基因芯片的数据处理与分析-BioinformaticsDivision.pdf

第 2 卷 第 3 期 2006 年 5 月 基因芯片的数据处理与分析 张学工 凡时财 裴云飞 关键词：基因芯片 数据处理 清华大学 因的DNA探针，从而同时测定这些基因在样品 引言 中的表达。这一类技术通常被称作DNA微阵列 （microarray），中文更多地称为基因芯片， 本 世 纪 初 ， 人 类 基 因 组 计 划 （ H u m a n 而英文的GeneChip由于已经被公司注册为专有 Genome Project）的完成标志着生命科学的研究 的名称，因此只用来指特定的芯片类型。基 进入后基因组时代。如何理解这些海量的遗传 3 因芯片是生物芯片 （BioChips）大家族中的一 信息成为后基因组时代的重要任务。分子生物 员，也是最重要的一员，其他类型的生物芯片 学的中心法则告诉我们，细胞中的基因最主要 还包括蛋白质芯片、组织芯片等等。与传统的 是通过从DNA转录到RNA（mRNA）、再翻译 分子生物学和生物化学实验只能一次得到很 成蛋白质来发挥作用的。根据目前的认识，人 有限的数据相对照，这些能够同时获取大量 类基因组中编码蛋白质产物的基因的总数大约 生物分子数据的技术被统称为高通量（high- 在20000～25000之间或者更多。这些基因在人 throughput）技术。 体内不同组织的细胞中、在细胞不同的发育阶 以基因芯片为代表的高通量分子生物学技 段有着不同的表达量，即所转录出的mRNA的 术的产生，使得科学家获取实验数据的能力大 丰度。而且基因的表达是受到调控的，众多基 因在时间和空间上有规律地协调表达，是细胞 和生物体正常生命活动的基础。 研究基因的表达无疑会对认识很多生命 现象的规律具有重要意义。传统的用于研究 基因表达的实验方法（如Northern-Blotting技 术 1 ），仅适用于单个或者较少几个基因。20 世纪末，随着生物化学技术的发展，并受到 计算机领域高密度芯片生产技术的影响，诞 生了能够同时测量成千上万个基因的mRNA2 表达量的新技术。通过这些技术，能够在一个 几平方厘米的芯片上放置对应于成千上万个基 1 一种核酸印迹杂交技术 2 信使核糖核酸 3 由于常用玻片/硅片作为固相支持物，且在制备过程模拟计算机芯片的制备技术，所以称之为生物芯 片技术。 3 封面报道 第 2 卷 第 3 期 2006年 5 月 大增强，在一张芯片上就能获得从上万个到上 microarray，简称cDNA芯片）和寡核苷酸芯片 百万个探针的观测值，其中包含了数千个到数 （oligonucleotide microarray）两大类。cDNA芯 万个基因的表达值。这种海量的数据一方面为 片是将实验室制备的探针通过点样固定在基片 发现更多、更复杂的生物规律