用系统全面的方法看科学重点.PDFVIP

整合不同技术和大数据的优势 Biology for a better world 用系统全面的方法看科学 科学的基础在于生成可重复的数据，它们由多种形式的证据所支持。为了让科学的结论 实现更高水平的可信度，研究人员需要综合不同的数据集、分析物和互补的技术，以加 强和验证结果。 利用互补的技术的优势 越来越多的证据表明，芯片和测序的数据是高度一致的，在研究领域大家也普遍认可， 可以在一个表达研究中同时使用两种技术，发挥各自的优势。由于协同使用这两种技术， 研究人员可以获得转录组的更完整视图，其重复性得以改善，而成本得到降低。 许多人认为，RNA-Seq 可用来测定整个转录组中的所有变化，但是RNA-Seq 的性能高 度依赖于测序的深度 – 测序的数据越少，错过的基因越多。达到足够的测序深度，以便 准确地分析和捕获整个转录组中的所有变化，特别是稀有转录本和外显子水平，却又是 极其复杂、昂贵且低效的。而芯片就不存在这种依赖性，能够轻松可靠地检测浅测序可 能错过的低水平表达和外显子水平的变化。为此，芯片能与RNA-Seq 相结合，帮助研 究人员更广泛、更全面地了解转录组内的变化。 降低复杂度和成本 RNA-Seq 数据的生成可能相当昂贵，而分析又很复杂，这取决于您的测序深度。然而， 芯片却相对便宜且使用简单，有着成熟的生物信息学流程，数据容易分析和解释。因此， 芯片可高效、经济地分析大量样品（特别是微量或降解的RNA）的转录组，让研究人员 能够集中RNA-Seq 实验资源来分析希望de novo 发现或转录组中靶向区域深度鉴定的 少量样本。 /custom/Affymetrix/nextgenscientist/index.htm 整合不同技术和大数据的优势 Biology for a better world 快速轻松地验证复杂的数据 利用这些工具来了解如何拓宽您的 RNA-Seq 产生了数千个差异表达基因的信息。由于文库制备的偏 生物学视野 向，RNA-Seq 的数据可能变化极大，因此在得出任何可靠结论之 前必须验证数据。芯片是RNA-Seq 数据验证的自然选择，因为 它们是唯一有能力快速轻松地确认RNA-Seq 所产生的庞大数据 快速轻松地鉴定癌症的驱动事件：拷贝数和基 集的工具。 因表达 Concurrent Molecular Analysis Profiling ™ 事实上，最近发表在《Nature Biotechnology》上的一项研究1 (CoMAP ) capability 比较了RNA-Seq 和传统的Affymetrix 芯片的性能。作者的结论 是，芯片和RNA-Seq 之间的整体一致性良好，并建议采用深度 一个实验，多层次的生物学分析：在单个分析 中检测 mRNA 和 lncRNA RNA-Seq 来探索，使用新一代芯片进行全基因组的定量，这是转 GeneChip® Human Transcriptome Array 2.0 录组分析的有效方法。 在单个分析中发现 miRNA 及其他非编码小 整合多组学以找到临床上可行的生物标志物 RNA 的作用