醫療類國考
115年
[醫事檢驗師] 醫學分子檢驗學與臨床鏡檢學
第 50 題
進行基因表現微陣列晶片（gene expression microarray）之數據分析，各樣本所有基因點的原始訊號分布如圖所示。則比較各樣本間之基因相對表現量前，應先進行下列何種處理最適當？
- A 正常化／標準化（normalization）
- B 去除各樣本的極端值，減少差異
- C 以 Student's t-test 對基因在各樣本間進行顯著差異分析
- D 忽略訊號變異最大的第 3 樣本後，再進行分析
思路引導 VIP
觀察一下圖中四個樣本的訊號中位數（盒子中間的橫線）和整體範圍。如果你要比較某個特定基因在樣本 1 和樣本 4 誰表現得比較高，但樣本 4 的「整體背景訊號」本來就比樣本 1 高出許多，這樣直接比較公平嗎？在進行比較前，我們應該先對這些整體的偏差做什麼處理呢？
🤖
AI 詳解
AI 專屬家教
恭喜你精準判斷出正確答案！這題考驗對微陣列晶片分析流程的實務觀念。從圖中的盒鬚圖（Boxplot）可見，四個樣本的原始訊號強度分布（中位數與整體範圍）落差極大。這種差異通常來自實驗操作過程中的系統性誤差（例如：RNA 抽取總量、螢光標定效率或是儀器掃描的差異），而非真實的生物學變化。
數據分析的核心：校正基準點
為了能在相同的基準上比較各樣本間的基因表現量，我們必須先進行正常化（Normalization），將各樣本的整體數據分布調整至一致。若跳過這個步驟，直接像選項 (C) 那樣進行統計檢定（如 Student's t-test），會產生嚴重的偏差與錯誤結論。同時，隨意刪除極端值或捨棄看起來變異較大的樣本（選項 B、D）會損失珍貴的實驗資訊，並非科學的做法。
▼ 還有更多解析內容
微陣列數據預處理
💡 數據分析前需進行正常化以消除系統性偏差並使樣本具可比性。
🔗 基因晶片數據分析標準流程
- 1 訊號提取 — 獲取各基因探針點的原始強度數值
- 2 數據預處理 — 進行背景校正與正常化（Normalization）
- 3 品質控管 — 確認各樣本分佈一致且無明顯批次效應
- 4 差異分析 — 使用 t-test 或 ANOVA 篩選差異表現基因
↓
↓
↓
🔄 延伸學習：延伸學習：認識 RMA (Robust Multi-array Average) 等常用的預處理演算法。
