基因芯片的研究进展论文

1,序列比对(Sequence Alignment) 序列比对的基本问题是比较两个或两个以上符号序列的相似性或不相似性.从生物学的初衷来看,这一问题包含了以下几个意义:从相互重叠的序列片断中重构DNA的完整序列.在各种试验条件下从探测数据(probe data)中决定物理和基因图存贮,遍历和比较数据库中的DNA序列比较两个或多个序列的相似性在数据库中搜索相关序列和子序列寻找核苷酸(nucleotides)的连续产生模式找出蛋白质和DNA序列中的信息成分序列比对考虑了DNA序列的生物学特性,如序列局部发生的插入,删除(前两种简称为indel)和替代,序列的目标函数获得序列之间突变集最小距离加权和或最大相似性和,对齐的方法包括全局对齐,局部对齐,代沟惩罚等.两个序列比对常采用动态规划算法,这种算法在序列长度较小时适用,然而对于海量基因序列(如人的DNA序列高达109bp),这一方法就不太适用,甚至采用算法复杂性为线性的也难以奏效.因此,启发式方法的引入势在必然,著名的BALST和FASTA算法及相应的改进方法均是从此前提出发的. 2, 蛋白质结构比对和预测 基本问题是比较两个或两个以上蛋白质分子空间结构的相似性或不相似性.蛋白质的结构与功能是密切相关的,一般认为,具有相似功能的蛋白质结构一般相似.蛋白质是由氨基酸组成的长链,长度从50到1000~3000AA(Amino Acids),蛋白质具有多种功能,如酶,物质的存贮和运输,信号传递,抗体等等.氨基酸的序列内在的决定了蛋白质的3维结构.一般认为,蛋白质有四级不同的结构.研究蛋白质结构和预测的理由是:医药上可以理解生物的功能,寻找dockingdrugs的目标,农业上获得更好的农作物的基因工程,工业上有利用酶的合成.直接对蛋白质结构进行比对的原因是由于蛋白质的3维结构比其一级结构在进化中更稳定的保留,同时也包含了较AA序列更多的信息.蛋白质3维结构研究的前提假设是内在的氨基酸序列与3维结构一一对应(不一定全真),物理上可用最小能量来解释.从观察和总结已知结构的蛋白质结构规律出发来预测未知蛋白质的结构.同源建模(homology modeling)和指认(Threading)方法属于这一范畴.同源建模用于寻找具有高度相似性的蛋白质结构(超过30%氨基酸相同),后者则用于比较进化族中不同的蛋白质结构.然而,蛋白结构预测研究现状还远远不能满足实际需要. 3, 基因识别,非编码区分析研究. 基因识别的基本问题是给定基因组序列后,正确识别基因的范围和在基因组序列中的精确位置.非编码区由内含子组成(introns),一般在形成蛋白质后被丢弃,但从实验中,如果去除非编码区,又不能完成基因的复制.显然,DNA序列作为一种遗传语言,既包含在编码区,又隐含在非编码序列中.分析非编码区DNA序列目前没有一般性的指导方法.在人类基因组中,并非所有的序列均被编码,即是某种蛋白质的模板,已完成编码部分仅占人类基因总序列的3~5%,显然,手工的搜索如此大的基因序列是难以想象的.侦测密码区的方法包括测量密码区密码子(codon)的频率,一阶和二阶马尔可夫链,ORF(Open Reading Frames),启动子(promoter)识别,HMM(Hidden Markov Model)和GENSCAN,Splice Alignment等等. 4, 分子进化和比较基因组学 分子进化是利用不同物种中同一基因序列的异同来研究生物的进化,构建进化树.既可以用DNA序列也可以用其编码的氨基酸序列来做,甚至于可通过相关蛋白质的结构比对来研究分子进化,其前提假定是相似种族在基因上具有相似性.通过比较可以在基因组层面上发现哪些是不同种族中共同的,哪些是不同的.早期研究方法常采用外在的因素,如大小,肤色,肢体的数量等等作为进化的依据.近年来较多模式生物基因组测序任务的完成,人们可从整个基因组的角度来研究分子进化.在匹配不同种族的基因时,一般须处理三种情况:Orthologous: 不同种族,相同功能的基因；Paralogous: 相同种族,不同功能的基因；Xenologs: 有机体间采用其他方式传递的基因,如被病毒注入的基因.这一领域常采用的方法是构造进化树,通过基于特征(即DNA序列或蛋白质中的氨基酸的碱基的特定位置)和基于距离(对齐的分数)的方法和一些传统的聚类方法(如UPGMA)来实现. 5, 序列重叠群(Contigs)装配 根据现行的测序技术,每次反应只能测出500 或更多一些碱基对的序列,如人类基因的测量就采用了短枪(shortgun)方法,这就要求把大量的较短的序列全体构成了重叠群(Contigs).逐步把它们拼接起来形成序列更长的重叠群,直至得到完整序列的过程称为重叠群装配.从算法层次来看,序列的重叠群是一个NP-完全问题. 6, 遗传密码的起源 通常对遗传密码的研究认为,密码子与氨基酸之间的关系是生物进化历史上一次偶然的事件而造成的,并被固定在现代生物的共同祖先里,一直延续至今.不同于这种"冻结"理论,有人曾分别提出过选择优化,化学和历史等三种学说来解释遗传密码.随着各种生物基因组测序任务的完成,为研究遗传密码的起源和检验上述理论的真伪提供了新的素材. 7, 基于结构的药物设计 人类基因工程的目的之一是要了解人体内约10万种蛋白质的结构,功能,相互作用以及与各种人类疾病之间的关系,寻求各种治疗和预防方法,包括药物治疗.基于生物大分子结构及小分子结构的药物设计是生物信息学中的极为重要的研究领域.为了抑制某些酶或蛋白质的活性,在已知其蛋白质3级结构的基础上,可以利用分子对齐算法,在计算机上设计抑制剂分子,作为候选药物.这一领域目的是发现新的基因药物,有着巨大的经济效益. 8.生物系统的建模和仿真 随着大规模实验技术的发展和数据累积，从全局和系统水平研究和分析生物学系统，揭示其发展规律已经成为后基因组时代的另外一个研究 热点-系统生物学。目前来看，其研究内容包括生物系统的模拟（Curr Opin Rheumatol，2007，463-70），系统稳定性分析（Nonlinear Dynamics Psychol Life Sci，2007，413-33），系统鲁棒性分析（Ernst Schering Res Found Workshop， 2007，69-88）等方面。以SBML（Bioinformatics，2007，1297-8）为代表的建模语言在迅速发展之中，以布尔网络 （PLoS Comput Biol，2007，e163）、微分方程（Mol Biol Cell，2004，3841-62）、随机过程（Neural Comput，2007，3262-92）、离散动态事件系统等（Bioinformatics，2007，336-43）方法在系统分析中已经得到应 用。很多模型的建立借鉴了电路和其它物理系统建模的方法，很多研究试图从信息流、熵和能量流等宏观分析思想来解决系统的复杂性问题（Anal Quant Cytol Histol，2007，296-308）。当然，建立生物系统的理论模型还需要很长时间的努力，现在实验观测数据虽然在海量增加，但是生物系统的模型辨 识所需要的数据远远超过了目前数据的产出能力。例如，对于时间序列的芯片数据，采样点的数量还不足以使用传统的时间序列建模方法，巨大的实验代价是目前系 统建模主要困难。系统描述和建模方法也需要开创性的发展。 9.生物信息学技术方法的研究 生物信息学不仅仅是生物学知识的简单整理和、数学、物理学、信息科学等学科知识的简单应用。海量数据和复杂的背景导致机器学习、统 计数据分析和系统描述等方法需要在生物信息学所面临的背景之中迅速发展。巨大的计算量、复杂的噪声模式、海量的时变数据给传统的统计分析带来了巨大的困难， 需要像非参数统计（BMC Bioinformatics，2007，339）、聚类分析（Qual Life Res，2007，1655-63）等更加灵活的数据分析技术。高维数据的分析需要偏最小二乘（partial least squares，PLS）等特征空间的压缩技术。在计算机算法的开发中，需要充分考虑算法的时间和空间复杂度，使用并行计算、网格计算等技术来拓展算法的 可实现性。 10, 生物图像 没有血缘关系的人，为什么长得那么像呢？ 外貌是像点组成的，像点愈重合两人长得愈像，那两个没有血缘关系的人像点为什么重合？ 有什么生物学基础？基因是不是相似？我不知道，希望专家解答。 11, 其他 如基因表达谱分析,代谢网络分析;基因芯片设计和蛋白质组学数据分析等,逐渐成为生物信息学中新兴的重要研究领域;在学科方面,由生物信息学衍生的学科包括结构基因组学,功能基因组学,比较基因组学,蛋白质学,药物基因组学,中药基因组学,肿瘤基因组学,分子流行病学和环境基因组学,成为系统生物学的重要研究方法.从现在的发展不难看出,基因工程已经进入了后基因组时代.我们也有应对与生物信息学密切相关的如机器学习,和数学中可能存在的误导有一个清楚的认识.

1998 年底美国科学促进会将基因芯片技术列为 1998 年度自然科学领域十大进展之一，足见其在科学史上的意义。现在，基因芯片这一时代的宠儿已被应用到生物科学众多的领域之中。它以其可同时、快速、准确地分析数以千计基因组信息的本领而显示出了巨大的威力。这些应用主要包括基因表达检测、突变检测、基因组多态性分析和基因文库作图以及杂交测序等方面。在基因表达检测的研究上人们已比较成功地对多种生物包括拟南芥（ Arabidopsis thaliana ）、酵母(Saccharomyces cerevisiae)及人的基因组表达情况进行了研究，并且用该技术（共 157,112 个探针分子）一次性检测了酵母几种不同株间数千个基因表达谱的差异 。实践证明基因芯片技术也可用于核酸突变的检测及基因组多态性的分析，例如对人 BRCA Ⅰ基因外显子11、 CFTR 基因 、β - 地中海贫血 、酵母突变菌株间 、 HIV-1 逆转录酶及蛋白酶基因（与 Sanger 测序结果一致性达到 98% ） 等的突变检测，对人类基因组单核苷酸多态性的鉴定、作图和分型 ，人线粒体 基因组多态性的研究 [24] 等。将生物传感器与芯片技术相结合，通过改变探针阵列区域的电场强度已经证明可以检测到基因（ ras 等）的单碱基突变 。此外，有人还曾通过确定重叠克隆的次序从而对酵母基因组进行作图。杂交测序是基因芯片技术的另一重要应用。该测序技术理论上不失为一种高效可行的测序方法，但需通过大量重叠序列探针与目的分子的杂交方可推导出目的核酸分子的序列，所以需要制作大量的探针。基因芯片技术可以比较容易地合成并固定大量核酸分子，所以它的问世无疑为杂交测序提供了实施的可能性，这已为实践所证实。在实际应用方面，生物芯片技术可广泛应用于疾病诊断和治疗、药物筛选、农作物的优育优选、司法鉴定、食品卫生监督、环境检测、国防、航天等许多领域。它将为人类认识生命的起源、遗传、发育与进化、为人类疾病的诊断、治疗和防治开辟全新的途径，为生物大分子的全新设计和药物开发中先导化合物的快速筛选和药物基因组学研究提供技术支撑平台。 由于所有药物（或兽药）都是直接或间接地通过修饰、改变人类（或相关动物）基因的表达及表达产物的功能而生效，而芯片技术具有高通量、大规模、平行性地分析基因表达或蛋白质状况（蛋白质芯片）的能力，在药物筛选方面具有巨大的优势。用芯片作大规模的筛选研究可以省略大量的动物试验甚至临床，缩短药物筛选所用时间，提高效率，降低风险。随着人类基因图谱的绘就，基因工程药物将进入一个大发展时期，在基因工程药物的研制和生产中，生物芯片也有着较大的市场。以基因工程胰岛素为例，当我们把人的胰岛素基因转移到大肠杆菌细胞后，我们就需要用某种方法对工程菌的基因型进行分析，以便确证胰岛素基因是否转移成功。过去人们采取的方法叫做“限制性片段长度多态性”（简称RELP），这种方法非常地烦琐复杂，在成本和效率方面都不如基因芯片，今后被芯片技术取代是必然的趋势。通过使用基因芯片筛选药物具有的巨大优势决定它将成为本世纪药物研究的趋势。 包括基因表达检测、寻找新基因、杂交测序、基因突变和多态性分析以及基因文库作图以及等方面。1、基因表达检测。人类基因组编码大约10万个不同的基因，仅掌握基因序列信息资料，要理解其基因功能是远远不够的，因此，具有监测大量mRNA（信使RNA，可简单理解为基因表达的中介物）的实验工具很重要。有关对芯片技术检测基因表达及其敏感性、特异性进行的研究实验表明芯片技术易于监测非常大量的mRNAs并能敏感地反映基因表达中的微小变化。利用基因芯片技术人们已比较成功地对多种生物包括拟南芥、酵母及人的基因组表达情况进行了研究，并且用该技术（共157,112个探针分子）一次性检测了酵母几种不同株间数千个基因表达谱的差异。2、寻找新基因。有关实验表明在缺乏任何序列信息的条件下，基因芯片也可用于基因发现，如HME基因和黑色素瘤生长刺激因子就是通过基因芯片技术发现的。3、DNA测序。人类基因组计划的实施促进了更高效率的、能够自动化操作的测序方法的发展，芯片技术中杂交测序技术及邻堆杂交技术即是一种新的高效快速测序方法。如使用美国Affymetrix公司1998年生产出的带有万个基因探针的芯片就可以使人类DNA解码速度提高了25倍。4、核酸突变的检测及基因组多态性的分析。有关实验结果已经表明DNA芯片技术可快速、准确地研究大量患者样品中特定基因所有可能的杂合变异。对人类基因组单核苷酸多态性的鉴定、作图和分型，人线粒体基因组多态性的研究等。随着遗传病与癌症相关基因发现数量的增加，变异与多态性分析必将越来越重要。