基因表达的连续分析技术

基因表达的连续分析技术是一种能对某一细胞群或特定的微解剖结构基因表达做全面分析的技术。本文就基因表达的连续分析技术的原理、方法进行综述。     

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。     

基于小波包变换的基因微阵列数据预处理方法

目的:基于阿尔茨海默病微阵列基因表达数据,分析研究微阵列基因表达数据预处理的新的有效方法。方法:首先采用标准差滤波、FSC(特征记分准则)和WPT-SAM(小波包变换-微阵列数据显著性分析)方法对微阵列基因表达数据进行预处理,比较处理后获得的基因数和FDR值;然后采用分类聚类方法对处理后的数据进行分类聚类和分层决策聚类,比较分类聚类结果。结果:标准差滤波和FSC方法获得的初筛基因数据较WPT-SAM方法多,但FDR值也高、后续分类聚类结果较WPT-SAM方法差。结论:WPT-SAM方法在预处理微阵列基因表达数据中,是比较灵活理想的分析方法。     

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.     

基于小波包变换的基因微阵列数据预处理方法

目的:基于阿尔茨海默病微阵列基因表达数据,分析研究微阵列基因表达数据预处理的新的有效方法.方法:首先采用标准差滤波、FSC(特征记分准则)和WPT-SAM(小波包变换-微阵列数据显著性分析)方法对微阵列基因表达数据进行预处理,比较处理后获得的基因数和FDR值;然后采用分类聚类方法对处理后的数据进行分类聚类和分层决策聚类,比较分类聚类结果.结果:标准差滤波和FSC方法获得的初筛基因数据较WPT-SAM方法多,但FDR值也高、后续分类聚类结果较WPT-SAM方法差.结论:WPT-SAM方法在预处理微阵列基因表达数据中,是比较灵活理想的分析方法.     

基因表达研究方法的进展

信使RNA的发现,遗传密码的破解,人们对蛋白质合成的基因调节了更深入的理解,在此基础上提出了基因表达的现代概念。随之出现了全球性的基因表达研究的热点。在检测和定量分析基因表达水平的过程中,出现了很多种方法和技术。本文就Northern杂交法、S1核酶保护法、差减杂交技术、差异显示法、cNDA文库的序列测定、基因表达的系列分析、基因表达芯片等技术作一简要的综述。     

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。     

筛选差异表达基因方法的新进展

了解不同细胞或同类细胞在不同发育阶段、不同生理状态下的基因表达状况,可以为研究生命活动过程提供重要信息。以差别筛选、削减杂交等基本方法为出发点,研究基因表达差异的方法不断完善,先后出现了DDRT—PCR、RDA、SSH、cDNA微阵列(基因芯片)、基因表达的系统分析(SAGE)等技术。本着重对这些方法的优缺点及改进进行论述和评介,并对技术的发展趋势进行了分析。     

基因表达分析方法及其研究进展

近几年来,随着功能基因组学研究的兴起,基因表达研究的分析方法也在不断发展,主要有：差减杂交、差异显示、表达序列标签、基因表达的序列分析、微阵列杂交等。简要评述这五种方法的原理、优缺点等。     

MATLAB 7.X生物信息工具箱的应用———基因表达图谱分析（4）*

基因表达图谱原则上可了解整体细胞基因表达的信息,是基因组功能分析的重要研究手段。MATLAB 7.X生物信息工具箱为基因表达谱数据的分析和处理提供了一个综合环境,通过众多统计函数和绘图函数的结合使用,过滤不合格的基因数据和噪声数据,从而对基因表达数据进行聚类分析和主成分分析,绘制相关的基因表达图谱,完成基因芯片数据表达图谱的分析,分析结果可视化程度高,图表清晰、直观。本文主要以酿酒酵母Saccharomyces cerevisiae为例,详细描述了利用MATLAB 7.X生物信息工具箱对其基因表达图谱进行分析的过程。     

基因表达聚类分析技术的现状与发展

随着多个生物基因组测序的完成、DNA芯片技术的广泛应用,基因表达数据分析已成为后基因组时代的研究热点.聚类分析能将功能相关的基因按表达谱的相似程度归纳成类,有助于对未知功能的基因进行研究,是目前基因表达分析研究的主要计算技术之一.已有多种聚类分析算法用于基因表达数据分析,各种算法因其着眼点、原理等方面的差异,而各有其优缺点.如何对各种聚类算法的有效性进行分析、并开发新型的、适合于基因表达数据分析的方法已是当务之急.     

基因表达系列分析技术的新进展

作为新近建立的研究基因表达的有效工具 ,基因表达系列分析 (SAGE)技术能同时对大量的转录物进行定性和定量分析。它不仅可以显示低丰度的转录物 ,提供基因组表达的完整信息 ,而且可以通过不同状态下基因表达图谱的比较 ,深入了解基因表达的时空性和有序性 ,从而寻找和发现新基因。本文介绍了SAGE的工作原理和方法 ,并着重对其最新的应用与研究进展进行了综述。     

实时荧光定量PCR分析蒙古韭低温诱导叶片中内参基因的选择

实时荧光定量PCR (real-time fluorescence quantitative PCR,qRT-PCR)是广泛应用于基因表达分析的实验技术。在基因表达分析过程中,选择稳定表达的内参基因对实验结果的准确性非常重要。以低温诱导24 h和72 h蒙古韭(Allium mongolicum)的叶片为材料,无处理0 h叶片为对照,使用荧光定量PCR法分析了Am5S-rRNA、AmActin、AmGAPDH和AmEF1-α4个看家基因的表达情况。通过ge Norm和NormFinder程序分析,发现AmGAPDH稳定性最好,Am5S-r RNA和AmActin次之,AmEF1-α稳定性最差,因此选择AmGAPDH作为蒙古韭基因表达分析的内参基因。本研究通过qRT-PCR方法分析稳定表达的内参基因,对后续蒙古韭低温诱导基因表达分析有重要的意义。     

幽门螺杆菌VacA+BCS致胃上皮细胞基因表达谱的改变

目的：通过观察VacA^ BCS作用胃癌来源的SGC7901细胞后,细胞基因表达谱的改变,分析VacA等分泌性细胞毒力因子的致病性和致病意义。方法：利用常规方法获得VacA^ BCS和VacA^-BCS,然后作用细胞,最后利用cDNA基因表达谱芯片技术观察细胞基因表达谱的变化。结果：发生明显表达差异的基因占基因总数的5％左右,其中已经明确功能的表达差异基因涉及许多重要的细胞功能和生命活动,如基因表达调控、信号转导相关基因的差异表达、细胞骨架相关蛋白表达的变化、细胞凋亡相关因子编码基因表达的变化、以及肿瘤发生相关基因的表达变化等。结论：VacA^ BCS可致细胞基因表达谱发生多层次和多方面的改变,几乎涉及H.pylori相关疾病所有重要病理过程,提示其在H.pylori致病机制中具有重要作用。     

烟碱对脑钾、钠和钙通道表达的调节作用

目的:利用基因表达芯片检测反复摄取烟碱对大鼠脑内钾、钠和钙通道基因表达的调节作用.方法:大鼠每天两次皮下注射烟碱(1.2 mg/kg),连续用药两周后取全脑,提取RNA,逆转录合成cDNA,转录合成生物素化RNA,并将其片断化后与芯片杂交,对荧光信号扫描分析.结合RT-PCR方法对芯片分析结果进行验证.结果:反复摄入烟碱,大鼠脑内钾、钠和钙通道的基因表达均发生变化:电压依赖性K 通道中外向整流K 通道和Ca2 激活的K 通道表达下调,而Kv2.3r等电压依赖性K 通道表达上调;电压依赖性Na 通道中β2亚基表达增加,而α和β1亚基基因表达减少;电压依赖性Ca2 通道的β3亚基基因表达增加.结论:反复摄取烟碱诱导脑N受体失敏时,可引起相关钾、钠和钙通道基因表达发生改变.     

随机矩阵理论在肝癌基因功能模块识别中的应用

采用随机矩阵理论方法研究了肝癌的基因表达网络。通过标准误差分析,得到了从富含噪声的肝癌基因网络中分离出真实肝癌基因网络的、去躁最充分的关联系数,分析了由此获得的基因表达网络的13个基因功能模块,发现这些模块与肝癌的产生和发展有密切关系。基于随机矩阵理论的方法克服了以往模块识别方法带有主观因素且不能去除噪声因子的缺陷,是一种有效去除随机噪声、识别基因模块、简化基因网络的方法。由于基因数目的众多及细胞生物过程的复杂性,从整体的角度系统研究肝癌基因表达谱,对理解肝癌分子机制和探索新的治疗方法有重要的现实意义。     

超级基因表达连续分析技术

转录过程分析在宿主与病原体相互作用研究中的应用已为发病机制的认识提供了重要的见解,并与宿主及其病原体基因组序列资料的累积同步发展。本文介绍基因表达连续分析的一种改良方法,即超级基因表达分析（SuperSAGE）,这种方法可应用于宿主与病原体相互作用中转录过程分析的研究。在SuperSAGE方法中所形成的26bp尾端序列可以译解“相互作用转录过程”,即可同时定量测定宿主体内真核细胞内病原体的基因表达。此外还讨论了靶基因的快速功能分析。     

基因表达谱微阵列网络数据库在肿瘤研究中的应用

基因表达谱微阵列数据库是一类可提供存储、查询、下载分析的在线网络数据库,在肿瘤相关领域的研究中提供了大量的数据来源。由于微阵列分析对于无生物/医学信息学专业背景的研究人员仍然有较多困难,致使该数据库的使用尚未普及。本文从数据查询、下载分析和使用方法等方面对常用基因表达谱微阵列数据库进行概述,并对现阶段基因表达微阵列数据库的应用策略进行总结,旨在帮助该领域研究的初学工作者了解数据库的基本知识并推动其在科研工作中的应用。     

基因表达谱聚类/分类技术研究及展望

随着人类及多种模式生物全基因组测序基本完成,人类基因组计划的研究进入后基因组时代.后基因组时代研究的焦点已经从测序转向功能研究。聚类/分类技术作为分析基因表达谱和识别基因功能的重要工具之一,近年来获得很大的发展。对目前基因表达谱聚类/分类技术及它们的发展,进行了综述性的研究,分析了它们的优缺点,结合我们的研究,提出了解决问题的思路和方法,为基因表达谱的进一步研究提供了新的途径。     

基于流形学习的基因表达谱数据可视化

基因表达谱的可视化本质上是高维数据的降维问题。采用流形学习算法来解决基因表达谱的降维数据可视化,讨论了典型的流形学习算法（Isomap和LLE）在表达谱降维中的适用性。通过类内／类间距离定量评价数据降维的效果,对两个典型基因芯片数据集（结肠癌基因表达谱数据集和急性白血病基因表达谱数据集）进行降维分析,发现两个数据集的本征维数都低于3,因而可以用流形学习方法在低维投影空间中进行可视化。与传统的降维方法（如PCA和MDS）的投影结果作比较,显示Isomap流形学习方法有更好的可视化效果。