時間序列研究的是基因表達的動態(tài)行為，測量的是一系列和時間點之間有強烈相關(guān)性的過程瘤旨。和針對某一時間點的基因表達進行差異分析不同削解，時間序列更加關(guān)注是發(fā)現(xiàn)基因表達的趨勢把夸，以有助于理解生物學(xué)動態(tài)變化過程（比如對刺激的反應(yīng)、發(fā)育過程锋华、周期行為等）嗡官。也就是說，時間序列關(guān)注的是整體變化趨勢而不是某特異表達毯焕。
基因表達有時間依賴性衍腥，蛋白質(zhì)會根據(jù)不同的功能需要進行合成，即使穩(wěn)定的狀態(tài)下纳猫，mRNA不斷的被轉(zhuǎn)錄婆咸，蛋白不斷的合成與降解，這個過程被高度調(diào)控芜辕。當(dāng)細(xì)胞面對新的狀況尚骄，比如，饑餓侵续、感染乖仇、應(yīng)激等憾儒，一些調(diào)控因子會通過調(diào)控自身或其它基因的表達來啟動或抑制轉(zhuǎn)錄，甚至激活新的表達模式乃沙。很多情況下起趾，這種表達模式通過激活一些轉(zhuǎn)錄因子開始，這些轉(zhuǎn)錄因子又會反過來調(diào)控其它的基因警儒，而這些基因幾乎都是對新情況的反應(yīng)训裆。通過時間序列分析，可以鑒定只在一些特定或新的狀況下特異表達的部分基因蜀铲。然而边琉，為了確定這些狀況下表達的完整的基因集，進而確定它們之間的相互關(guān)系记劝，時間序列的數(shù)據(jù)分析就尤為重要变姨。也就是說，來確定的不是新情況下穩(wěn)定狀態(tài)的那些通路或基因厌丑，而是為了達到這種狀態(tài)（比如肝臟重建）被激活的那些通路或基因定欧，甚至網(wǎng)絡(luò)。對于靜態(tài)實驗的差異基因的選取已經(jīng)有很多方法的報道怒竿，但因為基因表達是一個動態(tài)的過程砍鸠，尤其對大鼠肝臟從開始切除到最后重建，還有肝癌的生成等過程耕驰，所以鑒定并找出那些表達隨時間的變化而變化的基因非常重要爷辱。也就是說更關(guān)注的是整個過程中的總體趨勢而不是某特異的表達水平，篩選的是表達模式類似的差異共表達基因朦肘。不同樣本組中的差異共表達基因更可能是調(diào)控因素饭弓，也就更能解釋表型之間的差異。
這樣就有幾個挑戰(zhàn)媒抠，一是要分析的數(shù)據(jù)量會很大示启，二是實驗條件變多，三是要發(fā)掘?qū)嶒瀯討B(tài)變化本質(zhì)领舰，傳統(tǒng)的統(tǒng)計學(xué)方法比如t-tests就無能為力了夫嗓，需要運用新的統(tǒng)計學(xué)方法，四是樣本間的時間間隔并不總是相等冲秽。
主要針對配對比較分析的SAM舍咖，LIMMA等方法在對變化趨勢的分析上無能為力。而對時間序列的數(shù)據(jù)處理锉桑，有不少報道排霉，比如等級聚類、基于主成份分析的聚類等民轴，雖然這些聚類可以鑒定并可視化共調(diào)節(jié)的基因攻柠，但基因數(shù)目多的時候難以解釋球订，還有一個不足就是，不能得到隨時間變化有統(tǒng)計學(xué)意義的基因瑰钮。
而對時間序列的分析冒滩，需要：首先，可以使用統(tǒng)計學(xué)程序來鑒定顯著表達變化的基因浪谴；第二开睡，把隨時間變化發(fā)生顯著表達變化的基因進行聚類并且可視化。這個可以通過回歸來解決苟耻，其中篇恒，時間被視為數(shù)量變量，實驗條件視為分類變量凶杖，這樣就可以分析趨勢變化胁艰。
maSigPro的全稱是Microarray Significant Profiles，采用2步回歸策略智蝠。第一步選擇基因腾么，第二步選擇變量。并且寻咒，可以調(diào)整模型參數(shù)更擬合數(shù)據(jù)哮翘，使用虛擬變量代表實驗條件颈嚼。數(shù)據(jù)需要經(jīng)過預(yù)處理才可以由maSigPro分析毛秘，包括背景矯正，log2 ratios計算阻课，lowess標(biāo)準(zhǔn)化叫挟，一般的芯片數(shù)據(jù)處理方法都可以，比如RMA, MAS5等限煞。下面簡要概述maSigPro分析的步驟及原理抹恳。
在用maSigPro進行分析時，署驻。一般情況都是兩個或兩個以上的感興趣的變量奋献，其中一個典型的就是時間變量，另外一個通常都是分類變量旺上，代表實驗組別（比如不同的處理瓶蚂，細(xì)胞株，組織等）宣吱。模型如下：
其中，i=實驗組別
J=時間點
r=重復(fù)
εijr=隨機變量
D=虛擬二進制變量（實驗條件）
T=時間
yijr=標(biāo)準(zhǔn)化后的表達值
β,δ,γ,λ=回歸系數(shù)
β0,δ0,γ0,...,λ0是對應(yīng)于對照組的回歸系數(shù)。βi,δi,γi,...,λi解釋第（i+1）組和對照組之間的特定差異（線性忙灼，二次方，三次方等）的回歸系數(shù)祟敛。注意其中的虛擬二進制變量，一共I-1個兆解，以此區(qū)分每組和對照組馆铁，見表1。這個模型隱形定義了和實驗組一樣多的模型痪宰。例如叼架，因為第一組中的虛擬變量是0，所以第一組的模型是y1jr=β0+δ0T1jr+γ0T21jr+…+λ0TJ-1 1jr+ε1jr衣撬，而對于第二組來說其虛擬變量是1乖订，其模型為y2jr=（β0+β1）+（δ0+δ1）T2jr+（γ0+γ1）T22jr+…+（λ0+λ1）TJ-12jr+ε2jr。
表1 實驗組虛擬變量的定義
maSigPro分析的第一步是應(yīng)用最小二乘法來估算每個基因的上面所描述的回歸模型的參數(shù)具练，選出有統(tǒng)計學(xué)意義的回歸模型乍构。第二步是選擇變量。根據(jù)第一步挑選出的基因扛点，由逐步回歸產(chǎn)生新模型哥遮，采取向后剔除方法（backward）相對較多。
先放幾張maSigPro包的圖陵究，最后一個基于ggplot2
