二区三区| 亚洲狠狠婷婷综合久久图片| 黄色一级大片看看| 国模一区二区三区四区视频| 永久网站在线| 韩国av在线不卡| 亚洲成人精品中文字幕电影| 亚洲国产精品久久男人天堂| 天堂动漫精品| 在线国产一区二区在线| 亚洲欧美日韩卡通动漫| 精品不卡国产一区二区三区| 在线免费十八禁| 亚洲真实伦在线观看| 女的被弄到高潮叫床怎么办 | 啦啦啦韩国在线观看视频| 欧美性猛交黑人性爽| 国产午夜精品论理片| 亚洲aⅴ乱码一区二区在线播放| 婷婷精品国产亚洲av| 亚洲四区av| 嫩草影视91久久| 性欧美人与动物交配| 国内揄拍国产精品人妻在线| 天堂网av新在线| 日韩强制内射视频| 一个人看视频在线观看www免费| 亚洲黑人精品在线| 亚洲国产高清在线一区二区三| 人妻少妇偷人精品九色| 亚洲美女黄片视频| 欧美高清性xxxxhd video| 免费不卡的大黄色大毛片视频在线观看 | 成人欧美大片| 一夜夜www| 亚洲经典国产精华液单| 亚洲最大成人手机在线| 亚洲精品亚洲一区二区| 久久久国产成人精品二区| 成人国产一区最新在线观看| 国产成人一区二区在线| 毛片一级片免费看久久久久 | а√天堂www在线а√下载| 婷婷精品国产亚洲av| 精品欧美国产一区二区三| 又粗又爽又猛毛片免费看| 成人二区视频| 久久中文看片网| 免费一级毛片在线播放高清视频| 69人妻影院| 欧美区成人在线视频| 熟女人妻精品中文字幕| 搡老岳熟女国产| 国产又黄又爽又无遮挡在线| 成人特级av手机在线观看| 中文资源天堂在线| 亚洲精品粉嫩美女一区| 级片在线观看| 午夜精品一区二区三区免费看| 精品久久久久久久久亚洲 | 麻豆成人av在线观看| 欧美黑人巨大hd| av在线亚洲专区| 天堂√8在线中文| 天堂网av新在线| 日韩欧美一区二区三区在线观看| 日日摸夜夜添夜夜添小说| 国产黄色小视频在线观看| 女同久久另类99精品国产91| 中文字幕精品亚洲无线码一区| 午夜福利欧美成人| 成人综合一区亚洲| 搡老妇女老女人老熟妇| 国产精品久久久久久久电影| 国产日本99.免费观看| 男女下面进入的视频免费午夜| 真实男女啪啪啪动态图| 极品教师在线免费播放| 国产视频一区二区在线看| 少妇人妻精品综合一区二区 | 亚洲色图av天堂| 国产淫片久久久久久久久| 国产午夜精品久久久久久一区二区三区 | 狠狠狠狠99中文字幕| 免费看光身美女| 12—13女人毛片做爰片一| 欧美zozozo另类| 老熟妇乱子伦视频在线观看| 久久亚洲真实| 黄色日韩在线| 亚洲国产精品成人综合色| 天堂av国产一区二区熟女人妻| 国产亚洲91精品色在线| 精品久久久久久久久久免费视频| 亚洲精品色激情综合| 精品久久久久久久久久免费视频| 日韩精品有码人妻一区| 国产精品久久电影中文字幕| 黄片wwwwww| 国产久久久一区二区三区| avwww免费| 国产久久久一区二区三区| 国产高清激情床上av| 啦啦啦啦在线视频资源| 亚洲乱码一区二区免费版| 女人被狂操c到高潮| 亚洲国产精品sss在线观看| 精品午夜福利视频在线观看一区| 久久精品国产自在天天线| 精品久久久久久成人av| 国产精品av视频在线免费观看| 亚洲图色成人| 国产精品一及| 国产高清三级在线| 亚洲精品色激情综合| 国产毛片a区久久久久| 男女视频在线观看网站免费| 成年版毛片免费区| 日韩欧美精品免费久久| 午夜福利在线观看免费完整高清在 | 中文字幕人妻熟人妻熟丝袜美| 国产精品国产三级国产av玫瑰| av在线老鸭窝| АⅤ资源中文在线天堂| 窝窝影院91人妻| 国国产精品蜜臀av免费| 午夜精品一区二区三区免费看| 午夜亚洲福利在线播放| 1000部很黄的大片| 亚洲avbb在线观看| 欧美性猛交黑人性爽| 日本成人三级电影网站| 亚洲成a人片在线一区二区| 色噜噜av男人的天堂激情| 老司机福利观看| 国产私拍福利视频在线观看| 成人综合一区亚洲| 日日干狠狠操夜夜爽| 老熟妇仑乱视频hdxx| 亚洲国产精品久久男人天堂| 久久久精品欧美日韩精品| 国产精品久久久久久久电影| 亚洲精品456在线播放app | 日韩欧美在线乱码| 一本久久中文字幕| 亚洲成人中文字幕在线播放| 日日摸夜夜添夜夜添小说| 精品久久久久久久末码| 亚洲精品在线观看二区| 九色国产91popny在线| 嫩草影院新地址| 中文亚洲av片在线观看爽| 啦啦啦啦在线视频资源| 长腿黑丝高跟| 一个人看的www免费观看视频| 在线免费观看不下载黄p国产 | 中文字幕高清在线视频| 中国美女看黄片| 亚洲成人精品中文字幕电影| 99热精品在线国产| 天天躁日日操中文字幕| 精品人妻1区二区| 又黄又爽又刺激的免费视频.| 日日干狠狠操夜夜爽| 中文字幕av成人在线电影| 国产在视频线在精品| 国产精品女同一区二区软件 | 国产69精品久久久久777片| 十八禁网站免费在线| 一个人看的www免费观看视频| 日本撒尿小便嘘嘘汇集6| 精品午夜福利在线看| 老司机深夜福利视频在线观看| 能在线免费观看的黄片| 日日撸夜夜添| 一个人看视频在线观看www免费| 乱系列少妇在线播放| 久久久久久伊人网av| 伊人久久精品亚洲午夜| 51国产日韩欧美| 国产91精品成人一区二区三区| 亚洲va日本ⅴa欧美va伊人久久| 国产麻豆成人av免费视频| 亚洲一级一片aⅴ在线观看| 又黄又爽又免费观看的视频| 韩国av在线不卡| 欧美精品国产亚洲| 久久久久国产精品人妻aⅴ院| 嫁个100分男人电影在线观看| 日韩人妻高清精品专区| 午夜福利成人在线免费观看|