基因表达系列分析法(SAGE)的改进及其在植物功能基因组研究中的应用

基因表达系列分析方法(SAGE)是一种新的基因表达分析方法,与基因芯片技术一样具有高通量的特点,可测定特定组织的基因表达水平,在全基因组水平上同时定量检测数万个基因表达模式;可在未知目的基因的前提下,分析来自一个细胞的全部转录本信息;对已知或未知基因表达进行定性和定量分析.目前,虽然在疾病、发育、细胞凋亡、药物筛选等多个领域已有利用SAGE方法进行的研究,但该方法在植物功能基因组研究中的应用相对较少.本文主要综述了该方法在RNA用量、PCR循环次数、SAGE效能和可靠性、标签长度和未知标签分析等方面的改进及其在植物中构建SAGE文库、筛选新基因、基因表达图谱分析等方面的应用,从而为其在植物功能基因组研究中的进一步应用提供理论参考.     

微量材料系列性基因表达分析技术的研究

建立了微量材料(1 μg RNA)系列性基因表达分析技术（minimal serial analysis of gene expression, miniSAGE）,并用miniSAGE技术对冠心病（coronary artery disease, CAD）患者和正常人成纤维细胞的基因表达谱进行了分析,合成了两个高质量的SAGE库,比较了两个库的SAGE标签,为CAD发病机理的研究提供了大量表达异常基因的资料.从而为后续分离与CAD发病相关的新基因打下了基础.miniSAGE技术是一种有力的基因表达分析方法,可用于微量RNA（1 μg）材料的基因表达分析,为多因素复杂疾病的研究提供了有力的基因表达分析工具.     

基因表达系列分析技术在动物科学中的研究进展

基因表达系列分析（serialanalysisofgeneexpression,SAGE）是一种快速分析特定组织或细胞内基因表达信息的技术,不但可以比较不同组织细胞在不同时间、空间条件下基因表达的差异,还能发现新基因。近几年来,SAGE技术在动物基因表达研究中的应用取得了飞速发展。就SAGE技术的原理、实验路线、优缺点和改进以及SAGE在动物科学研究中的研究现状及应用前景作一简要介绍。     

基因表达的系列分析方法研究进展

基因表达的系列分析（SAGE）是探讨组织或器官在不同条件下基因表达丰度以及差异表达的一种有效方法。本文介绍了SAGE方法的详细机理并且对SAGE方法学的改进进行了综述。     

基因表达系列分析的原理、进展及在肿瘤研究中的应用

基因表达系列分析(SAGE)技术不仅能够全面地分析特定组织或细胞内表达的基因,还可以比较不同组织在不同时间、空间条件下基因表达的差异,从而发现新基因.SAGE技术在肿瘤研究中的应用发展很快.本文综述了SAGE技术的原理、应用及其近年来的发近几年展与演变.     

基因表达系列性分析技术及其应用

基因表达系列性分析（SAGE）是一种高通量的基因表达模式的研究技术,能够对特定细胞或组织中的大量转录本同时进行定量分析。本综述了SAGE技术的基本原理和实验流程以及近年来SAGE方法上的改进,同时介绍了该技术的一些应用研究实例和Internet上可资利用的SAGE数据库资源。     

强大的广谱基因表达分析技术——基因表达系列分析法

基因表达系列分析(serial analysis of gene expression,SAGE)是一项强大的数字化分析基因组整体表达模式的技术。它的诞生为定量、全局性地分析特定细胞内的基因表达情况提供了可能。本文介绍了SAGE技术的基本原理、最新进展和应用。     

基因表达系列分析及其应用

基因表达系列分析（serial analysis of gene expression,SAGE)是一种快速分析基因表达信息的技术,它能够直接读出任何一种类型细胞或组织的基因表达信息,因此是研究基因表达定性和定量的一种有效工具,近年来人们利用此技术对动植物及人类的基因表达信息进行了广泛的研究,本文就SAGE特点,方法及其应用作一简要介绍。     

基于多分类支持向量机的基因表达系列分析

基因表达系列分析(Serial analysis of gene expression,SAGE)是一种基因表达数据,反映了细胞内的动态变化。模式识别和可视化方法是分析SAGE数据的基本工具,但是由于缺乏描述数据的统计特性,传统的聚类分析技术不适用于SAGE数据的分析。本文提出了一种基于多分类和支持向量机的SAGE数据的分析法。经过对模拟数据和人类癌症SAGE数据的分析,基于径向基核函数的多分类支持向量机算法"一对一"(one-against-one,OAO)算法提供了比PoissonC和PoissonS更好的分类结果。     

基因表达系列分析(SAGE)技术在肿瘤研究中的应用

基因表达系列分析(serial analysis of gene expression,SAGE)是一项高效、快捷、低成本的研究生物基因表达水平的方法,广泛用于各种肿瘤的分析研究。SAGE技术对于全面分析肿瘤组织基因表达谱、寻找肿瘤特异性表达新基因、发现肿瘤组织特异标志物和揭示肿瘤发病的分子机制发挥重要的作用。随着“肿瘤基因组解剖工程”(CGAP)的进行,CGAP SAGE可以通过网站分析和展示SAGE数据,并自动的将基因名称和SAGE转录物水平联系起来。因此,这为SAGE技术深入和广泛研究肿瘤提供了方便。     

Analysis of allelic differential expression in the human genome using allele-specific serial analysis of gene expression tags

Recent reports have demonstrated that a significant proportion of human genes display allelic differential expression (ADE). ADE is associated with phenotypic variability and may contribute to complex genetic diseases. Here, we present a computational analysis of ADE using allele-specific serial analysis of gene expression (SAGE) tags representing 1295 human genes. We identified 472 genes for which unequal representation (>3-fold) of allele-specific SAGE tags was observed in at least one SAGE library, suggesting the occurrence of ADE. For 235 out of these 472 genes, the difference in the expression level between both allele-specific SAGE tags was statistically significant (p < 0.05). Eleven candidate genes were then subjected to experimental validation and ADE was confirmed for 8 out of these 11 genes. Our results suggest that at least 25% of the human genes display ADE and that allele-specific SAGE tags can be efficiently used for the identification of such genes.     

Extract‐SAGE: An integrated platform for cross­analysis and GA­based selection of SAGE data

Serial analysis of gene expression (SAGE) is a powerful quantification technique for gene expression data. The huge amount of tag data in SAGE libraries of samples is difficult to analyze with current SAGE analysis tools. Data is often not provided in a biologically significant way for cross‐analysis and ‐comparison, thus limiting its application. Hence, an integrated software platform that can perform such a complex task is required. Here, we implement set theory for cross‐analyzing gene expression data among different SAGE libraries of tissue sources; up‐ or down‐regulated tissue‐specific tags can be identified computationally. Extract‐SAGE employs a genetic algorithm (GA) to reduce the number of genes among the SAGE libraries. Its representative tag mining will facilitate the discovery of the candidate genes with discriminating gene expression.