下载文档原格式
基因时空表达
近年来，基因时空表达的研究受到越来越多的关注，它是近期研究的重要热点之一，也是改善生物学质量研究的重要手段之一。
基因时空表达是指在特定的生物学样本中，基因的表达是在变化的空间和时间上按照特定的法则发生变化的。
基因时空表达技术可以揭示基因在各种环境条件下的不同表达水平，从而更好地理解基因的功能。
基因时空表达分析主要包括基因表达谱分析、基因互作网络分析和模式发现分析。
基因表达谱分析是指对特定的基因在不同细胞状态和不同环境条件下的表达水平进行系统研究。
基因互作网络分析是指研究基因与基因之间的相互作用，以及基因网络的结构和功能。
模式发现分析是指分析和发现基因表达与某些表型之间的联系，以及如何操纵基因表达来调节和优化生物反应。
基因时空表达技术为生物学质量研究奠定了基础，例如可以更好地理解基因的功能，根据细胞的不同表达谱特征来识别疾病，治疗策略和预防措施。
此外，基因时空表达技术也可以用于快速和高效的现代药物研发，帮助开发新的治疗方法，对疾病的病因机制也有一定的研究价值。
近年来，基因时空表达技术发展迅速，先后出现了许多重要的技术，如RNA定量PCR技术、蛋白质和蛋白质组学、微阵列技术、转录组学技术等。
这些技术为利用基因表达谱分析和基因互作网络分析提供了可靠的依据，从而加速了基因时空表达研究的进展。
此
外，大数据技术的发展也使得基因时空表达分析更加精确和全面。
基因时空表达研究是一个非常复杂的过程，但也有助于更好地理解基因的功能，并给治疗疾病提供一个新的途径。
未来，基因时空表达技术将会发展得更好，为生物学研究提供更多有效的工具。
生物信息学中的基因表达数据分析方法比较随着高通量测序技术的快速发展，大量的生物信息学数据被积累下来，其中基因表达数据是其中一类最为重要的数据类型。
基因表达数据可以帮助我们了解基因在细胞或组织中的活动水平，进而洞察基因调控网络的运作机制。
在生物信息学研究中，比较不同的基因表达数据分析方法对于揭示生物学过程的关键因素、特定基因的表达模式以及发现新的生物学知识至关重要。
本文将会介绍几种常见的基因表达数据分析方法，并比较它们之间的优缺点。
1. 基因差异分析（Differential Gene Expression Analysis）基因差异分析是一种常见的基因表达数据分析方法，它用于比较两个或多个实验组之间的基因表达水平的差异。
通过基因差异分析，我们可以识别出在不同情况下表达量显著变化的基因。
这些基因可能与生物学过程的调节、疾病的发生等密切相关。
在基因差异分析中，常用的方法包括：差异表达基因分析（Differential gene expression analysis）和差异表达基因富集分析（Differential gene expression enrichment analysis）。
差异表达基因分析使用统计学方法来比较基因在两个或多个组之间的表达量差异，并验证这些差异是否显著。
而差异表达基因富集分析则通过对差异表达基因进行功能富集分析来发现差异表达基因在特定生物学过程中的富集情况。
2. 基因聚类分析（Gene Clustering Analysis）基因聚类分析是一种将基因根据它们的表达模式进行分组的方法。
通过基因聚类分析，我们可以发现具有相似表达模式的基因群，从而推测它们在生物学过程中可能具有相似的功能或相互作用。
基因聚类分析有多种方法，包括层次聚类分析（Hierarchical clustering analysis）、k-均值聚类分析（k-means clustering analysis）、模糊C-均值聚类分析（Fuzzy C-means clustering analysis）等。
基因信号和基因表达分析随着现代基因技术的不断发展，人们对基因信号和基因表达分析的需求也越来越大。
基因信号是指基因在生物体内发出的一种信号，它能够影响细胞内各种生物分子的运动和互动，是控制基因表达的重要环节。
而基因表达则是指基因通过转录和翻译等过程，将基因信息转化为蛋白质或RNA等遗传物质的过程。
本文将从基因信号和基因表达两个方面，介绍基因分析的相关知识。
一、基因信号分析基因信号在生物体内发挥着重要的作用。
它们可以作为一种信号分子，通过细胞膜的传递，影响到细胞内的各种信号途径。
这些信号途径包括信号转导、细胞增殖和凋亡等。
一般来说，基因信号的传递途径可以分为多个环节。
第一环节是根据受体类型，将基因信号划分为外泌素、膜受体和核受体等不同类型。
在不同信号通路中，这些信号分子起到了不同的作用。
例如，里瑟罗皮（leptin）信号分子，是一种在哺乳动物中发生的外泌素，它通过特异性受体与细胞膜诱导信号途径，从而通过细胞膜传导信号。
当基因信号在细胞膜上相遇时，它就会进入信号传导途径的下一个环节。
在这一阶段，信号通常会通过蛋白激酶和蛋白酶转移来告诉接收器它已经被捕获了。
这些蛋白通过复合物结构与信号进行交互，从而激活特定的信号途径，最终转化为一种生理行为或化学反应。
有了这些连接之间的可预测的交互，基因信号在许多生态系统中都有着可靠的修复作用。
二、基因表达分析基因表达分析则着眼于基因从DNA向RNA的转化以及从RNA向蛋白质的转化过程。
通常基因表达分析可以分为转录和翻译两个部分。
在转录过程中，基因序列会通过RNA聚合酶的引导，合成一条RNA序列，这条RNA序列会带有从DNA上转录而来的信息。
在这一过程中，多种调节因素会影响基因表达。
例如，转录因子和共激活因子等可以促进或抑制基因的转录，从而影响基因表达的强弱和时机。
此外，反义RNA（antisense RNA）也被认为是调节基因表达的一种途径。
反义RNA可以与特定的mRNA片段匹配，从而影响它们的稳定性和准确性。
生命科学中基因表达分析技术的研究与应用基因是生命的基础单位，它们是DNA序列的一部分，控制着所有生命过程。
基因表达是指基因转录成RNA，然后转录成蛋白质的过程。
基因表达调控是生命过程中的一个关键点，它可以影响细胞的分化和生长，以及疾病的发生和治疗。
因此，研究基因表达分析技术在生命科学中的应用具有重要意义。
一、什么是基因表达分析技术基因表达分析技术是一组用于定量测量特定基因表达的技术。
这些技术包括实时荧光定量PCR，微阵列分析和RNA测序。
这些技术可以测量基因表达的水平，以确定特定基因的转录活动是否增加或减少。
1.实时荧光定量PCR实时荧光定量PCR（qPCR）是一种快速测量特定基因表达水平的技术。
它使用DNA聚合酶将RNA转录成DNA，该过程称为反转录。
接下来，PCR被用于扩增DNA，使其可以被侦测。
qPCR使用荧光探针或DNA染料检测特定的PCR产物。
该技术可以在短时间内测量小量的RNA，因此在诊断和生物学研究中广泛使用。
2. 微阵列分析微阵列分析是一种大规模测量基因表达水平的技术。
它通过核酸杂交探针在微阵列上测量基因表达变化。
该技术可以用于高通量分析基因表达，并确定与疾病相关的基因。
3. RNA测序RNA测序是一种高通量的基因表达测量技术，它通过直接测量RNA文库中的含量来检测基因表达水平。
该技术可以在不需要参考基因组的情况下对RNA的序列进行测量，因此对于新物种基因表达分析十分有用。
二、基因表达分析技术的应用基因表达分析技术的应用非常广泛。
以下是其中一些应用：1. 研究细胞生命周期基因表达分析技术被广泛应用于研究细胞生命周期的调控。
这些研究发现，许多基因与细胞周期的不同阶段相关，包括DNA复制和有丝分裂。
通过这些技术可以确定基因表达的动态变化，揭示细胞周期的基因调控机制，为生物研究提供了可靠的分析工具。
2. 肿瘤诊断基因表达分析技术用于肿瘤诊断。
肿瘤细胞与正常细胞不同，其基因表达级别也不同。
差异表达基因分析
差异表达基因分析（DifferentialExpressionGeneAnalysis，DEGA）是生物学中常用的一种技术，用于检测和确定不同生物样本或环境条件下的基因表达的差异。
本文旨在介绍差异表达基因分析技术，它的原理及其研究应用。
第一部分，定义差异表达基因分析。
差异表达基因分析是一种基因表达谱分析方法，旨在检测出样本在不同条件下有显著不同表达水平的基因。
它通过分析一系列相关的样本，明确哪些基因在不同条件下发生了显著表达差异。
第二部分，介绍差异表达基因分析的原理。
差异表达基因分析的基础是分析样本的RNA产物，即能够表达的基因的cDNA，以确定不
同条件下某些基因的表达差异。
通过使用一种叫做聚合酶链反应（PCR）的技术，可以比较多个样本的cDNA的表达水平，以确定哪些基因在
不同环境下有明显的表达差异。
第三部分，介绍差异表达基因分析的研究应用。
差异表达基因分析技术可以用于检测基因在不同环境、疾病和药物作用下的表达情况。
例如，可以检测癌症发生中不同细胞类型的基因表达差异。
此外，它还可以用于研究不同物种之间基因表达的差异，以及对特定疾病的病因及其预后等方面的研究。
本文综述了差异表达基因分析的定义、原理以及研究应用。
它是一项重要的技术，可用于生物学和疾病研究中的定量分析，为研究者提供重要的细胞和分子级数据，从而极大地推进了生物学研究。
基因共表达分析基因共表达分析是分子生物学中一项重要的技术，它能够从一系列基因的表达水平中，提取出其表达谱、异选、依赖性和联系的相关信息，从而发现生物体的基因网络结构、复杂疾病的分子机制等。
基因共表达分析是一项重要的研究发现和研究分析方法，它可以帮助研究者更好地理解生物体内复杂的生物功能，更好地推动科学研究和应用。
基因共表达分析，是一种多维数据分析技术，主要用于获取关于基因表达的具体信息。
该方法基于基因芯片技术，可以研究大量基因的表达水平，形成全基因组表达谱。
这种技术不仅能够检测基因的表达和活性，而且还可以检测基因的转录和调控，从而研究细胞内复杂的生物机制。
基因共表达分析的步骤一般可分为环境采样、数据准备、统计分析和基因组学等几个步骤。
环境采样是分析的基础，基因组学则是研究的核心，其中，对基因表达谱的统计分析是基因共表达分析的核心步骤。
其主要有两种：一种是运用基于配对聚集的假设检验方法，估计所研究的基因的两两之间的相关性；另一种是使用分类器方法，建立基因表达谱的分类模型，从而探索不同类别基因表达的差异和联系。
基因共表达分析作为一项重要的研究技术，已经在生物学、医学等领域得到了广泛应用。
它可以帮助我们更深刻地理解生物体内复杂的基因网络结构，为认识疾病发生和发展提供有益的线索，帮助诊断和治疗生物学上复杂的疾病，促进药物发现，并改善生物资源的利用，同时还可以有效地提高生物全基因组表达谱的准确性和可重复性研究。
近年来，基因共表达分析技术发展迅速，广泛应用于多学科领域。
一方面，随着软件、算法技术的不断发展，提高了共表达分析软件的数量和质量，提高了其准确性；另一方面，深入的生物学研究也为基因共表达分析技术的发展提供了前沿的突破口。
今后，基因共表达分析技术将继续发展，在各个领域的研究和应用中发挥更大的作用。
为了更好地发挥基因共表达分析技术的功能，需要不断完善表达数据的采集、处理、分析流程，提高表达数据的准确性和可重复性，不断开发新技术，探索新理论，进一步完善分析流程，加快基因共表达分析分析的应用速度。
基因表达谱数据分析方法基因表达谱是对生物体内基因表达情况的记录，通过对基因表达谱的分析，可以了解到基因在不同条件下的表达状态，从而揭示生命现象的本质和规律。
这对于研究基本生物现象、发现新的治疗手段等具有重要的意义。
随着高通量技术的发展，获取基因表达谱数据已经成为了常规操作。
但是，如何对这些数据进行分析和处理，是一个相当复杂的问题。
本文将介绍基因表达谱数据分析的基本方法和技巧。
我们将从预处理数据、差异分析、聚类分析、通路分析和生物信息学工具等几个方面进行论述。
一、预处理数据首先，我们需要将原始数据进行预处理，去除质量较差的数据，检查样本之间的差异和异常值等。
预处理过程旨在保证数据的准确性和可靠性，为后续的分析奠定基础。
二、差异分析差异分析是对基因表达谱数据进行质量评估和过滤的关键步骤。
常用的差异分析方法包括T检验、方差分析、Wilcoxon秩和检验等。
差异分析的目标是找出在不同实验条件下，哪些基因的表达发生了变化。
这是为了找到有生物学意义的差异基因集合并进一步进行研究。
三、聚类分析聚类分析是将基因表达谱数据中的基因和样本分别分成若干类，使得同一类中的基因或样本具有相似的表达模式，不同类之间具有较大的差异。
这样的分类结果有助于我们找出基因表达谱数据中的模式。
聚类分析常用的方法包括层次聚类和k-平均聚类等。
四、通路分析通路分析是将差异基因集合与特定生物过程或通路进行关联，以揭示差异基因集合在生物学上的意义。
通常，通路分析需要利用基因注释或生物信息学数据库中的信息，将差异基因集合与通路相对应，从而找到可能受到影响的通路。
五、生物信息学工具最后，利用生物信息学工具进行综合分析和可视化。
有很多生物信息学工具可以用来对基因表达谱数据进行分析和可视化，比如R、Python、Cytoscape等。
这些工具可以帮助我们更好地理解和解释基因表达谱数据中的生物学意义。
总结：基因表达谱数据分析是序列分析的一个重要分支，广泛应用于生物信息学、系统生物学和合成生物学等领域。
检测基因表达变化的方法基因表达变化是指基因在特定条件下转录和翻译水平的变化。
检测基因表达变化的方法有很多种，以下是几种常用的方法：1. 转录组测序（RNA-seq）转录组测序是一种基于高通量测序技术的方法，可以检测基因在不同条件下的转录水平。
该方法首先从细胞中提取总RNA，然后通过建库、测序和分析得到每个基因的转录本序列。
通过比较不同条件下的转录本序列，可以发现基因表达的变化。
RNA-seq具有高灵敏度、高分辨率和高通量等优点，适用于研究基因表达的复杂性和动态性。
2. 定量反转录聚合酶链反应（qRT-PCR）qRT-PCR是一种基于PCR技术的方法，可以检测特定基因的表达水平。
该方法首先从细胞中提取总RNA，然后通过反转录得到cDNA，再通过PCR扩增得到目的片段。
通过比较不同条件下的目的片段拷贝数，可以发现基因表达的变化。
qRT-PCR具有高灵敏度、高特异性和可重复性好等优点，适用于验证RNA-seq等高通量测序方法的结果。
3. 微阵列分析微阵列分析是一种基于芯片技术的方法，可以同时检测多个基因的表达水平。
该方法将已知序列的探针集成在芯片上，然后将待测的cDNA或RNA与探针进行杂交。
通过检测杂交信号的强度，可以发现基因表达的变化。
微阵列分析具有高通量、高效率和高灵敏度等优点，适用于大规模的基因表达谱研究。
4. 原位杂交原位杂交是一种将探针与组织切片上的目标基因进行杂交的方法，可以检测目标基因在组织中的表达位置和表达水平。
该方法将探针与组织切片上的目标基因进行杂交，然后通过荧光或免疫组化等方法显色标记杂交信号。
通过观察杂交信号的数量和分布，可以发现基因表达的变化。
原位杂交具有高特异性、高灵敏度和定位准确等优点，适用于研究基因表达的组织特异性。
5. 免疫组织化学免疫组织化学是一种利用抗体与目标蛋白进行特异性结合的方法，可以检测目标蛋白在组织中的表达位置和表达水平。
该方法将抗体与目标蛋白进行特异性结合，然后通过显色标记抗体结合的位置。
基因共表达分析基因共表达分析（GeneCo-ExpressionAnalysis）是生物信息学的一个重要的研究手段，可以对基因间的相关关系进行挖掘，并为研究基因表达调控模式提供重要数据支持。
目前，基因共表达分析已经被广泛用于许多生物学领域，如转录组学、基因组学、分子生物学、遗传学和系统生物学等，为相关领域的研究发展提供了重要的技术和理论支持。
一般来说，基因共表达分析是指对一组关联基因的表达水平进行分析，以检测研究基因之间可能存在的关联关系，以及共表达基因及其相关特征。
基于系统生物学方法和测序技术，基因共表达分析可以揭示基因间的信号调控关系，研究基因调控网络，发现功能相关的重要基因，以及基因疾病间的相互关系等。
一般而言，基因共表达分析分为三大类：一是基于非贪婪算法的非监督学习方法，主要是基于数据聚类分析的方法；二是贪婪算法的监督学习方法，通过筛选最具有特征的基因组成的模型，来发现有功能代表性的基因；三是对基因表达数据的直接建模，称为分析模型，旨在发现基因之间较强的共表达关系。
在基因共表达分析中，非贪婪算法的非监督学习方法是用最多的，它具有较好的数据收集和解释性能，从不同角度揭示基因表达、调控、功能和相关性。
主要的非监督学习办法有聚类分析、最近簇分析、主成分分析、层次聚类等。
聚类分析是最常用的非监督基因共表达分析方法，可以根据基因表达水平的相似性将基因分组，确定基因间的关系和共表达规律。
最近簇分析可以确定两个基因表达水平更相近的基因，可以根据这些亲密基因的组合，发现更加复杂的表达模式。
而主成分分析可以将数据降维，从而提取最能够代表数据的主要的特征，帮助我们更加容易地发现基因之间的共表达关系。
最后，层次聚类算法可以根据基因数据的多样性，把基因分组，发现各个基因表达水平变化的趋势。
此外，基因共表达分析还可以与其他常见的数据分析方法相结合，如基于网络的分析方法，以检测基因间的可能联系和共表达关系；还可以结合生物信息学和生物体系学等方法，发现基因互作网络、复杂调控关系等。
基因表达及其分析技术生命现象的奥秘隐藏在基因组中，对基因组的解码一直是现代生命科学的主流。
基因组学研究可以说是当今生命科学领域炙手可热的方向。
从DNA测序到SNP、拷贝数变异（copy number variation, CNV）等DNA多态性分析，到DNA甲基化修饰等表观遗传学研究，生命过程的遗传基础不断被解析。
基因组研究的重要性自然不言而喻。
应该说，DNA 测序技术在基因组研究中功不可没，从Sanger测序技术到目前盛行的新一代测序技术（Next Generation Sequencing, NGS）到即将走到前台的单分子测序技术，测序技术是基因组解析最重要的主流技术。
而基因组测序、基因组多态性分析、DNA甲基化修饰等表观遗传分析等在基因组研究中是最前沿的课题。
但是基因组研究终究类似“基因算命”，再清晰的序列信息也无法真正说明一个基因的功能，基因功能的最后鉴定还得依赖转录组学和蛋白组学，而转录作为基因发挥功能的第一步，对基因功能解析就变得至关重要。
声称特定基因、特定SNP、特定CNV、特定DNA修饰等与某种表型有关，最终需要转基因、基因敲除、突变、RNAi、中和抗体等技术验证，并必不可少要结合基因转录、翻译和蛋白修饰等数据。
基因实现功能的第一步就是转录为mRNA或非编码RNA，转录组学主要研究基因转录为RNA的过程。
在转录研究中，下面几点是必须考虑的：1. 基因是否转录（基因是否表达）及基因表达水平高低（基因是低丰度表达还是中、高丰度表达）。
特定基因有时候在一个细胞中只有一个拷贝的表达，而表达量会随细胞类型不同或发育、生长阶段不同或生理、病理状态不同而改变。
因此任何基因表达检测技术，其是否科学，就是要看能否检测到低丰度表达基因，能否检测到基因丰度的变化尤其是微弱变化，线性范围是否宽广等。
这方面的误区在于，很多人过分强调特定技术能否检测到低丰度基因的表达，忽视了特定技术能否检测到基因表达丰度微弱的改变。
如果关注全基因组表达信息，那么目前最经典的技术就是全基因组表达谱芯片技术，这种基因芯片设计了数据库中所有已知基因、EST和预测基因、EST的已知转录本的探针，用来分析全基因组中已知基因、预测基因的已知转录本的表达信息。
在利用基因芯片进行转录研究时，应该选择能检测低丰度表达基因的芯片技术，选择可以反映基因表达微弱变化并且线性范围广的技术，比如Affymetrix公司的转录研究方面的芯片。
以GeneChip® Human Genome U133 Plus 2.0 Array 为例，该芯片可以分析多达38500个基因的47400个转录本（而GeneChip® Human Genome U133A 2.0 Array 是对其中14500个well-characterized human genes的18400个转录本进行分析的）。
从精确度、重复性、性价比等角度来讲，芯片技术仍然是基因表达研究的首选技术。
除人全基因组表达谱芯片外，Affymetrix公司还可以提供以下物种的全基因组表达谱芯片：大鼠、小鼠、拟南芥、大麦、牛、线虫、狗、鸡、柑橘、棉花、果蝇、大肠杆菌、玉米、苜蓿、绿脓杆菌、蚊子/疟原虫、杨树、猪、恒河猴、水稻、金黄色葡萄球菌、大豆、甘蔗、西红柿、葡萄、小麦、爪蟾、酵母、斑马鱼等。
2. 对mRNA表达而言，更重要的问题是，每个基因的编码区域由若干外显子组成，而特定基因在不同细胞类型中或不同发育、生长阶段或不同生理、病理状态下，外显子存在选择性剪接（alternative splicing），因而会出现不同转录本。
不同转录本正是解释同一基因具有不同功能甚至相反功能的遗传基础。
因此分析基因表达，不仅要知道基因是否表达与表达水平高低，更重要的是需要知道特定基因表达的转录本是什么。
如果关注全基因组所有外显子表达并希望预测每个基因选择性剪接，那么基因芯片仍然是该方面研究的经典技术。
以Affymetrix公司的GeneChip® Human Exon 1.0 ST Array为例，该芯片可以分析已知及预测的转录区域内的超过1百万个外显子簇的表达，分析选择性剪接。
这是迄今为止最全面的、唯一的同时可以研究基因表达与选择性剪接的基因芯片。
Affymetrix公司也可以提供小鼠、大鼠的此类芯片，分别分析小鼠的100万个外显子或大鼠的85万个外显子。
3. 基因调节分析。
任何基因表达都是受到严格调控的，包括转录因子调控和表观遗传修饰等。
如果关注特定转录因子调节的所有基因，那么ChIP on chip技术是必须的。
以Affymetrix公司的GeneChip® Human Promoter 1.0R Array为例，该芯片可以分析任何特定蛋白质如转录因子与超过25500个启动子的相互作用。
每个启动子覆盖10-12.5kb（转录起始位点下游2.5kb+上游7.5kb，对1300个癌基因而言，上游延长至10kb）。
如果分析特定转录因子在特定细胞类型的特定生长、发育阶段或特定生理、病理下调控基因表达的特点，该芯片是很好的工具。
该芯片也覆盖了UCSC in NCBI human genome assembly（Build 34）中注解的59% 的CpG岛，该芯片同时可以用于DNA甲基化修饰的分析。
Affymetrix公司也可以提供小鼠的此类芯片，分析转录因子与28000个启动子的相互作用。
非编码RNA也是转录组学研究的热点，Affymetrix公司的GeneChip miRNA Array可以分析71个物种的数以千计的microRNA与Small nucleolar RNAs（snoRNAs）的表达。
4. 样本问题。
最科学的样本应该是同质细胞。
不同细胞类型，其基因表达是有差异的，建立细胞类型特异的基因表达数据，才能真正揭示特定细胞类型基因表达的真实面貌。
对于组织，制作组织切片，利用（免疫）组织化学技术对特定细胞类型进行鉴定，进而利用激光显微切割技术分离特定细胞类型，这是目前从组织中获得同质细胞的关键技术。
问题在于组织切片制备和（免疫）组织化学等环节可能造成RNA的降解，针对这种情况，Affymetrix 公司有专门分析福尔马林固定的、石蜡包埋的组织的全基因组表达的芯片GeneChip(R) Human X3P Array，该芯片设计的每个基因的探针，都更靠近mRNA 3'端位置，因为mRNA越靠近3'端越稳定。
对于医学样品的分组，临床上对疾病、行为等的诊断、分类的公认标准是转录分析中对样本分组的必不可少的参考，比如肿瘤样本的病理学判读、血液分析中的各种参数、心脑血管分析中的各种参数、精神类疾病诊断中的行为学参数等。
优秀的高级别的科学论文，往往在样本分组分类上非常严格，描述很清晰，篇幅很大。
没有合格样本及没有合格样本分组，任何下游分析技术都无法得出有价值数据。
5. 候选基因表达分析技术。
在实际研究中，经常会遇到两类转录分析，全基因组表达分析与候选基因表达分析。
应该说，只有通过全基因组表达分析，才能了解特定生命过程相关的所有基因表达，从中鉴定出特定生命过程的关键候选基因（如转录因子）及相关基因的网络、信号通路。
关于候选基因表达分析技术，在实时定量PCR技术独领风骚很多年后，新的技术不断冲击，包括Affymetrix公司的Branch-DNA技术。
该技术在分析基因表达时，不是基于将模板进行PCR扩增的原理，而是检测杂交于特异基因的一组特异探针的信号，避免了PCR过程引发的很多问题，而且可以进行单基因表达分析或3-36个基因表达的多重分析。
本期基因快讯有专门介绍Branch-DNA技术的文章。
相信Branch-DNA技术很快会成为候选基因表达分析的主流技术。
总之，Affymetrix全基因组表达谱芯片等技术被广泛应用于人类和动物生命科学的基础研究中，如鉴定发育、生长、分裂、分化、细胞凋亡、信号转导等重要生命过程的相关基因，鉴定疾病相关基因。
大量的研究正在利用基因芯片技术鉴定癌症发生发展和转移的基因，对癌症进行分子分类/分期，寻找癌症分子机制的关键分子，为癌症诊断筛选重要标志分子，为癌症治疗筛选重要的靶分子，预后分析等。
而在作物遗传育种领域，针对转基因生物新品种培育，全基因组表达谱芯片等技术也大有作为：1. 高产、抗逆、优质等农业优良性状相关基因的鉴定：每个物种在自然界中都有不同品种，传统育种也产生了很多栽培种。
不同品种、栽培种间性状差异很明显，因此深入分析表型差异的遗传机制，鉴定高产、抗逆、优质等农业优良性状相关基因对转基因育种很重要。
利用中国丰富的种质资源，通过各物种全基因组表达谱芯片技术，可以分析作物各种表型的分子机制，并从数以万计的基因中鉴定农业优良性状相关基因，为转基因作物提供目的基因储备。
Affymetrix可以提供多个物种的全基因组表达芯片，包括：大豆基因组（包括大豆线虫基因组、大豆疫霉菌基因组）、玉米、小麦、大麦、水稻、苜蓿（含固氮菌）、杨树（包括胡杨）、葡萄、西红柿、拟南芥、猪、牛、鸡、甘蔗、棉花、柑橘等。
2. 转基因生物安全的评估：转基因生物安全的评估需要从多层次综合进行，系统比较基因修饰作物与传统育种作物是必须的。
国际上这方面的评估正在形成相关理论技术体系，具体包括：基因组层次（转进去的目的基因是否对作物基因组稳定性产生影响），转录组层次（从基因转录水平上评估转进去的目的基因及其表达是否对作物全基因组表达产生影响），蛋白组层次（转进去的目的基因的蛋白产物是否对作物蛋白组学特征产生影响）。
其他包括代谢组层次，功能特征分析等。
转录组学层次的分析是至关重要的，而且技术相当成熟。
已经有科学家做了初步研究，结果显示：传统育种的大豆不同栽培品种间基因表达是有差异的，这也从遗传机制上解释了大豆不同栽培品种间为什么有性状差异；更重要的是，该研究也显示，转基因大豆与其相应的对照栽培种间的基因表达差异非常小，也就是说，转基因大豆与其相应的对照栽培种间的基因表达本质是一致的！拟南芥的相关分析也证明，转基因拟南芥与非转基因拟南芥间的基因表达本质上是一致的！拟南芥在胁迫环境下基因表达的变化远大于转进去的目的基因对拟南芥基因表达的影响！玉米、水稻、小麦、大麦等物种的相关分析也在进行。
当然不同的物种、不同的目的基因对安全的影响可能不一样，安全性评估目前只是开始，大量的评估还需要做，而基于基因表达谱芯片技术的转录组水平的分析是非常重要的技术。
