有关基因芯片数据写作方面的基本思路.pdfVIP

有关芯片数据写作方面的基本思路 生物芯片北京国家工程研究中心微阵列服务部高级主任 张亮博士 2007 年5 月 随着生物芯片技术在广大科研工作人员研究工作中的应用，在写作论文的时 候，如何比较科学、直观地体现生物芯片实验的结果，是一些初步尝试利用芯片 数据来写作论文的科研工作人员希望了解的环节。现就笔者在生物芯片技术领域 积累的一些经验，做一个初步的总结。但由于生物技术发展很快，有很多内容可 能遗漏，还请读者能及时指出不足之处。 1.挑选差异表达的基因 利用生物芯片进行研究的第一步，往往是要找到差异表达的基因。选择差异 表达的基因，笔者建议采用生物芯片为科研工具的研究人员使用 SAM 软件 （Significant Analysis of Microarray），它是由Standford 大学开发的一个免费软件， 目前广泛地被学术界所采用，进行挑选差异基因。SAM 软件可以作为插件在 Office Excel 软件中进行应用，很容易被生物医学工作者掌握。SAM 软件进行分 析的一个基本前提就是需要至少 3 次实验以上的重复。这里的重复可以是生物材 料的重复，例如某种疾病包含多个病人；也可以是实验的重复，例如药物处理细 胞做了 4 次实验。通过重复实验，才能从统计学意义上判断差异变化的基因。可 以理解 SAM 软件和统计学 t-test 检验有类似之处。笔者从合作单位被编辑退回 的稿件中了解到，有很多退稿是因为没有进行重复实验，例如对照和处理各一个 样本，然后认为荧光信号值差异在 2 倍以上的基因就是差异的基因。审稿编辑的 意见往往是需要加上重复实验进行统计分析。 举一个例子，要研究某种疾病 A 的人群和疾病 B 的人群血液中有核细胞基 因表达的差异（疾病A 和疾病 B 人群分别至少要有 3 个人以上）。若是使用了单 通道的表达谱芯片，例如 Affymetrix 的芯片，你可能得到例如表 1 这样的数据： 表 1. 单通道芯片设计的例子（以信号值进行计算） 1 样 本 病 A1 病 A2 病 A3 … 病 B 1 病 B 2 病 B 3… 基因 NM_001192 122 453 278 1345 2315 1954 NM_004836 4566 3567 5632 5643 5689 6112 AK025431 11831 13432 12543 24231 21998 19888 在 SAM 软件进行差异基因筛选的时候，这种例子可以选择two class unpaired （2 因素不配对）的算法。因为实验研究的就是2 组样本，并且疾病 A 和疾病 B 的病人之间没有一一配对的关系。那么在进行 SAM 软件运算前，需要加一行样 本识别标记（可参见表 2 ），让 SAM 程序知道哪些信号值是来自同一组病人的。 表 2. 单通道芯片数据在 SAM 软件中的格式 样 本 病 A1 病 A2 病 A3 … 病 B 1 病 B 2 病 B 3… 基因 1 1 1 … … 2 2 2 NM_001192 122 453 278 1345 2315 1954 NM_004836 4566 3567 5632 5643 5689 6112 AK025431 11831 13432 12543 24231 21998 19888 另外加入的一行蓝色字体就是样本识别标记，这样 SAM 软件通过格式上的默认， 就知道哪些数据是同一组病人的不同重复。目前发现单通道芯片有这样一种可能 的缺陷：若一个实验进行的时间很长，例如 1-2 年以上，那么进行芯片实验的试