SAGE 技术
MRNA 结合到微珠子上(Microscopic Bead and mRNA)
mRNA 转录成DNA(mRNA binds to bait and is copied into DNA)
用酶切开DNA的一小段(An enzyme cuts the DNA)
另一个酶定在DNA末端以便切下一小段(An enzyme locks onto the DNA and cuts off a short tag),这一小段就被视为这个基因的标签
两个标签连在一起(Two tags are linked together)
在末端的定位分子被切掉(Enzymes cut off the "Docking Molecules")
都连成一条线(Di-Tags are combined into large concatemers)
DNA上所携带的遗传信息，需要通过RNA为中介体，合成出组织和正常生理功能所需要的蛋白质，这个过程被称为基因的表达。在生物体中不同的组织和器官所表达的基因群是不一样的，我们把基因群的表达状况称为基因表达谱。目前，高通量地研究基因表达谱的方法主要有两种，即生物芯片和基因表达串联分析（serial analysis of gene expression, SAGE）。基因芯片所能检测的基因必须是已知的基因，放在芯片上几种基因的探针就只能检测这几种基因的表达谱；相比之下，SAGE能以远高于DNA芯片的精确度和重复性来检测在病理条件下基因表达谱的改变，而不必考虑所检测的基因是已知的还是未知的。因此在检测疾病相关的新基因，特别是无法用基因芯片进行检测的低表达量致病基因时，SAGE是目前的最佳手段，无可取代。
SAGE技术为Genzyme公司所拥有的专利技术。其技术简介如下：
SAGE技术得以建立的理论基础
首先，一段来自于任一转录本特定区域的"标签"（Tag），即长度仅9-14bp的短核苷酸序列，就已包含足够的信息以特异性地确定该转录本。例如：一个9碱基的序列能有49=262144种不同的排列组合，而人类基因组据估计仅编码80000种转录本，因此在理论上每一个9碱基标签就能够代表一种转录本的特征序列。
第二，如果将短片段标签相互连接、集中形成长的DNA分子，则对该克隆进行
测序将得到大量连续的单个标签，并能以连续的数据形式进行处理，这样就可对数以千计的mRNA转录本进行批量分析。
第三，各转录本的表达水平可以用特定标签被测得的次数进行定量。
SAGE的主要实验阶段：
1）以biotin-oligo dT为引物将mRNA反转录合成双链cDNA，以一种锚定酶（Anchoring Enzyme, AE）进行酶切后，收集其cDNA的3'端部分。锚定酶通常为识别4碱基位点的III类限制性内切酶，如Nla III、Sau3A I等。由于大多数mRNA 的长度要大于44=256个碱基，因此使用这种锚定酶可以保证在每一个转录本上至少有一个酶切位点。
2）将收集的3'端cDNA等分为两部分，分别同接头A、B相连接。每一种接头的结构都由PCR扩增引物A或B的序列--标签酶识别位点--锚定酶识别位点三部分组成。标签酶（Tagging Enzyme, TE）是一种IIS类限制性内切酶，如BsmF I等，它在距识别位点下游约20个碱基的位置切割DNA双链。
3）连接产物以标签酶酶切后用Klenow酶补平5'突出端，得到两组分别带有接头A、B的短cDNA片段（约50个碱基）。混合并连接两组短cDNA片段，形成一个约100个碱基的双标签体（ditag）群，并以引物A和B对其进PCR扩增。4）用锚定酶切割扩增产物，分离纯化去除接头后的双标签体（约26个碱基），并使之相互连接成为大片段的连接体，克隆至质粒载体内形成一个SAGE文库以备集中测序。
5）对测序得到的标签数据进行分析处理。在所测得序列中的每个双标签体之间由锚定酶序列相间隔，一般一个测序反应的结果可得到约20个双标签体，亦即包含了约40个转录本的信息。由于双标签体的长度基本相同，不会产生PCR扩增的偏态性；同时数量和种类极大的转录本群体使得由同两个标签重复连接成双标签体的可能性极小，因此通过计算机软件的分析统计能够相当精确地得到上千种基因表达产物的标签序列及其丰裕度。
对于在已知的数据库中找不到相同序列的标签，还可以利用约13个碱基的寡核苷酸探针（锚定酶识别位点＋标签序列）对cDNA文库进行筛选，以寻找新基因。
SAGE可以检测不同细胞间已知基因表达的具体差异（可精确到每个细胞中大约有多少拷贝），可建立较全面的基因表达谱，系统地分析基因表达的差异。
基因是生物制药事业的源头，生长点和制高点，源于基因的技术拓展将是21世纪制药企业开发新品的基础，基因研究现在成为全球瞩目的焦点。目前，世界上各大制药，化工和农业公司都在积极地进行改组、合并和建立新联盟，以通过基因相关的研究和开发加强自己的竞争实力。尽管基因产业所需的投资数目非常大，探索工作也非常艰辛（比如分离囊性纤维病变基因花了十年时间，耗资1.5亿美元以上），但一旦找到一个能够编码重要功能的蛋白的基因后，其回报将是无比丰厚的，发现者获得该基因的专利。科研人员可以之进行相关研究并设计相关的防治药物，医药公司可在专利期满之前获取市场巨额垄断利润。可见一个基因可以成为一个企业，甚至带动一个产业。基因是一种有限资源，人体共有约3万4千个基因，人类基因组只有一套，世界各国投入巨资寻找基因的研究实为一场"基因抢夺战""基因侦探们"在这3万4千个基因中逐个探索，谁占有较多的基因专利，谁就将在人类基因的商业开发方面抢得先机。
SAGE技术研究基因表达谱是1995年才开始的工作，有相当高的技术难度，目前全世界仅有数家实验室能完全掌握SAGE技术。用SAGE技术得到的数据比DNA 芯片有高得多的可靠性和再现性，利用其可高效率地进行基因表达谱数据库的收集工作。通过后续的生物信息学处理、转基因等研究方法，可以高效率地找到疾病相关基因，开发出疾病诊断的新方法，为新药研究和新治疗法的开拓提供坚实可靠的基础。
两者比较
基因表达序列分析（SAGE）和大规模平行测序技术（MPSS）是两个基于短标签测序的方法。它们可以通过短的序列标签（SAGE短的序列标签为10或17bp，MPSS大规模平行测序技术短的序列标签为13或20 bp），能够量化基因的表达，这些标签在多聚腺苷酸转录物内，毗邻NlaIII（SAGE）或DpnII（MPSS）的3’端。SAGE和MPSS实验的结果是短序列集，某一特定标签的频率代表对应转录物的丰度。
虽然SAGE和MPSS可以产生类似的输出结果，即一系列的标签，但它们的实验方案是完全不同的。例如，SAGE使用传统的克隆及DNA测序方法，MPSS则基于酶消化和杂交，利用新的克隆和专属的平行测序方案。因此，SAGE平均输出包含10万个标签，而MPSS能
够输出包含超过1,000,000个标签。
一个在SAGE和MPSS数据分析中的重要步骤就是正确指定/定位标签到基因。基本上有三种策略来完成这个过程：
(1)基于数据库的注解，数据库通过内部电脑方案构建；
(2) 注解，标签对标签，通过网络站点完成，如SAGE Genie数据库和SAGEmap数据库。SAGEmap是美国国家癌症研究所（NCI）提供的一个在线SAGE分析工具，其数据库包含多种正常组织、癌前病变组织和肿瘤组织的SAGE文库。SAGE Genie数据库在SAGEmap 的基础上提供了更为友好的界面，通过查询SAGE Genie数据库，可以获知基因在正常组织和癌变组织中的相对表达量；
(3) 利用参考数据库大规模注解。
SAGE分析的另一个重要步骤是识别每个样本中的不同标签。为此，有几种方法可以采取，与Baggerly等人、Thygesen和Zwinderman以及Zuyderduyn所描述的一样。
SAGE的显著特点是快速高效地、接近完整地获得基因组的表达信息，它可以定量分析已知基因及未知基因表达情况。在疾病组织、癌细胞等差异表达谱的研究中，SAGE可以帮助获完整转录组学图谱，发现新的基因及其功能、作用机制和通路等信息。MPSS是对SAGE的改进，它能在短时间内检测细胞或组织内全部基因的表达情况，是功能基因组研究的有效工具。但它需要的配套软硬件较为昂贵，目前国内外相关的应用报道不多。MPSS技术对于致病基因的识别、揭示基因在疾病中的作用、分析药物的药效等都非常有价值，该技术的发展将在基因组功能及其相关领域研究中发挥巨大的作用。
SAGE和MPSS技术自出现以来，就被人们广泛应用（特别是SAGE技术）。许多公布的实验，尤其是癌症研究实验都已经开始用这些方法来分析基因的整体表达。最早对人类癌基因组进行全面基因分析的技术是SAGE。
有三个特点令SAGE和MPSS成为癌症中基因表达分析的有效方法
(1)SAGE与MPSS不用事先选择基因进行研究就可以提供mRNA群体的特点，这样可以发现新基因，例如致癌基因；
(2) 在一个实验中获得的数据可以直接比较任何其它实验室的数据，或比较现有公共数据库的数据，允许一个大规模的基因表达比较；
(3) 生成的数据，标签的频率是以数字格式展现，能够稳健地进行基因表达统计分析。
全基因组表达谱分析方法（DGE）----基于新一代测序技术的 技术路线 该方法首先从每个mRNA的3’端酶切得到一段21bp的TAG片段（特异性标记该基因）；然后通过高通量测序，得到大量的TAG序列，不同的TAG序列的数量就代表了相应基因的表达量；通过生物信息学分析得到TAG代表的基因、基因表达水平、以及样品间基因表达差异等信息。技术路线如下： 1、样品准备： a) 提供浓度≥300ng/ul、总量≥6ug、OD260/280为1.8~2.2的总RNA样品； 2、样品制备（见图1-1）： a) 类似SAGE技术，通过特异性酶切的方法从每个mRNA的3’末端得到一段21bp 的特异性片段，用来标记该基因，称为TAG； b) 在TAG片段两端连接上用于测序的接头引物； 3、上机测序： a) 通过高通量测序每个样品可以得到至少250万条TAG序列； 4、基本信息分析： a) 对原始数据进行基本处理，得到高质量的TAG序列； b) 通过统计每个TAG序列的数量，得到该TAG标记的基因的表达量； c) 对TAG进行注释，建立TAG和基因的对应关系； d) 基因在正义链和反义链上表达量间的关系； e) 其它统计分析； 5、高级信息分析： a) 基因在样品间差异表达分析； b) 库容量饱和度分析；
c) 其它分析； 测序优势 利用高通量测序进行表达谱研究的优势很明显，具体如下： 1．数字化信号：直接测定每个基因的特异性表达标签序列，通过计数表达标签序列的数目来确定该基因的表达量，大大提高了定量分析的准确度。整体表达差异分布符合正态分布，不会因为不同批次实验引起不必要的误差。 2．可重复性高：不同批次的表达谱度量准确，能够更准确的进行表达差异分析。 3．高灵敏度：对于表达差异不大的基因能够灵敏的检测其表达差异；能够检测出低丰度的表达基因。 4．全基因组分析，高性价比：由于该技术不用事先设计探针，而是直接测序的方式，因此无需了解物种基因信息，可以直接对任何物种进行包括未知基因在内的全基因组表达谱分析，因此性价比很高。 5．高通量测序：已有数据表明，当测序通量达到200万个表达标签时，即可得到样本中接近全部表达基因的表达量数据，而目前每个样本分析可以得到300 万~600万个表达标签。
第二篇细胞的遗传物质 第三章基因表达的分析技术 生物性状的表现均是通过基因表达调控实现的。对基因结构与基因表达调控进行研究，是揭示生命本质的必经之路。在基因组研究的过程中，逐步建立起一系列行之有效的技术。针对不同的研究内容，可建立不同的研究路线。 第一节PCR技术 聚合酶链反应（polymerase chain reaction，PCR）技术是一种体外核酸扩增技术，具有特异、敏感、产率高、快速、简便等突出优点。。PCR技术日斟完善，成为分子生物学和分子遗传学研究的最重要的技术。应用PCR技术可以使特定的基因或DNA片段在很短的时间内体外扩增数十万至百万倍。扩增的片段可以直接通过电泳观察，并作进一步的分析。 一、实验原理 PCR是根据DNA变性复性的原理，通过特异性引物，完成特异片段扩增。第一，按照欲检测的DNA的5＇和3＇端的碱基顺序各合成一段长约18～24个碱基的寡核苷酸序列作为引物（primer）。引物设计需要根据以下原则：①引物的长度保持在18～24bp之间，引物过短将影响产物的特异性，而引物过长将影响产物的合成效率；②GC含量应保持在45～60%之间；③5＇和3＇端的引物间不能形成互补。第二，将待检测的DNA变性后，加入四种单核苷酸（dNTP）、引物和耐热DNA聚合酶以及缓冲液。通过95℃变性，在进入较低的温度使引物与待扩增的DNA链复性结合，然后在聚合酶的作用下，体系中的脱氧核苷酸与模板DNA链互补配对，不断延伸合成新互补链，最终使一条DNA双链合成为两条双链。通过变性（92～95℃）→复性（40～60℃）→引物延伸（65～72℃）的顺序循环20至40个周期，就可以得到大量的DNA片段。理论上循环20周期可使DNA扩增100余万倍。
基因表达谱测序 背景介绍 基因表达谱分析利用HiSeq 2000高通量测序平台对mRNA进行测序，获得10M读长为49nt的原始reads，每一个reads可以对应到相应的转录本，从而研究基因的表达差异情况。与转录组测序相比，基因表达谱分析要求的读长更短，测序通量更小，仅可用于基因表达差异的研究。该方法具有定量准、可重复性高、检测阈值宽、成本低等特点，能很好的替代以往的数字化表达谱分析。 技术路线
生物信息学分析 送样要求 样品要求 1. 所需Total RNA 的量均不少于 20μg/文库，Total RNA 可以保存在DEPC 处理过的水中、75%的乙醇、异丙醇中，具体以什么方式保存请注明。 2. 如提供实验材料为动物组织材料，样品质量需大于2g ； 3. 如提供实验材料为植物样品，样品质量需大于4g ； 4. 如提供实验材料为培养细胞，请提供1×107培养好的细胞； 5. 如提供实验材料为血液样品，请提供≥2ml 的样品。 我们强烈建议在送样的同时客户做好备份，以备后续实验之用。 样品纯度要求 1. OD 260/OD 280在1.8- 2.0之间，RNA 无降解、28S 和18S 核糖体RNA 条带非常亮且清晰（其
大小决定于用于抽提RNA的物种类型），28S的密度大约是18S的2倍；Agilent 2100检测仪分析RNA完整性数据RIN≥8。 2. 无蛋白质、基因组DNA污染，如有污染请去蛋白并进行DNase I处理。 请提供至少一种样品的凝胶电泳或者Agilent 2100检测仪检测图片，并注明其浓度、体积、OD260/OD280、溶剂名称、制备时间、物种来源以及特别备注。最终以我方定量、质检为准。 样品采集 为了保证提取RNA的完整性，确保后续实验的顺利进行，请务必确保样品的新鲜，对于如何确保样品的新鲜针对不同的样品获取材料的方法如下： 1. 动物组织：从活体上迅速的取下组织（切成黄豆粒大小的块状），每切成一个黄豆粒大小的块状立即放入液氮中，重复上述操作，直至足够提取总RNA的量；准备一个50ml的离心管，做相应的标记（样品名称、编号、客户姓名、时间），最好既在管盖上做好标记，也在管壁上做好相应的标记，先放入液氮中预冷2-3min，拿出离心管（离心管的下部分还是保持在液氮中），打开离心管的盖子，将液氮中黄豆粒大小的块状收集进离心管中。 2. 植物组织： （1）如所采集的是果实、麦穗等体积偏大的样品，收集样品请参照1.动物组织取样方法；（2）如采集的是叶片等体积偏小的样品，请尽量采集嫩叶、幼芽等，每采集一片叶片立即放入液氮中，直至足够提取总RNA的量，后续操作请参照动物组织的采集。 （3）如是植物的花，在采集花骨朵的时候请尽量不要采集到花萼、叶片等，每采集一个花骨朵请立即放入液氮中，直至足够提取总RNA的量；后续操作请参照动物组织的采集。3. 如提供实验材料为菌丝体，请取500μl的菌液于1.5ml离心管中，离心去上清，剩余菌丝体放入液氮或干冰中，请提供不少于5管的菌丝体。 样品运输 从液氮中取出准备好的样品，请立即放入干冰中，并用干冰掩埋好样品。请填写完整订单，放入自封袋中与样品一起邮寄。为防止RNA的降解，请确保干冰的量足够运送到目的地。我们强烈建议在寄送RNA样品时将RNA保存在75%的乙醇或异丙醇中。 如是特殊样品，关于送样量和保存问题请与我们联系沟通，以便双方共同协商解决。 提供结果 根据客户需求，提供不同深度的信息分析结果。
万方数据
万方数据
万方数据
基因表达系列分析技术及其应用 作者：党冬梅， 魏晓萍， 惠起源， 符兆英 作者单位：延安大学医学院,陕西,延安,716000 刊名： 延安大学学报（医学科学版） 英文刊名：JOURNAL OF YANAN UNIVERSITY(MEDICAL SCIENCE EDITION) 年，卷(期)：2005，3(1) 被引用次数：0次 参考文献(8条) 1.Velculescu E查看详情 1995 2.Menssen A.Hermeking H Characterization of the c-MYC regulated transcriptome by SAGE:Identification and analysis of target genes 2002(09) 3.Levens D Disentangling the MYC web 2002(09) 4.Matsumura H.Nirasawa S.Terachi R Transcript profiling in rice (Oryzn sation L.) seedlings using serial analysis of gene expression 1999(06) 5.Margulies E H.Kardia S L R.Innis J W查看详情 2001 6.Du Z.Scott A D.May G D Expression profiling of UV-and Gamma-irradiated Ambidopsis plantlets through serial analysis of gene expression 2001 7.Inadera H.Hashimot0 S.Dongi H Y WISP-2 as a novel estrogen-responsive gene in human breast cancer cell 2000(01) 8.Xu L L.Shanmugan N.Sesterhenn I A A novel androgen regulated gene,PMEPAI.Iocated on chromosome 20113 exhibit high level expression in protstate 2000(03) 本文链接：https://www.doczj.com/doc/6e3711480.html,/Periodical_yadxxb-yxkxb200501045.aspx 授权使用：西安交通大学(xajtdx)，授权号：fa53fce6-7ae2-4ac8-b779-9e9900a7d328 下载时间：2011年3月1日
第24章 基因表达谱分析的生物信息学方法 思考与练习参考答案 1．据教材表24–3提供的数据信息可以构建一棵决策树，请利用最大信息增益方法写出如何选出根结点中用于分割的特征。 教材表24-3 天气情况与是否去打球的关系数据集 注：该信息表示根据天气情况决定是否出去打球，数据集共包含14个样本，两个类别信息（Yes 、No ），每个样本包含3 个特征信息（Outlook 、Temp 、Windy ）。 解：计算用每一个特征进行分割时所获取的信息增益，取信息增益最大的那个特征作为分割特征，以Outlook 特征为例计算（参照练习图24-1） 练习图24-1 同Outlook 特征进行分割所获得的信息增益 )14 9 log 149145 log 145()(220+-=S H
)5 2 log 5253 log 53()(2211+-=S H 0)4 4 log 44()(212=-=S H )52 log 5253 log 53()(2213+-=S H )(14 5 )(144)(145)(1312111S H S H S H S H ++= infor-gain （Outlook ）=)()(10S H S H - 同理，计算其他两个特征的信息增益，最后从三个值中选取最大的一个对应的特征作为根结点的分割特征。 2．请从https://www.doczj.com/doc/6e3711480.html,/上下载一原始未经标准化的表达谱数据，并对该数据进行如下分析： （1）对数据进行标准化处理。 （2）对数据进行分类分析。 （3）分别对基因和样本进行聚类分析。 （4）选择特征基因。 （答案略）
基因表达谱芯片的数据分析(2012-03-13 15:25:58)转载▼ 标签：杂谈分类：生物信息 摘要 基因芯片数据分析的目的就是从看似杂乱无序的数据中找出它固有的规律, 本文根据数据分析的目的, 从差异基因表达分析、聚类分析、判别分析以及其它分析等角度对芯片数据分析进行综述, 并对每一种方法的优缺点进行评述, 为正确选用基因芯片数据分析方法提供参考. 关键词: 基因芯片; 数据分析; 差异基因表达; 聚类分析; 判别分析 吴斌, 沈自尹. 基因表达谱芯片的数据分析. 世界华人消化杂志2006;14(1):68-74 https://www.doczj.com/doc/6e3711480.html,/1009-3079/14/68.asp 0 引言 基因芯片数据分析就是对从基因芯片高密度杂交点阵图中提取的杂交点荧光强度信号进行的定量分析, 通过有效数据的筛选和相关基因表达谱的聚类, 最终整合杂交点的生物学信息, 发现基因的表达谱与功能可能存在的联系. 然而每次实验都产生海量数据, 如何解读芯片上成千上万个基因点的杂交信息, 将无机的信息数据与有机的生命活动联系起来, 阐释生命特征和规律以及基因的功能, 是生物信息学研究的重要课题[1]. 基因芯片的数据分析方法从机器学习的角度可分为监督分析和非监督分析, 假如分类还没有形成, 非监督分析和聚类方法是恰当的分析方法; 假如分类已经存在, 则监督分析和判别方法就比非监督分析和聚类方法更有效率。根据研究目的的不同[2,3], 我们对基因芯片数据分析方法分类如下: (1)差异基因表达分析: 基因芯片可用于监测基因在不同组织样品中的表达差异, 例如在正常细胞和肿瘤细胞中; (2)聚类分析: 分析基因或样本之间的相互关系, 使用的统计方法主要是聚类分析; (3)判别分析: 以某些在不同样品中表达差异显著的基因作为模版, 通过判别分析就可建立有效的疾病诊断方法. 1 差异基因表达分析(difference expression, DE) 对于使用参照实验设计进行的重复实验, 可以对2样本的基因表达数据进行差异基因表达分
基因差异表达技术 真核生物中，从个体的生长、发育、衰老、死亡，到组织的得化、调亡以及细胞对各种生物、理化因子的应答，本质上都涉及基因的选择性表达。高等生物大约有30000个不同的基因，但在生物体内任意8细胞中只有10%的基因的以表达，而这些基因的表达按特定的时间和空间顺序有序地进行着，这种表达的方式即为基因的差异表达。其包括新出现的基因的表达与表达量有差异的基因的表达。生物体表现出的各种特性，主要是由于基因的差异表达引起的。 由于基因的差异表达的变化是调控细胞生命活动过程的核心机制，通过比较同一类细胞在不同生理条件下或在不同生长发育阶段的基因表达差异，可为分析生命活动过程提供重要信息。研究基因差异表达的主要技术有差别杂交（differential hybridization）、扣除（消减）杂交（subtractive hybridization of cDNA，SHD）、mRNA差异显示（mRNA differential display，DD）、抑制消减杂交法（suppression subtractive hybridization，SSH）、代表性差异分析（represential display analysis，RDA）、交互扣除RNA差别显示技术（reciprocal subtraction differential RNA display）、基因表达系列分析（serial analysis of gene expression，SAGE）、电子消减（electronic subtraction）和DNA微列阵分析（DNA microarray）等。 一、差别杂交与扣除杂交 差别杂交（differential hybridization）又叫差别筛选（differential screening），适用于分离经特殊处理而被诱发表达的mRNA的cDNA克隆。为了增加这种方法的有效性，后来又发展出了扣除杂交（subtractive hybridization）或扣除cDNA克隆（subtractive cDNA cloning），它是通过构建扣除文库（subtractive library）得以实现的。 （一）差别杂交 从本质上讲，差别杂交也是属于核酸杂交的范畴。它特别适用于分离在特定组织中表达
基因表达谱芯片数据分析及其Bioconductor实现 1.表达谱芯片及其应用 表达谱DNA芯片（DNA microarrays for gene expression profiles）是指将大量DNA片段或寡核昔酸固定在玻璃、硅、塑料等硬质载体上制备成基因芯片，待测样品中的mRNA被提取后，通过逆转录获得cDNA,并在此过程中标记荧光，然后与包含上千个基因的DNA芯片进行杂交反应30min~20h后，将芯片上未发生结合反应的片段洗去，再对玻片进行激光共聚焦扫描，测定芯片上个点的荧光强度，从而推算出待测样品中各种基因的表达水平。用于硏究基因表达的芯片可以有两种：①cDNA芯片；② 寡核昔酸芯片。 cDNA芯片技术及载有较长片段的寡核昔酸芯片采用双色荧光系统：U前常用Cy3—dUTP （绿色）标记对照组mRNA, Cy5—dUTP （红色）标记样品组mRNAUl。用不同波长的荧光扫描芯片，将扫描所得每一点荧光信号值自动输入计?算机并进行信息处理，给出每个点在不同波长下的荧光强度值及其比值（ratio值），同时计算机还给出直观的显色图。在样品中呈高表达的基因其杂交点呈红色，相反，在对照组中高表达的基因其杂交点呈绿色，在两组中表达水平相当的显黄色，这些信号就代表了样品中基因的转录表达情况⑵。 基因芯片因具有高效率，高通量、高精度以及能平行对照研究等特点，被迅速应用于动、植物和人类基因的研究领域，如病原微生物毒力相关基因的。基因表达谱可直接检测mRNA的种类及丰度，可以同时分析上万个基因的表达变化，来揭示基因之间表达变化的相互关系。表达谱芯片可用于研究：①同一个体在同一时间里，不同基因的表达差异。芯片上固定的已知序列的cDNA或寡聚核昔酸最多可以达到30 000多个序列，与人类全基因组基因数相当，所以基因芯片一次反应儿乎就能够分析整个人的基因⑶。②同一个体在不同时间里，相同基因的表达差异。 ③不同个体的相同基因表达上的差异。利用基因芯片可以分析多个样本，同时筛选不同样本（如肿瘤组织、癌前病变和正常组织）之间差异表达的基因，这样可以避免了芯片间的变异造成的误差⑷。张辛燕⑸ 等将512个人癌基因和抑癌基因的cDNA用点样仪点在特制玻片上制成表达谱芯片，对正常人卵巢组织及卵巢癌组织基因表达的差异性进行比较研究，结果发现在卵巢癌组织中下调的基因有23个，上调的基因有15个，初步筛选出了卵巢癌相关基因。Lowe⑹等利用胰腺癌、问充质细胞癌等组织的cDNA制备基因芯片，筛选到胰腺癌细胞中高表达的基因，为医疗诊断、病理研究及新药设计 奠定基础。 2.表达谱芯片的数据处理技术
SAGE 技术 MRNA 结合到微珠子上(Microscopic Bead and mRNA) mRNA 转录成DNA(mRNA binds to bait and is copied into DNA)
用酶切开DNA的一小段(An enzyme cuts the DNA) 另一个酶定在DNA末端以便切下一小段(An enzyme locks onto the DNA and cuts off a short tag),这一小段就被视为这个基因的标签 两个标签连在一起(Two tags are linked together)
在末端的定位分子被切掉(Enzymes cut off the "Docking Molecules") 都连成一条线(Di-Tags are combined into large concatemers)
DNA上所携带的遗传信息，需要通过RNA为中介体，合成出组织和正常生理功能所需要的蛋白质，这个过程被称为基因的表达。在生物体中不同的组织和器官所表达的基因群是不一样的，我们把基因群的表达状况称为基因表达谱。目前，高通量地研究基因表达谱的方法主要有两种，即生物芯片和基因表达串联分析（serial analysis of gene expression, SAGE）。基因芯片所能检测的基因必须是已知的基因，放在芯片上几种基因的探针就只能检测这几种基因的表达谱；相比之下，SAGE能以远高于DNA芯片的精确度和重复性来检测在病理条件下基因表达谱的改变，而不必考虑所检测的基因是已知的还是未知的。因此在检测疾病相关的新基因，特别是无法用基因芯片进行检测的低表达量致病基因时，SAGE是目前的最佳手段，无可取代。 SAGE技术为Genzyme公司所拥有的专利技术。其技术简介如下： SAGE技术得以建立的理论基础 首先，一段来自于任一转录本特定区域的"标签"（Tag），即长度仅9-14bp的短核苷酸序列，就已包含足够的信息以特异性地确定该转录本。例如：一个9碱基的序列能有49=262144种不同的排列组合，而人类基因组据估计仅编码80000种转录本，因此在理论上每一个9碱基标签就能够代表一种转录本的特征序列。 第二，如果将短片段标签相互连接、集中形成长的DNA分子，则对该克隆进行
基因表达谱聚类分析 [ 文章来源：| 文章作者：| 发布时间：2006-12-21| 字体：[大中小] 学习过程可以采用从全局到局部的策略。采取这种策略时，学习初期可设定较大的交互作用半径R ，随着学习过程的不断推进，逐步减小R ，直至不考虑对邻近单元的影响。邻域的形状可以是正方形或者圆形。 KFM 的聚类结果与K 均值相似，它的优点是自动提取样本数据中的信息，同时也是一种全局的决策方法，能避免陷入局部最小，缺点在于必须实现人为设定类的数目与学习参数，而且学习时间较长。KFM 方法克服了K- 均值聚类的一些缺点：它应用类间的全局关系，能提供大数据集内相似性关系的综合看法，便于研究数据变量值的分布及发现类结构。而且，它具有更稳健更准确的特点，对噪声稳定，一般不依赖于数据分布的形状。 8.4.2.5 其它聚类方法 聚类方法是数据挖掘中的基本方法，数据挖掘的方法很多，在基因表达谱的分析中，除了以上常用方法外，还有一些其它的方法。由于对聚类结果尚没有一种有效的方法进行评价，尤其是对聚类结果的进一步生物学知识发现尚没有新的分析思路和成功应用，因此，科学家们在不断地研究一些新方法。这些方法有不同的原理，能够提取不同数据特征，有可能对具体的数据得到更有意义的结果，发现更多的生物学知识。这里，简单介绍这些方法的原理，更详细的介绍请参看相关文献。 (1)模糊聚类分析方法:这是一种模拟人类的思维方法，通过隶属度函数来反映某一对象属于某一类的程度。基本思路是计算两两基因表达谱之间的相似性程度，构建模糊相似矩阵，利用模糊数学中的传递闭包计算方法得到模糊等价矩阵，选择不同的置信水平从模糊等价矩阵中构建动态聚类图。对于特定的置信水平，可以实现对基因表达谱的分类。该方法的优点是利用了模糊数学中的隶属度概念，能够更好的反映基因表达谱之间的相互关系，而且它是一种全局的优化方法，与向量的顺序无关。 (2)模糊C均值算法:该方法同样将模糊数学中的隶属度概念引入到常用的K 均值聚类方法中。对于K 均值算法，一个基因表达谱所属的类只有一个，因此，它与各类别的关系要么是 1 ，要么是0 ，即属于或不属于某一类。而对于模糊 C 均值法，一个基因表达谱是否属于某一类，是以隶属度来确定第i 个样本属于第j 类的可能性。最终的聚类结果取决于分析的目的，可以根据最大隶属度来确定基因表达谱的分类，即一个基因表达谱只属于一类；但往往是确定隶属度的阈值，只要大于该阈值，就可以将基因表达谱划分为该类，这样的划分结果是一个基因表达谱可以属于多个类，这也是可以被生物学家接受的。模糊 C 均值法与K 均值法的实现过程基本相同，所不同的是对于
对于基因表达谱数据的分析是生物信息学的研究热点和难点。转化为数学问题，分析任务是从数据矩阵 M 中找出显著性结构，结构类型包括全局模型 (model) 和局部模式 (pattern) 。对基因表达谱数据的分析是数据挖掘问题，所采用的方法包括通过可视化进行探索性数据分析（ Exploratory Data Analysis ）、描述建模 (descriptive modeling) 、分类、聚类、回归和机器学习等。 基因表达谱分析所采用的常用方法是聚类，其目的就是将基因分组。从数学的角度，聚类得到的基因分组，一般是组内各成员在数学特征上彼此相似，但与其它组中的成员不同。从生物学的角度，聚类分析方法所隐含的生物学意义或基本假设是，组内基因的表达谱相似，它们可能有相似的功能。然而，产物有相同功能的编码基因（例如对其它蛋白质有磷酸化作用），不一定共享相似的转录模式。相反，有不同功能的基因可能因为巧合或随机扰动而有相似的表达谱。尽管有许多意外的情况存在，大量功能相关的基因的确在相关的一组条件下有非常相似的表达谱，特别是被共同的转录因子共调控的基因，或者产物构成同一个蛋白复合体，或者参与相同的调控路径。因此，在具体的应用中，可以根据对相似表达谱的基因进行聚类，从而指派未知基因的功能。 聚类分析是模式识别和数据挖掘中普遍使用的一种方法，是基于数据的知识发现的有效方法，特别适用于模式分类数不知道的情况。聚类分析是一种无监督学习方法，不需要任何先验领域知识，它根据数学特征提取分类标准，对数据进行分类，这种数学特征的例子有统计平均值、相关系数、协方差矩阵的本征值及本征向量等。聚类分析在基因表达数据分析中应用得很多，主要有层次聚类、 K 均值、自组织特征映射网络等。本节将介绍基因表达数据分析中常用的聚类方法及与此相关的内容。 8.4.1 相似性度量函数 对基因表达谱进行聚类分析之前，必须首先确定反映不同基因表达谱相似程度的度量函数，根据该函数可以将相似程度高的基因分为一类。在实际计算中，还可以用距离代替相似的概念，相似性度量被转化为两个基因表达谱之间的距离。距离越小，表达模式越相近；反之，则表达模式差异大。 常见的相似性度量有距离、点积、相关系数（ correlation coefficient ）、互信息（ mutual information ）等。假设两个基因表达谱分别为X = （x 1 ,x 2 ,…,x m ）和Y = （y 1 ,y 2 ,…, y m ） , 距离函数 d( X ，Y ) 必须满足如下条件： d( X ，Y ) ≧ 0 d( X ，Y ) = d( Y ，X ) d( X ，Y ) = 0 if X = Y
基因表达分析 1、EST（Expressed Sequence Tag）表达序列标签（EST）分析 1、EST基本介绍 1、定义： EST是从已建好的cDNA库中随机取出一个克隆，进行5’端或3’端进行一轮单向自动测序，获得短的cDNA部分序列，代表一个完整基因的一小部分，在数据库中其长度一般从20到7000bp不等，平均长度为400bp。 EST来源于一定环境下一个组织总mRNA所构建的cDNA文库，因此，EST也能说明该组织中各基因的表达水平。 2、技术路线： 首先从样品组织中提取mRNA，在逆转录酶的作用下用oligo（dT）作为引物进行RT-PCR 合成cDNA，再选择合适的载体构建cDNA文库，对各菌株加以整理，将每一个菌株的插入片段根据载体多克隆位点设计引物进行两端一次性自动化测序，这就是EST序列的产生过程。
3、EST数据的优点和缺点： （1）相对于大规模基因组测序而言，EST测序更加快速和廉价。 （2）EST数据单向测序，质量比较低，经常出现相位的偏差。 （3）EST只是基因的一部分，而且序列里有载体序列。 （4）EST数据具有冗余性。 （5）EST数据具有组织和不同时期特异性。 4、EST数据的应用 EST作为表达基因所在区域的分子标签因编码DNA序列高度保守而具有自身的特殊性质，与来自非表达序列的标记（如AFLP、RAPD、SSR等）相比，更可能穿越家系与种的限制。因此，EST标记在亲缘关系较远的物种间比较基因组连锁图和比较质量性状信息是特别有用的。同样，对于一个DNA序列缺乏的目标物种，来源于其他物种的EST也能用于该物种有益基因的遗传作图，加速物种间相关信息的迅速转化。具体说，EST的作用表现在：
基因表达谱分析技术 1微阵列技术（microarray） 这是近年来发展起来的可用于大规模快速检测基因差别表达、基因组表达谱、DNA序列多态性、致病基因或疾病相关基因的一项新的基因功能研究技术。其原理基本是利用光导化学合成、照相平板印刷以及固相表面化学合成等技术,在固相表面合成成千上万个寡核苷酸“探针”（cDNA、ESTs或基因特异的寡核苷酸），并与放射性同位素或荧光物标记的来自不同细胞、组织或整个器官的DNA或mRNA反转录生成的第一链cDNA进行杂交，然后用特殊的检测系统对每个杂交点进行定量分析。其优点是可以同时对大量基因，甚至整个基因组的基因表达进行对比分析。包括cDNA芯片（cDNA microarray）和DNA芯片（DNA chips）。 cDNA芯片使用的载体可以是尼龙膜，也可以是玻片。当使用尼龙膜时，目前的技术水平可以将20000份材料点在一张12cm×18cm的膜上。尼龙膜上所点的一般是编好顺序的变性了的双链cDNA片段。要得到基因表达情况的数据，只需要将未知的样品与其杂交即可。杂交的结果表示这一样品中基因的表达模式，而比较两份不同样品的杂交结果就可以得到在不同样品中表达模式存在差异的基因。杂交使用的探针一般为mRNA的反转录产物，标记探针使用32PdATP。如果使用玻片为载体，点阵的密度要高于尼龙膜。杂交时使用两种不同颜色的荧光标记不同的两份样品，然后将两份样品混合起来与一张芯片杂交。洗去未杂交的探针以后，能够结合标记cDNA的点受到激发后会发出荧光。通过扫描装置可以检测各个点发出荧光的强度。对每一个点而言，所发出的两种不同荧光的强度的比值，就代表它在不同样品中的丰度。一般来讲，显示出来的图像中，黄色的点表示在不同的样品中丰度的差异不大，红色和绿色的点代表在不同样品中其丰度各不相同。使用尼龙膜为载体制作cDNA芯片进行研究的费用要比玻片低，因为尼龙膜可以重复杂交。检测两种不同的组织或相同组织在不同条件下基因表达的差异，只需要使用少量的尼龙膜。但是利用玻片制作的cDNA芯片灵敏度更高，而且可以使用2种探针同时与芯片杂交，从而降低了因为杂交操作带来的差异；缺点是无法重复使用还必须使用更为复杂的仪器。 Guo等（2004）将包含104个重组子的cDNA文库点在芯片上，用于检测拟南芥叶片衰老时的基因表达模式，得到大约6200差异表达的ESTs，对应2491个非重复基因。其中有134个基因编码转录因子，182个基因预测参与信号传导，如MAPK级联传导路径。Li等（2006）设计高密度的寡核苷酸tiling microarray方法，检测籼稻全基因组转录表达情况。芯片上包含13,078,888个36-mer寡核苷酸探针，基于籼稻全基因组shot-gun测序的序列合成，大约81.9%（35,970）的基因发生转录事件。Hu等（2006）用含有60,000寡核苷酸探针（代表水稻全部预测表达基因）的芯片检测抗旱转基因植株（过量表达SNAC1水稻）中基因的表达情况，揭示大量的逆境相关基因都是上升表达的。 2基因表达系列分析（Serial analysis of gene expression,SAGE） 基因表达系列分析（SAGE）是一种转录物水平上研究细胞或组织基因表达模式的快速、有效的技术，也是一种高通量的功能基因组研究方法，它可以同时将不同基因的表达情况进行量化研究（Velculescu et al.,1995）。SAGE的基本原理是：每一条mRNA序列都可以用它包含的9bp的小片段（TAG）代替，因此考查这些TAGs出现的频率就能知道每一种mRNA 的丰度。首先利用生物素标记的oligo（dT）引物将mRNA反转录成双链cDNA，然后利用NlaIII 酶切双链cDNA。NlaIII酶的识别位点只有4bp，因此cDNA都被切成几十bp的小片段。带有生物素标记的小片段cDNA被分离出来，平均分成2份。这2份cDNA分别跟2个接头连接，2个接头中均有一个FokI酶切位点。FokI是一种II S型核酸内切酶，其识别位点不对称，切割位点位于识别位点下游9bp且不依赖于特异的DNA序列。FokI酶切分成2份的cDNA之
综合microRNA和基因表达谱分析 在肺癌新的肿瘤标记物和机制的研究 摘要 背景： microRNA（miRNA）在非小细胞肺癌诊断中准确性的研究仍有争议。因此，我们系统的识别非小细胞肺癌相关的miRNA，使用微阵列数据来观察目标基因改变。 方法：我们从非小细胞肺癌中，筛选出五组miRNAs，从基因表达数据库里，筛选出六组基因微列阵数据。 结果：我们研究表明，非小细胞肺癌中，有14对miRNA发生显著性变化。其中五对上调（miR-9，miR-708，miR-296-3p，miR-892b，miR-140-5p），9对下调（miR-584，miR-218，miR-30b，miR-522，miR-486-5p、miR-34c-3p，miR-34b，miR-516b，miR-592）。其诊断敏感性（SE）和特异性(SP)分别为82.6%和89.9%.有14对目标基因（P<0.05，倍数变化>2.0）和14对发现的miRNA显著相关，我们建立了一个受检者分类，使得验证有了较高的准确度（SE=0.987，SP=0.824） 结论：我们研究发现，综合的miRNA和目标基因对发现和识别非小细胞肺癌的生物标记物有价值，而且为发现非小细胞肺癌的机制提供了新的视角，此外，我们精心设计了实验，对目标基因相关的14种miRNA在非小细胞肺癌的预测和预后进行了研究。 前言：
在世界范围内，非小细胞肺癌因其高死亡率仍然是引起癌症死亡的主要原因之一，在2014年，其死亡率占到了癌症死亡人数的1/4.近年来，在很多研究报道了非小细胞肺癌鉴别诊断的潜在标记物，然而，精确的非小细胞肺癌的生物学标记物仍需摸索。 当前，microRNA （miRNA），一组小的非编码RNA的发现，为肿瘤的预测提供了新的视野，为肿瘤如非小细胞肺癌的初始筛选提供了新的方法。新的研究数据表明，miRNA在肿瘤中显著改变，和非小细胞肺癌的发生和发展有关。此外，由于miRNA的固有性质，它在标本中高度稳定，可提供更多的精准预测因素。以上发现表明，miRNA可作为非小细胞肺癌诊断的稳定的生物学标记物。 然而，一些独立的研究中，对此仍有不少争议，这往往通过不同的miRNA的表达谱的系统和平台解释。虽然他们分别证实了miRNA在肿瘤分化中的价值，然而收集资料系统的分析对进一步探讨miRNA作为非小细胞肺癌预测的标记物的适用性仍然是 必不可少的。 所以，我们的荟萃分析回答了一下3个问题：（1）是否有miRNA可以识别或抑制非小细胞肺癌组织。（2）和目标基因功能注释的潜在miRNA和通路是否有关系，（3）这些miRNA的靶向基因是否和非小细胞肺癌的起始和进程有关。 讨论： 研究中，我们主要关注利用miRNA数据集，是否可以将潜在的miRNA可以作为精准的生物标记物，从而从正常组织中来区分
第18卷第6期微阵列技术[1-3]的到来对生物学和医学来说是一场 革命，通过它可以同时观测成千上万个基因的表达水平，从而能够在基因组水平上以系统的、 全局的观念去研究生命现象及其本质。还可以根据基因在不同条件下表达的差异性来进行复杂疾病诊断、药物筛选、个性化治疗、基因功能发现、农作物优育和优选、环境检测和防治、食品卫生监督及司法鉴定等，因此对基因表达谱的研究具有重要的理论价值和应用意义。微阵列基因表达数据具有维数高、样本小、非线性的特点，这对一些传统的机器学习方法提出了新的挑战，对其数据的分析已成为生物信息学研究的焦点。 1基因表达数据采集 基因表达数据采集可分为三个步骤：微阵列设计、 图像分析和数据获取、过滤、标准化。基因芯片（gene chip ），简称为微阵列,就是指固着在载体上的高密度 DNA 微点阵，具体地说就是将靶基因或寡核苷酸片段有序地、高密度排列在玻璃、硅等载体上。mRNA （信使核糖核酸）的表达水平的获得是通过选取来自不同状态的样本（如正常组织与肿瘤组织、不同发育阶段组织，或用药之前与用药之后组织等，一种称为实验样本，另外一种称为参考样本），在逆转录过程中,实验样本和参考样本RNA （核糖核酸）分别用不同的红、绿荧光染料去标记，并将它们混合，与微阵列上的探针序列进行杂交，经适当的洗脱步骤与激光扫描仪对芯片进行扫描，获得对应于每种荧光的荧光强度图像，通过专用的图像分析软件，可获得微阵列上每个点的红、绿荧光强度（Cy5和Cy3），其比值（Cy5/Cy3）表示该基因在实验样本中的表达水平。在通常情况下，考虑Cy5和Cy3的数值时，还应考虑相应的背景数值，如果微阵列上某个基因的Cy5或Cy3数值比相应的背景数值低，则该基因的表达水平无法确定。为了方便数据处理，常 孟令梅等：一种基于DCT 变换的图像认证算法文章编号：1005－1228（2010）06－0017－03 基因表达谱数据分析技术 刘 玲 （江苏财经职业技术学院，江苏淮安 223001） 摘 要：人类基因组计划的研究已进入后基因组时代，后基因组时代研究的焦点已经从测序转向功能研究，主要采用无监 督和有监督技术来分析基因表达谱和识别基因功能，通过基因转录调控网络分析细胞内基因之间的相互作用关系的整体表示，说明生命功能在基因表达层面的展现，对目前基因表达谱数据分析技术及它们的发展，进行了综述性的研究，分析了它们的优缺点,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。关键词：基因表达谱；分类；无监督；有监督；基因调控网络中图分类号：Q81；TP181 文献标识码：A Gene Expression Data Analysis LIU Ling （Jiangsu Vocational College of Finance &Econimics ，huai ’an 223001,China ） Abstract ：As the work of sequencing the genome of the human has been fully finished,the post-genomic era has begun.Scientists are turning their focus toward identifying gene function from sequencing.Clustering technology,as one of the important tools of analyzing gene expression data and identifying gene function,has been used widely.Transcriptive regulatory networks are the global representation of multiple interactions between genes and their products ,which can help us understand the cell ’s function at the level of gene expression In this paper we discuss main clustering technology about gene expression data at present,analyze their advantages and disadvantages ,present the methods to solve the problems and given approaches to study gene expression data. Key words:gene expression profile ； classification ；gene regulatory network Vol．18No．6Dec 2010 第18卷第6期2010年12月 电脑与信息技术Computer and Information Technology 收稿日期： 2010-06-09项目资助： 江苏省淮安市科技发展计划项目(HAG08015）作者简介： 刘玲（1964-），山东胶州人，副教授，硕士，主要研究方向:生物信息。
第8章基因表达数据分析 基因芯片或DNA微阵列等高通量检测技术的发展，可以从全基因组水平定量或定性检测基因转录产物mRNA，获取基因表达的信息。由于生物体中的细胞种类繁多，同时基因表达具有时空特异性，因此，基因表达数据要比基因组数据更为复杂、数据量更大、数据的增长速度更快。基因表达数据中蕴含着基因调控的规律，可以反映细胞当前的生理状态，例如（？？）是否恶化、（？？）是否对药物有效等。对基因表达数据的分析是生物信息学的重大挑战之一，也是DNA微阵列能够推广应用的关键环节之一。 基因表达数据分析的对象是在不同条件下，全部或部分基因的表达数据所构成的数据矩阵。通过对数据矩阵的分析，回答一些生物学问题，例如，基因的功能是什么？在不同条件或不同细胞类型中，哪些基因的表达存在差异？在特定的条件下，哪些基因的表达发生了显著改变，这些基因受到哪些基因的调节，或者调控哪些其它的基因？哪些基因的表达是条件特异性的，根据它们的行为可以判断细胞的状态（正常或癌变）？？？？等等。对这些问题的回答，结合其他生物学知识和数据有助于阐明基因的调控路径和基因之间的调控网络。揭示基因调控路径和网络是生物学和生物信息学共同关注的目标，是系统生物学(Systems Biology，在附录中增加解释条目！)研究的核心内容。目前，对基因表达数据的分析主要是在三个逐渐复杂的层次上进行：1、分析单个基因的表达水平，根据在不同实验条件下，该基因表达水平的变化，来判断它的功能，例如可以确定肿瘤类型特异基因。采用的分析方法可以是统计学中的假设检验等。2、考虑基因组合，将基因分组，研究基因的共同功能、相互作用以及协同调控等。多采用聚类分析等方法。3、尝试推断潜在的基因调控网络，从机理上解释观察到的基因表达谱。多采用反工程的方法。 本章首先介绍基因表达数据的来源和预处理方法；然后介绍基因表达数据分析的主要方法，即表达差异分析和聚类分析；最后简单介绍从基因表达数据出发研究基因调控网络的一些经典模型。 8.1 基因表达数据的获取 基因表达数据反映的是直接或间接测量得到的基因转录产物mRNA在细胞中的拷贝数或者水平（转录？？），这些数据可以用于分析哪些基因的表达发生了改变，它们有何相关性，在不同条件下基因是如何受影响的。它们在医学临床诊断、药物疗效判断、揭示疾病发生机制等方面有重要的应用。目前检测mRNA水平的方法有DNA微阵列、基因芯片、基因表达串行化分析（Serial analysis of gene expression，SAGE）、RT-PCR、EST测序等。目前，最主要的表达数据来自于基因芯片或cDNA微阵列，它们的原理是相同的，利用4种核苷酸之间两两配对互补的特性，使两条在序列上互补的单链形成双链，这个过程被称为杂交。基本技术是：在一个约1cm2大小的玻璃片上，将称为探针的核苷酸片段固定在上面，这个过程称为芯片制备；从细胞或组织中提取mRNA，通过RT-PCR合成荧光标记的cDNA，与芯片杂交；用激光显微镜或荧光显微镜检测杂交后的芯片，获取荧光强度，分析细胞中的mRNA的相对水平。