生物芯片分析Microarray Analysis影印版((美)M.谢纳著)思维导图
生物芯片应用生物芯片检测细胞中microRNA的表达
1.2 miRNA 芯片的制备
所用的210 个寡核苷酸探针为mirVanaTM miRNA Probe Set试 剂盒(Ambion) , 其中206 个与已知的人类和小鼠miRNA 序列互补, 4 个为阳性对照。3×SSC 点样缓冲液溶解探针至50 μmol /L, 用 SpotArrayTM 24 基因芯片点样仪( Perkin Elmer) 印制于 SuperChipTMⅠ(PerkinElmer) 玻片表面, 制成miRNA 寡核苷酸芯 片。每次杂交前进行水合、干燥等点样后处理。
实验中用荧光标记的miRNA 直接与miRNA 检测芯片杂交, 检测发现 6种细胞系有各自不同的miRNA 表达谱。实验检测到miR- 21 在6 种肿瘤 细胞中的表达水平均较高,这与文献报道的miR- 21 在70%的肺癌和70% 的结直肠癌患者中表达上调一致[6]。Iorio 等[7]也发现, miR- 21 在乳腺 癌中表达明显上调, 而且在一定程度上可以显示肿瘤的恶性程度。miRNA 集簇存在是其一个显著特征, 我们检测到miR-17- 5p 与miR- 20a的表达 水平类似, 而也有文献报道miR- 17- 5p 与miR- 20a 及其他4 种miRNA 成 集簇存在于人类第13 号染色体上[8]。O'Donnell等[9]通过染色质免疫沉 淀实验, 发现c-Myc 可直接与miR- 17- 5p集簇位点结合, 激活其表达, 提 示这一miRNA 的表达可能和肿瘤的发生存在某种关联。MCF- 7 和HeLa 分别来源于人类乳腺和宫颈, 它们发育起源类似, 共同起源于胚胎内胚层。 我们检测到MCF- 7 和HeLa 细胞miRNA 的表达谱聚为一类。提示在哺乳 动物体内特殊的miRNA 有可能参与维持胚胎早期发生过程中的多潜能细 胞状态[10], 在器官和组织的发育、形成中发挥重要调控作用。
第六章 芯片的数据分析
Normalization的方法有多种，包括中值法、 的方法有多种，包括中值法、 的方法有多种 总体信号强度法以及指定使用芯片上的某些点 来对数据作标准化； 来对数据作标准化； 用一组内参照基因（如一组看家基因） 用一组内参照基因（如一组看家基因）校正 Microarray所有的基因、阳性基因、阴性基 所有的基因、 所有的基因 阳性基因、 单个基因。 因、单个基因。 标准化的结果以Excel表格的形式输出，并得 表格的形式输出， 标准化的结果以 表格的形式输出 到两种荧光信号标准化后的比值。 到两种荧光信号标准化后的比值。通过比值的 大小（大于2或小于 或小于0.5）就可知道该基因的表 大小（大于 或小于 ） 达是上调还是下调
Microarray数据库
基因表达数据库是整个基因表达信息分析管理系统的 核心。 核心。 Microarray数据库起着数据储存和查询、各种相关信 数据库起着数据储存和查询、 数据库起着数据储存和查询 息的整合的作用。 息的整合的作用。 Microarray数据库可以包含用户的管理信息、原始实 数据库可以包含用户的管理信息、 数据库可以包含用户的管理信息 验结果（图象文件、信号强度值、背景平均值行列号、 验结果（图象文件、信号强度值、背景平均值行列号、 基因号等）、各种实验参数（ ）、各种实验参数 基因号等）、各种实验参数（Plates/unigene /Sets/Clusters）、探针相关信息、 clone相关信息 ）、探针相关信息 ）、探针相关信息、 相关信息 基因名称、基因序列、 （基因名称、基因序列、GenBank accession号、克 号 隆标志符（ 和内部）、代谢途径标志符、 隆标志符（IMAGE和内部）、代谢途径标志符、内部 和内部）、代谢途径标志符 克隆标志符）、分析处理结果、 ）、分析处理结果 克隆标志符）、分析处理结果、芯片设计相关的资源 和数据， 和数据，等等
微阵列资料分析(Microarray Data Analysis)
微陣列資料分析(Microarray Data Analysis)蔡政安副教授前言在人類基因體定序計劃的重要里程碑陸續完成之後，生命科學邁入了一個前所未有的新時代，在人類染色體總長度約三十億個鹼基對中，約含有四萬個基因，這是生物學家首次以這麼宏觀的視野來檢視生命現象，而醫藥上的研究方針亦從此改觀，科學研究從此正式進入後基因體時代。
微陣列實驗(Microarray) 及其它高產能檢測(high-throughput screen) 技術的興起，無疑將成為本世紀的主流；微陣列實驗主要的優勢再於能同時大量地、全面性地偵測上萬個基因表現量，透過基因晶片，可在短時間內找出可能受疾病影響基因，作為早期診斷的生物指標(biomarker)。
然而，由於這一類技術的高度自動化、規模化及微型化的特性，使得他們所生成的資料量非常龐大且資料型態比一般實驗數據更加複雜，因此，傳統統計分析方法已經不敷使用。
在此同時，統計學家並未在此重要時刻缺席，提出非常多新的統計理論和方法來分析微陣列實驗資料，也廣受生物學家所使用。
由於微陣列資料分析所牽涉的統計問題層面相當廣且深入，本文僅針對整個實驗中所衍生的統計問題加以介紹，並介紹其中一些新的圖形工具用以呈現分析結果。
基因晶片的原理微陣列晶片即一般所謂的基因晶片，也是基因體計畫完成後衍生出來的產品，花費成本雖高，但效用無限，是目前所有生物晶片中應用最廣的，由於近年來不斷改進，也是最有成效的生物技術。
一般而言，基因晶片是利用微處理技術，先把人類所有的基因分別固著在一小範圍的玻璃片(glass slide)、薄膜(membrane)或者矽晶片上；然後，可以平行地、大量地、全面性地偵測基因體中mRNA的量，也就是偵測基因的調控及相互作用表現。
目前微陣列晶片大致分為以下兩種平台(如圖一) : cDNA 晶片及高密度寡核甘酸晶片(high-density oligonucleotide)，兩種系統無論在晶片的製程及樣本處理上皆有相當的差異，因此在分析上也略有不同，以下便就晶片的特性約略介紹。
第十三章 生物芯片及数据分析技术
酶标记（如辣根过氧化物酶HRP、碱性磷酸酶AP） 荧光标记（常用Cy3和Cy5） 化学发光物质标记（如吖啶酯）等
分子间的反应
• 主要有： ①抗原-抗体反应 ②蛋白质分子与其它蛋白分子或与核酸分子之 间的特异性识别结合 ③酶与底物的识别等 • 通过优化合适的反应条件使生物分子间反应处 于最佳状况中，可以减少生物分子之间的错配 比率。
以表达谱芯片为例： I. 提取样本组织细胞中的mRNA（样本要新鲜并有代表性） II. 对提取的mRNA进行纯化 III. 逆转录合成cDNA（可进行PCR以提高灵敏度） IV. 以双链cDNA为模板进行体外转录（荧光标记在此渗入）
③ 分子杂交
——是已标记的样品与芯片上的探针进行反应后产生一系 列信息的过程。 与传统的核酸分子杂交相同，但要求更高： 选择合适的反应条件、减少生物分子之间的错配率。 考虑杂交反应体系中盐浓度、探针GC含量和所带电荷、 探针与芯片之间连接臂的长度及种类、检测基因的二级结 构的影响。
深入分析：涉及Gq蛋白激活的花生四烯酸-HETEs 代谢通路
蛋白分子相互作用分析
常用数据库： • STRING 、pSTIING等
String9.05在线分析
pSTIING在线分析
单基因分析
常用数据库： • 美国国家生物技术信息中心（NCBI） • 欧洲生物信息研究所（EBI）
蛋白质芯片技术
每个探针点的Flag值/Call值：表达谱芯片中常用A、 P、M来表示该探针点信号与背景信号的差异 ——A-Absent：无显著性差异 P-Present：有显著性差异 M-Marginal：差异介于A和P之间 ——要求比较的两组，至少有一组内不出现A
芯片数据提取与分析微阵列生物芯片...
摘要生物芯片技术是二十世纪出现的最具有时代特征的一项革命性技术它用承载有成千上万种DNA和蛋白序列的厘米见方的固体芯片取代了传统生物分析中所用的凝胶滤器和纯化柱它的出现对生物农业医学领域乃至整个人类生活健康的各个方面带来了巨大的影响生物芯片技术的作用就像生物微处理器能够在基因组规模上对基因表达谱病人基因型药物代谢疾病的发生和进展过程进行快速和定量的分析生物芯片检测技术对生物学的发展具有革命性的意义通过应用生物芯片扫描仪人们能够自动读取生物芯片上的信息在短短几分钟内获取大量的数据而在以前要读取这些数据需要几个月甚至几年的时间在荧光检测技术中体现生化反应程度的荧光由生物芯片扫描仪中的激光激发并通过光电倍增管或CCD相机捕获形成数字图像此图像即是生物芯片实验分析的原始数据因此生物芯片扫描仪性能以及对原始图像的处理效果将对后续分析具有重要影响本课题来源于生物芯片北京国家工程研究中心所承担的十五国家863计划生物芯片专项的研发项目微阵列生物芯片扫描仪的研制该项目致力于研制基于CCD相机和激光扫描显微镜结构的国产化生物芯片检测仪器目标是研制出价格低廉性能优良的国产生物芯片检测系统样机能使用该仪器进行临床疾病诊断分析本文首先介绍了有关生物芯片的基本概念和几种常用的生物芯片检测技术其中重点介绍了生物芯片的荧光检测技术然后探讨了生物芯片和生物芯片激光共聚焦扫描仪的工作原理以及目前国内外研发的最新进展接着阐述了我们选用的设计方案并且给出了仪器的原理图和结构图着重介绍了自制生物芯片激光共聚焦扫描仪系统的硬件电路及其相应嵌入式软件的设计在本文的最后我们对扫描仪的线性度灵敏度和重复性等性能指标进行了测试结果表明此生物芯片扫描仪是一台高性能的检测系统关键词生物芯片生物芯片扫描仪微阵列信号检测AbstractThe magic of biochip analysis is sweeping through the agricultural and medical sciences, replacing traditional biological assays based on gels, filters, and purification columns with small glass chips containing tens of thousands of DNA and protein sequences. Biochip function like biological microprocessors, enabling the rapid and quantitative analysis of gene expression patterns, patient genotypes, drug mechanisms, and disease onset and progression on a genomic scale. Biochip detection instruments are revolutionizing biology. These ingenious devices allow biochips to be read in an automated fashion, providing an amount of data in a few minutes that would have taken months or even years to acquire with antecedent technologies.In this technique, fluorescence intensities, which reflect the degree of biochemical reaction, are detected by imaging the array with a laser and capturing the image with a photomultiplier tube or a CDD camera, resulting in the production of digital images. The images from the reaction arrays constitute the essential raw data for biochip. Therefore, biochip scanner and robust image processing are particularly important and have large impacts on downstream analysis.This project is come from National Engineering Research Center for Beijing Biochip Technology. The project is supported by “863” project on biochip, which is studying on laser confocal biochip scanner and CCD biochip scanner. The target is working out a cheap and work well laser confocal biochip scanner, which can be used in clinic diagnosis. In this paper, the basic concepts and general application flows of biochip technology are introduced, including the detailed principles of fluorescence detections for biochip. We discuss the principle of biochip scanner and the latest development and research in the world; we also introduce our design of biochip including its principle figures and structure figures. We introduce in detail that the system’s hardware and the embedded software. The performances, including linearity, sensitivity, repeatability and so on, are tested with special methods. This biochip scanner is a high performance detection system.Keywords: Biochip Biochip scanner Microarray Signal detection1 绪论1.1生物芯片技术1.1.1生物芯片技术生物芯片biochip的概念来自计算机芯片发展至今不过十几年时间但进展神速它是指能对生物分子进行快速并行处理和分析的指甲盖大小的薄型固体器件[1]生物芯片能够以生物学上史无前例的快速度和精确性来研究生物的基因组信息其发展的最终目标是将生命科学和医学研究中许多不连续的分析过程包括样品制备生化反应及检测分析等集成到由一块或多块芯片构成的芯片实验室Lab-on-a-chip[1]或微型全分析系统micro total analytical system, μTAS[2]中自从1991年Fodor[3]等人提出DNA芯片的概念后近年来以DNA芯片为代表的生物芯片技术[4]~[7]得到了迅猛发展目前已有多种不同功用的芯片问世而且有的已经在生命科学研究中开始发挥重要作用生物芯片按功能分有基因测序芯片[8]表达谱芯片疾病诊断芯片[9]药物筛选芯片样品制备芯片[10]生化反应芯片[11]结果检测芯片[12]等按工作方式分有被动式芯片和主动式芯片[1]两种根据芯片结构和工作机理分为微阵列Microarray芯片和微流体Microfluidic芯片[13] [14]前者是由排成阵列形式的生物分子包括核酸蛋白质等构成其分析应用原理都是基于抗原和抗体的结合核酸分子的碱基互补作用等生物分子之间的亲和作用力所以也可通称为亲和型生物芯片后者则是以各种微管道网络为结构特征用来实现对包含生化组份微流体的控制和检测分析包括常见的毛细管电泳芯片[15][16]PCR反应芯片[11]介电电泳分离芯片[17][18][19]等本文谈到的生物芯片为微阵列生物芯片微阵列生物芯片是指采用光导原位合成或微量点样等方法将大量生物大分子比如核酸片段多肽分子甚至组织切片细胞等生物样品有序地固化于支持物如玻片尼龙膜等载体的表面组成密集二维分子排列然后与已标记的待测生物样品中靶分子反应反应结果用同位素法化学荧光法化学发光法或酶标法显示然后用精密的扫描仪或CCD 摄像技术记录通过计算机软件分析综合成可读的IC总信息从而判断样品中靶分子的数量[20][21]根据芯片上固定的探针不同微阵列芯片分为基因芯片蛋白质芯片细胞芯片组织芯片等微阵列生物芯片的检测过程如图1.1所示图1.1 微阵列生物芯片的检测过程因为基因表达的模式和它们的功能密切相关因此微阵列生物芯片为研究人类衰老药物反应激素反应脑疾病膳食及其他临床相关研究提供了史无前例的信息微阵列生物芯片技术也能用来检测基因序列的改变因而为在遗传筛选测试诊断领域建立新方法扫清了道路组织芯片和蛋白芯片正在对传统的组织免疫和生化分析进行微型化改造加速了人们对肿瘤分类蛋白-蛋白反应酶活性的分析由于微阵列生物芯片技术具有研究细菌病毒线虫果蝇植物奶牛鸡小鼠大鼠及灵长目基因组的能力它正在成为生物化学领域研究的诺亚方舟1.1.2生物芯片技术的历史基础生物芯片技术的出现在生物学发展的历史上是独特的因为还没有其它的技术把如此多的学科结合在一起并且能对生物体系提供定量和系统的分析20世纪90年代早期在斯坦福大学[22]发展起来的生物芯片技术主要结合了六门学科的内容它们是生物学化学物理学工程学数学和计算机科学下面从生物学的角度来观察生物芯片技术在历史发展过程中的继承性早在1949年Pauling及其同事就描述了基因突变改变的蛋白质和疾病之间的关系Pauling的实验表明患有镰刀型贫血症的病人红细胞中的血红蛋白较健康人的在凝胶电泳分析时迁移距离不一样Pauling等人把这种现象正确地解释为两者的血红蛋白表面电荷不一致通过调查比较正常个体镰刀型贫血症基因携带者和患病者Pauling等人认为血红蛋白编码基因的变化是引起血红蛋白改变的原因随后的基因测序证明了这一点Pauling等人发表的论文为人类疾病的分子遗传分析铺平了道路也为现在的生物芯片技术在遗传筛选检测和诊断领域的应用奠定了概念上的基础在Science杂志上发表的这篇有关血红蛋白的论文是生物芯片技术历史基础上的一个里程碑Watson和Crick于1953年在Nature杂志上发表的一篇杰出的论文中预测了DNA 分子的化学结构通过使用结构化学和模型的数据作者正确地推测DNA分子包含两条方向相反的链两条链通过碱基之间的氢键力结合在一起Watson和Crick还建议了特异的碱基配对法则A-T和 C-G以及磷酸基团分布在外部的双螺旋结构随后的生化和结构研究证实了这些预测Watson Crick和Wilkins由于发现了核酸的分子结构以及核酸在生物体中传递信息的重要性而分享了1962年的诺贝尔奖双螺旋结构的发现是十九世纪科学发现最重要的突破之一也是现今生物芯片技术中杂交反应的化学基础DNA和RNA聚合酶能把核苷酸连接起来合成DNA和RNA链20世纪50年代圣路易斯华盛顿大学的Kornberg及其同事受到Cori实验室有关糖原磷酸化酶工作的启发发现了DNA聚合酶随后Cori的另外一名学生Ochoa又发现了RNA聚合酶的活性Kornberg和Ochoa由于发现了核酸和脱氧核酸生物合成的机制而荣获1959年的诺贝尔奖聚合酶证明有很多实际的应用包括作为DNA重组聚合酶链反应PCR和微阵列分析中的关键酶聚合酶的发现在生物学的发展史上有着非常重要的意义一个特殊的DNA聚合酶是反转录酶它能以RNA为模板来合成DNA这个酶的活性是1970年由Baltimore Temin和Mizutani发现的他们结合DNA聚合酶分析和放射性同位素标记的方法发现在劳氏肉瘤病毒和其他RNA病毒合成过程中有反转录酶出现反转录酶含有核酸酶的活性以及在RNA病毒合成过程中必须有反转录酶的出现都表明有来自病毒的RNA作为模板以后的研究证明了这一点反转录酶的发现是出乎意料带有戏剧性的因为它看上去和当时认为的遗传信息应该从DNA流向RNA而不能逆向流动的观点是相反的Baltimore Temin和Dulbecco由于发现了肿瘤病毒和细胞遗传物质之间的相互作用而荣获1972年的诺贝尔奖反转录酶有很多实际上的用途包括在第一次生物芯片芯片实验中用作标记的酶[23]在20世纪70年代斯坦福大学的研究者研究了基于硝酸纤维素膜和尼龙膜的许多应用途径这些方法为二十年后生物芯片技术的建立提供了基本的理论基础1975年斯坦福大学的Crunstein和Hogness发表了第一篇描述生物芯片的论文作者采用了硝酸纤维素膜点上细菌克隆的方法来分离果蝇基因他们发表的文章也表明了在DNA杂交实验中行和列的重要性斯坦福大学的Davis及其合作者也用硝酸纤维素膜来检测细菌的噬菌斑类似的工作也用在高等生物中鉴别了第一个差异性表达的基因哈佛大学的Maxam和Gilbert以及MRC中心的Sanger和合作者在1977年分别独立地发明了DNA测序方法Gilbert和Sanger由于他们在确定核酸碱基序列上的贡献而分享1980年诺贝尔奖Sanger化学方法被用来对人的基因组进行测序测序得到的数据信息又被用来构建DNA生物芯片1980年的诺贝尔化学奖被授予给斯坦福大学的Berg由于他对核酸生化性质的基础研究特别是在重组DNA方面所作的工作Berg及其合作者建立的DNA重组技术是20世纪最重要的科技进步之一并且显示出很多实际的应用包括现在生物芯片技术中用到的克隆文库的制备DNA聚合酶发现后引发的另一革命性发明是20世纪80年代早期Cetus公司的Mullis及其同事发明的PCR技术PCR技术可以从少量的遗传物质中制备数以百万计的DNA拷贝确保可以从任何生物样品中对任何一个基因进行DNA分析PCR 技术在生物芯片样品制备过程和生物芯片用于诊断过程中都有广泛的应用荧光染料数十年来一直用于生物膜的检测包括Waggoner和Stryer在20世纪70年代做的早期研究而后在20世纪90年代早期有人将花青素cyanine这种染料用于DNA探针的酶促制备过程Pinkel及其同事在20世纪80年代和90年代早期发明了双色标记和检测方法用于染色体分析以上在荧光和荧光显微镜方面所做的工作为现在的生物芯片技术中荧光标记和荧光检测的应用奠定了基础在玻片上进行的初期的杂交反应是20世纪80年代晚期和90年代早期由Mirzabekov及其合作者在莫斯科Fodor及其合作者1991年在Affymax公司Maskos 和Southern1992年在牛津大学Eggers及其合作者在Baylor Smith及其合作者在美国威斯康星大学分别进行的在Imperial Cancer Research Fund (ICRF)工作的Hans Lehrach及其同事在20世纪80年代后期开创性地把机械手用于DNA阵列的快速制备他们使用固体针在尼龙膜上点入基因组DNA克隆制备了较大的阵列尽管他们制备的阵列还比较大但他们的工作表明机械手可以用于阵列的制备高精度的运动控制系统可广泛地用于光引导原位合成接触式点样和喷墨式点样1.2 生物芯片的使用生物芯片的使用过程一般来说包括如图1.2所示的几个步骤样品处理目标分子富集转录文库制备增扩标记数据处理放射显影光化学电化学活性酶促反应综合信息分析检测洗涤分子间反应或杂交芯片制作配体点阵及固定化图 1.2 生物芯片使用过程 1.2.1 样品处理 生物样品往往是非常复杂的生物分子混合体除少数特殊样品外一般不能直接与芯片反应必须将样品进行预处理例如从血液或活组织中获取的DNA/mRNA 样品在标记成为探针以前必须扩增以提高阅读灵敏度[24]根据样品来源基因含量检测方法和分析目的不同采用的分离扩增及标记方法也不同为了获得反应信号必须对样品进行标记标记方法有荧光标记法[25]生物素标记法同位素标记法等1.2.2 芯片制作生物芯片的制作需要做三方面的准备准备固定在芯片上的生物分子样品芯片片基和制作生物芯片的仪器研究目的不同期望制作的芯片类型不同制备芯片方法也不尽相同以基因芯片为例基本上可分为两大类一类是原位合成即在支持物表面原位合成寡核苷酸探针适用于寡核苷酸一类是预合成后直接点样多用于大片段DNA有时也用于寡核苷酸甚至mRNA 1光引导原位合成法 AffymaxSanta Clara, CA 的Fodor 和他的同事在微电子工业的光刻技术基础上做了极具创意的改进发明了光引导原位合成法[26]用紫外光和固相化学合成的方法制作微阵列这种发明于上世纪九十年代初期的光引导原位合成方法发展非常迅速已经成为应用最为广泛的微阵列生物芯片制备方法中的一种Affymetrix 公司利用光引导原位合成技术制备核酸微阵列生物芯片2000年售出了超过200 000片用这种方法制作的微阵列生物芯片光引导原位合成前玻片表面先作硅烷化处理使玻片表面上生成活性胺基团然后用第二种含有特殊化学基团methylnitropiperonyloxycarbonyl MeNPOC 的试剂修饰活性胺基团MeNPOC 基团对于各种化学反应试剂都很稳定但可以被强紫外光照射大约30秒后有选择性地去掉MeNPOC 基团能够抑止任何没有紫外光介入下的化学反应因此被称为光保护基团去掉光保护基团后基片去除保护的表面上可以和特定种类的DNA 碱基充分反应微阵列生物芯片表面上的分子与DNA 碱基键合在脱氧核糖的3’位置这个位置上有一个活性氨基磷酸酯基团如图1.3 合成单元活化亲核反应键合重复图 1.3 光导原位合成的化学过程DNA 碱基连在玻片表面上这一过程被称为耦合每一个耦合过的碱基都在其5’羟基位有一个光保护基团如图 1.3用紫外光照射后碱基上的MeNPOC 基团被去掉且可与第二个碱基耦合重复去除掩膜基团耦合新的碱基步骤可以在玻片上合成各种序列的寡聚核苷酸利用光掩膜可以对微阵列生物芯片上特定区域有选择性的去除光保护基团从而在微阵列生物芯片表面的各个位置合成寡聚核苷酸光掩膜是半导体工业中用于生产微处理器用的镀铬模板光掩膜包括表面镀铬的玻璃板以及板上各个没有铬的区域如图1.4铬阻止紫外光通过而没有铬的区域则允许紫外光通过且照射到基片表面上因为掩膜可以加工成涂铬区域和不涂铬区域的不同种组合紫外光可以按照任何顺序照射到基片的各个区域这样可以用一组光掩膜逐步合成各种序列的寡聚核苷酸微阵列每个光掩膜可以在基片的任何位置合成DNA碱基镀铬模板上的单元可以做得很小能够制备点径为2050m的微阵列现在Affymetrix公司可以制备密度大于250000点/cm2的微阵列生物芯片光掩膜紫外光表面修饰有保护基团的基片键合后的碱基图1.4 按光掩膜定义的方式进行键合相比接触式和非接触式点样方法光引导原位合成的主要优势是任何序列的微阵列都可以用4种碱基A, G, C和T来构建用几种试剂代替为微阵列上每个位点制备和储存样品是其一大优势尤其是需要制备复杂的微阵列生物芯片时而劣势是其局限于制备短长度的寡聚核苷酸微阵列< 30个核苷酸光掩膜和微阵列生物芯片的加工成本也相当昂贵但是光引导原位合成法可能是最为经济的制备大量全基因组微阵列生物芯片的方法2点样法点样法是将预先通过液相化学合成好的探针PCR技术扩增后的cDNA或基因组DNA经纯化定量分析后通过由阵列复制器arraying and replicating device ARD 或阵列点样仪arrayer及电脑控制的机器人准确快速地将不同探针样品定量点样于带正电荷的尼龙膜或玻片相应位置上支持物应事先进行特定处理例如以带正电荷的多聚赖酸或氨基硅烷包被再由紫外线交联固定后即得到微阵列生物芯片点样的方式分两种其一为接触式点样[27]即点样针直接与固相支持物表面接触将样品留在固相支持物上其二为非接触式点样即喷点它是以压电原理将样品通过毛细管直接喷至固相支持物表面打印法的优点是探针密度高通常1平方厘米可打印2500个探针缺点是定量准确性及重现性不好打印针易堵塞且使用寿命有限喷印法的优点是定量准确重现性好使用寿命长缺点是喷印的斑点大因此探针密度低通常只有1平方厘米400点点样机器人有一套计算机控制的三维移动装置多个打印/喷印头一个减震底座上面可放内盛探针的多孔板和多个芯片根据需要还可以有温度和湿度控制装置针洗涤装置打印/喷印针将探针从多孔板取出直接打印或喷印于芯片上检验点样仪是否优秀的指标包括点样精度点样速度一次点样的芯片容量样点的均匀性样品是否有交叉污染及设备操作的灵活性简便性等等图1.5所示为点样仪实物图图1.5 点样装置实物图1.2.3 芯片检测芯片结果的判读要依据标记的报告分子的种类来设计判读装置最早是用同位素标记法需经过曝光显影然后用具有寻址功能的扫描仪扫读荧光标记是芯片信息采集中使用最多也是最成功的一种报告标记它没有同位素的使用限制应用激光作为激发光源的共聚焦扫描装置具有极高的分辨能力可以定量测读结果并可以有极高的灵敏度和定位功能目前已被普遍用于芯片杂交结果判读[28]进行平行分析时需要采用两种或更多不同波长的激光来激发2种或2种以上的荧光素来示差显示杂交结果此时氩离子激光器及氦氖激光器是较好的选择例如General Scanning公司的Scan Array 3000是双色荧光标记双激光激发的[29]而其后的Scan Array 4000和5000则是四激光激发四色荧光标记的气体激光器虽然在性能方面有巨大的优势但是其体积较大而且使用寿命短限制了它在扫描仪系统中的使用最新的扫描仪系统中有些使用半导体固体激光器它体积小寿命长价格便宜而且随着科学技术的不断发展半导体固体激光器的性能也在不断提高逐渐接近气体激光器的性能使用半导体固体激光器取代气体激光器是未来生物芯片扫描仪开发的趋势1.2.4 芯片数据提取与分析微阵列生物芯片数据分析简单来说就是对微阵列生物芯片的图像进行处理对图像中斑点的荧光信号进行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荧光斑点的生物学信息微阵列生物芯片在一块片基上集成了数十个至数万个点的识别分子每个点对应于一个基因或一段核酸DNA RNA片断或cDNA序列和反应测定的光密度值对于多色荧光染料标记的芯片还包括了荧光强度的比例信息同时芯片制作的目的制作的条件和方法样品的制备反应条件清洗条件和检测条件等信息均与该芯片对应可见在芯片的制作测定前后都有大量的信息数据需要处理因此需要有一个专门的系统来处理芯片的数据[30]一个完整的芯片数据处理系统应该包括芯片图像分析和数据提取芯片数据的统计学分析目前商用芯片数据处理软件层出不穷并不断有新的软件推出常用的有Axon Instruments公司的GenePix Pro软件Biodiscovery 的ImaGene系列Parkard的QuantArray等微阵列芯片数据提取与分析主要包括图像数据提取芯片数据标准化处理Normalization比率Ratio分析基因聚类分析Gene Clustering[31][32][33]1图像数据提取激光扫描仪扫描芯片得到的Cy3/Cy5图像文件通过图像滤波定位信号斑点提取得到基因表达的荧光信号强度值和背景值最后以列表或矩阵形式输出提取的数据结果由于芯片的制作反应清洗和测定过程中难免灰尘的污染以及测定样品中核酸蛋白质细胞和组织碎片的干扰或者由于芯片扫描仪的噪音往往产生较大的刺峰信号如果不予以消除将影响实验的结果[31] ImaGene采用一种中值过滤器的方法这种方法只能消除较尖细的刺峰干扰对于较粗大的刺峰不能剔除对一些较粗大的背景噪声可以通过对二值化后的图像的进行图像分割计算各分割区域的特征圆度较好并且面积也比较符合指标的区域即可认为是信号点面积太大超过指标的区域或者面积比较大并且圆度指标比较差的区域可以认为是噪声点也有人采用基于模糊数学以及神经网络的数字形态学方法构造不同尺寸不同形状的滤波算子,经腐蚀膨胀等运算提高图像的质量[34][35][36]点样仪在芯片上所点点阵为一个阵列形式但是由于点样的误差这个矩阵形式的点阵会出现一定偏差例如整个点阵的扭曲或点阵中斑点位置的偏移而且由于芯片上较大组织碎片或者灰尘的污染得到图像中会出现尺寸较大且亮度较高的噪声点这些点使用模式识别的方法较难排除因此较多的软件对斑点的识别仍然需要人为干预和帮助最常用的斑点识别方法是在图像中选择需要识别的区域输入芯片阵列的行列数斑点半径和阵列的行列间距由计算机自动产生一个圆圈整列套在芯片图像中使每个圆圈内包括一个斑点由于点阵排列的不完全规则需要手动对单个点进行调整通常的定量程序可以提供不同的确定斑点信号值和背景值的方法可以选择整个斑点区域确定信号强度但因为斑点内像素强度并不一致因此斑点内有效信号像素并不组成一个圆形在精确定量的情况下需要在斑点区域内分离有效信号像素和背景像素[37][38]背景的测量方法也不尽相同对于标准的玻片片基微阵列生物芯片阵列上不同位置的背景水平是不同的因此通常对不同斑点选取不同的背景常以斑点圆形区域外的一个环状区域作为斑点背景区域微阵列生物芯片中阵列各斑点提取的数据有斑点像素均值斑点区域内各像素灰度值的平均斑点的面积斑点区域内像素总数斑点像素中值斑点区域内各像素灰度值的中位值斑点像素标准差斑点区域内像素灰度值的标准差背景像素均值背景像素中值和背景像素标准差等推荐使用斑点区域和背景区域像素灰度的中值作为斑点强度和其背景强度下文中若无特别说明均采用此方法计算斑点强度此外对于双色荧光标记的芯片还需要提取阵列各个斑点2种不同荧光的强度值比[31]图像分析的目的是将扫描得到的微阵列生物芯片图像变成一个斑点强度数据阵列在数据提取完成后必须将各样点的数据输出大部分软件将提取的数据按芯片上点阵排列顺序以TXT文本文件的格式存入磁盘以便供其他的分析处理软件调用或者将此数据集输入到特定的关系型数据库中保存便于进一步的分析处理和查询2芯片数据标准化由于样本差异荧光标记效率和检出率的不平衡需对Cy3和Cy5的原始提取信号进行均衡和修正才能进一步分析实验数据芯片数据标准化正是基于此种。
微阵列数据分析（MicroarrayDataAnalysis）
微阵列数据分析（MicroarrayDataAnalysis）蔡政安副教授（台湾前⾔在⼈类基因组测序计划的重要⾥程碑陆续完成之后，⽣命科学迈⼊了⼀个前所未有的新时代，在⼈类染⾊体总长度约三⼗亿个碱基对中，约含有四万个基因，这是⽣物学家⾸次以这么宏观的视野来检视⽣命现象，⽽医药上的研究⽅针亦从此改观，科学研究从此正式进⼊后基因组时代。
微阵列实验(Microarray)及其它⾼通量检测(high-throughput screen)技术的兴起，⽆疑将成为本世纪的主流；微阵列实验主要的优势在于能同时⼤量地、全⾯性地侦测上万个基因的表达量，通过基因芯⽚，可在短时间内找出可能受疾病影响的基因，作为早期诊断的⽣物标记(biomarker)。
然⽽，由于这⼀类技术的⾼度⾃动化、规模化及微型化的特性，使得他们所⽣成的数据量⾮常庞⼤且数据形态⽐⼀般实验数据更加复杂，因此，传统统计分析⽅法已经不堪使⽤。
在此同时，统计学家并未在此重要时刻缺席，提出⾮常多新的统计理论和⽅法来分析微阵列实验数据，也⼴受⽣物学家所使⽤。
由于微阵列数据分析所牵涉的统计问题层⾯相当⼴且深⼊，本⽂仅针对整个实验中所衍⽣的统计问题加以介绍，并介绍其中⼀些新的图形⼯具⽤以呈现分析结果。
基因芯⽚的原理微阵列芯⽚即⼀般所谓的基因芯⽚，也是基因组计划完成后衍⽣出来的产品，花费成本虽⾼，但效⽤⽆限，是⽬前所有⽣物芯⽚中应⽤最⼴的，由于近年来不断改进，也是最有成效的⽣物技术。
⼀般⽽⾔，基因芯⽚是利⽤微处理技术，先把⼈类所有的基因分别固着在⼀⼩范围的玻璃⽚(glass slide)、薄膜(membrane)或者硅芯⽚上；然后，可以平⾏地、⼤量地、全⾯性地侦测基因组中mRNA的量，也就是侦测基因的调控及相互作⽤表达。
⽬前微阵列芯⽚⼤致分为以下两种平台:cDNA芯⽚及⾼密度寡核⽢酸芯⽚(high-density oligonucleotide)，两种系统⽆论在芯⽚的制备及样本处理上都有相当的差异，因此在分析上也略有不同，以下便就芯⽚的特性简略介绍。
第1章 微阵列分析导论-PPT课件
微阵列定义
规则的微阵列
规则的阵列是指阵列上待分析的单元按照行和列的方式进行排列的集合 微阵列上的点按照行和列规则地排列而非无规则排列；点的大小和点间
距均一而非不均一；点的位置明确而非模棱两可。
微阵列定义
显微尺度的点
显微尺度（microscopic):是一个物体若没有显微镜的
芯片上每个点能和杂交液中的荧光标记的特异性cDNA杂
交，使得每个点的荧光信号和基因表达的丰度成正相关。
能够在基因组规模上对基因表达谱、患者基因型、药物代
谢பைடு நூலகம்疾病的发生和进展过程进行快速和定量的分析。
应用领域：医学、农业、食品
微阵列的起源
生物芯片是随人类基因组计划启动和实施应运而生； 1991年Fodor等人首先提出DNA芯片的概念； 1991年Affymetrix率先生产世界上第一块基因芯片； 2019年第一块以玻璃为载体的基因芯片在美国斯坦福大
生物芯片原理与技术
易图永
生物安全科学技术学院生物信息系
二Ｏ一Ｏ年三月
课程学时安排
学时：50学时 安排：讲课34学时，实验16学时
学分：3分
成绩：考试占70％，实验和出勤占30％
生物芯片相关书籍
生物芯片分析－M.谢纳 著 生物芯片技术－邢婉丽 程京 著
生物芯片技术与应用详解－G.哈德 曼著
探 针
探针标记 – 放射性同位素标记，125I、32P、33P和35S 非放射性标记
– 荧光法，化学发光法，电化学发光法，生物发 光，显色法
探针种类（Probe type） – 基因组探针 – cDNA探针 – 寡聚核苷酸探针（Oligo）
探针的来源
DNA探针根据其来源有3种：
生物信息学第七章
• 微阵列的主要应用在于对基因表达问题的研究 • 基因表达数据中包含着基因活动的信息，可以反映细 胞当前的生理状态。通过对该数据矩阵的分析，可以 回答一系列的生物学问题：
– 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？ – 在特定条件下，哪些基因的表达发生了显著变化，这些基 因受到哪些基因的调节，或控制哪些基因的表达？ – 微阵列广泛应用的另一个重要原因是为了理解基因网络 （network）或通路（pathway）。
• 首先提出基因芯片所要解决的问题，确定研究目标， 例如，研究基因的SNP。检测或分析DNA的变异或 者进行基因差异表达的研究。 • 根据所要解决的问题，选择一组特定的基因对象。 • 其次，根据所选择的基因序列，设计探针序列以及探 针在芯片上的分布。 • 然后根据设计结果制备基因芯片，制备方法大致分为 在片合成法和点样法。 • 接下来就是对靶基因即待测样品进行扩增和标记 • 然后进行杂交实验，并对基因芯片的杂交结果进行检 测 • 最后根据获得的荧光图谱，进行数据处理分析，报告 检测结果，并将相应的数据存入数据库。
• 靶基因的制备需要运用常规手段从细胞或组织中提取 模板分子，从血液或活组织中获取的DNA/mRNA样 品在标记成为探针以前必须进行扩增提高阅读灵敏度， 但这一过程操作起来却有一定的难度。 • 对于检测表达的芯片，样品制备通常涉及mRNA的纯 化、cDNA的合成、体外转录或者PCR、标记等步骤； • 而对于SNP或者突变的检测，则往往涉及基因组 DNA的纯化和PCR、标记等步骤。 • 待测样品的标记方法有荧光标记法、生物素标记法、 放射性核素标记法等。目前采用的最普遍的荧光标记 方法是通过在扩增过程中加入含有荧光标记的dNTP （至少一种为荧光标记），在转录和复制过程中荧光 标记的单核苷酸分子被引入新合成的DNA片段。
第九章 生物芯片及数据分析技术
蛋白分子相互作用分析
常用数据库： • STRING 、pSTIING等
String9.05在线分析
pSTIING在线分析
单基因分析
常用数据库： • 美国国家生物技术信息中心（NCBI） • 欧洲生物信息研究所（EBI）
蛋白质芯片技术
蛋白质芯片（Prochip）
——与DNA芯片比较类似，只不过蛋白质芯片利用的 是抗原/抗体、配基/配体（或受体）等蛋白质之间的相互作 用。
人类基因组计划
人类基因组计划（human genome project, HGP）是 一项国际性科学研究计划，旨在阐明人类基因组30 亿个碱基对的序列，从物理和功能角度发现和定位 人类基因组基因，破译人类全遗传信息，使人类第 一次在分子水平上全面地认识自我。 对人类基因组的研究推动了整个生命 科学的发展，同时也形成一门崭新的 科学——基因组学（genomics），即 研究基因组的科学。
人类基因组计划主要研究内容
以具有遗传多态性的遗传 以一段已知核苷酸序 标记为位标、以遗传学距离为 列的DNA片段（称为序列 图距的基因组图。 核苷酸序列图即最详尽的物 标签位点，sequence tagged 理图。通过测序得到基因组 site，STS）为位标，对构 遗传学距离以厘摩 的序列，是一般意义上的人 成基因组的DNA分子进行 （centi-Morgan, cM）表示。 类基因组计划。 测定，从而对某段DNA 序 连锁的遗传标志之间的重组频 列在染色体上的相对位置 率为1% 时，它们的相对距离 做一线性排列。 为1cM， 相当于106 bp(1Mb)。 以kb或Mb作为图距而 绘制的基因组图。 遗传多态性标记为： RFLP、MS/STR、SNP。
生物芯片
芯片实验室（Lab-on-a-chip）：生物芯 片技术发展的最终目标。
微阵列
微阵列定义
平面基片
平面基片是像玻璃、塑料、硅片一样平行不能弯曲的基 质载体。玻片是微阵列中用得最为广泛的基质载体。
非平面基片：尼龙膜、硝酸纤维素膜等。
平坦的表面优点：适合大规模自动化生产；为光掩膜、 接触式针点样、喷墨式非接触点样和其它制备工序提供了 精密的距离，确保制备微阵列的高质量；使扫描和成像变 得容易。
Expression profiling with DNA microarrays
cDNA “A” Cy5 labeled
cDNA “B” Cy3 labeled
Laser 1 Laser 2
Hybridization Analysis
Scanning
+
Image Capture
A yellow spot → a gene that hybridized to both green and red cDNA: expressed both in healthy cells and cancer cells!
阴性结果下一个确切的结论。
阴性对照是指在微阵列上的点，不管实验对象得 到的是什么样的结果，这些点都不能产生信号。 阴性对照能排除或减小非特异性反应(如染色和交 叉杂交)带来的信号而增加实验数据的可信度。若 分析时没有阴性对照做参考而对微阵列分析实验 下结论是一件很冒险的事。
实验对象是指在实验中要寻找的新信息。这些信 息包括基因表达谱、基因型、其他生物过程或途 径。
总结
微阵列分析是20世纪90年代早期发展的一项革命性新技 术。该技术使用了微型化（微阵列芯片）来对基因和基因 产物做定量的分析。有较高的分析速度和较好的分析精度 ，可一次分析人的整个基因组，在10min内定量获得3万 多个基因的表达情况。
生物信息学参考书籍(入门级)
生物信息学参考书籍（入门级）1、David W.Mount 《Bioinformatics sequence and genome analysis》影印本，科学出版社,20022、Durbin R,Eddy S,Krogh A,et al.生物序列分析,蛋白质和核酸的概率论模型[M].北京清华大学出版社,20023、帕夫纳，计算分子生物学算法逼近，化学工业出版社，20044、(巴西) J.塞图宝，J.梅丹尼斯著，朱浩等译，计算分子生物学导论，科学出版社，20035、Masatoshi Nei（根井正利）Sudhir Kumar. 译者：吕宝忠，钟扬，高莉萍，高等教育出版社，20026、[美][巴森文尼斯]Andreas D.Baxevanis,[美]B.F.Francis Ouellette著；李衍达,孙之荣等译，生物信息学基因和蛋白质分析的实用指南,，清华大学出版社, 20007、鲍尔迪，DNA芯片和基因表达从实验到数据分析与模建，科学出版社，20038、（美）利布莱尔，蛋白质组学导论：生物学的新工具，科学出版社，20059、张亮，M.谢纳[美] ，生物芯片分析，科学出版社，200410、卢因，基因VⅢ，科学出版社，200511、(英)D.R.韦斯特海德(D.R. Westhead)等著；王明怡等译, 生物信息学，科学出版社200412、（法）皮埃尔·巴尔迪（Pierre Baldi），(丹)索恩·布鲁纳克（Soren Brunak）著；张东晖等译，生物信息学：机器学习方法，中信出版社，200313、(美）Cyntbia Gibas,Per Jambecks著；孙超等译《生物信息学中的计算机技术》中国电力出版社，200214、(美) Dan E. Krane, Michael L. Raymer著, 孙啸，陆祖宏，谢建明等译，生物信息学概论, 清华大学出版社200415、(加)S.米塞诺, (美)S.A.克拉维茨著；欧阳红生, 阮承迈, 李慎涛等译,生物信息学方法指南，科学出版社，200516、孙之荣主译探索基因组学、蛋白质组学和生物信息学（中译版），科学出版社，2004年8月出版17、哈特尔，遗传学基因与基因组分析，科学出版社,200218、生物信息学若干前沿问题的探讨：中国科协第81次青年科学家论坛论文集／黄德双等主编, 中国科学技术大学出版社200419、胡松年，薛庆中主编，《基因组数据分析手册》浙江大学出版社, 200320、胡松年，基因表达序列标签（EST）数据分析手册，浙江大学出版社, 200521、李敏强，寇纪淞，林丹，李书全，遗传算法的基本理论与应用. 科学出版社. 2002年4月22、孙啸, 陆祖宏, 谢建明编著,生物信息学基础, 清华大学出版社200523、李霞主编，《现代生物信息学理论与实践》，科学出版社，2005年11月出版生物信息学参考书籍（入门级）页码，12httpebook7.htm 20158624、袁建刚等主译《基因组》科学出版社，200225、黄韧等《生物信息学网络资源与应用》中山大学出版社，200326、郝柏林等编《生物信息学手册》第2版，上海科学技术出版社，200227、蒋彦等编《基础生物信息学及应用》清华大学出版社，科学出版社，200328、张继仁（译）蛋白质组学导论：生物学的新工具，科学出版社，2004年12月出版29、夏其昌，白质化学与蛋白质组学，科学出版社，2004年30、蒋华良、钟扬、陈国强、罗小民等译药物基因组学——寻找个性化治疗，科学出版社，2005年7月出版31、David W.Mount 著钟扬，王莉，张亮主译，生物信息学，高等教育出版社，200332、张阳德编，《生物信息学》科学出版社，200433、沈世镒著，生物序列突变与比对的结构分析，科学出版社200434、赵国屏等编《生物信息学》科学出版社，200235、郑珩王非，药物生物信息学，化学工业出版社，200436、Minoru Kanehisa著；孙之荣等译,后基因组信息学, 清华大学出版社, 200237、赵雨杰主编，医学生物信息学，人民军医出版社，200238、李桂源,钱骏主编,基于WWW的生物信息学应用指南，中南大学出版社200439、李巍主编,生物信息学导论，郑州大学出版社，200440、钱小红、贺福初等译蛋白质组学：从序列到功能. 科学出版社，2002年9月41、钱小红，贺福初主编.蛋白质组学理论与方法，科学出版社，200342、张阳德，纳米生物技术学，科学出版社，200543、李越中闫章才高培基，基因组研究与生物信息学，山东大学出版社，2003网络资料：（很多，简单举例）国内mainCourseFurtherReading.htmchenyuanxsunBioinformaticsInternetStudyBioinformaticsInternetStudy Ebook_bioinfo.htm国外bioinformaticsbioinf03_courses.htm。
生物信息学参考书目
生物信息学－国内外书目1. Bioinformatics: sequence and genome analysis,影印本,David W. Mount，科学出版社,20022. DNA芯片和基因表达:从实验到数据分析与模建，鲍尔迪，科学出版社，20033. 分子进化与系统发育，MasatoshiNei（根井正利）SudhirKumar. 译者：吕宝忠，钟扬，高莉萍，高等教育出版社，20024. 蛋白质化学与蛋白质组学，夏其昌，科学出版社，2004年5. 蛋白质组学：从序列到功能,钱小红、贺福初等译科学出版社，2002年9月6. 蛋白质组学:理论与方法，钱小红，贺福初主编.科学出版社，20037. 蛋白质组学导论：生物学的新工具，（美）利布莱尔，科学出版社，20058. 蛋白质组学导论：生物学的新工具，张继仁（译）科学出版社，2004年12月出版9. 后基因组信息学,MinoruKanehisa著；孙之荣等译,清华大学出版社,200210. 基础生物信息学及应用,蒋彦等编清华大学出版社，科学出版社，200311. 基因VⅢ，卢因，科学出版社，200512. 基因表达序列标签（EST）数据分析手册，胡松年，浙江大学出版社,200513. 基因组,袁建刚等主译科学出版社，200214. 基因组数据分析手册,胡松年，薛庆中主编，浙江大学出版社,200315. 基因组研究与生物信息学16. 基因组研究与生物信息学，李越中闫章才高培基，山东大学出版社，200317. 基于WWW的生物信息学应用指南，李桂源,钱骏主编,中南大学出版社200418. 计算分子生物学:算法逼近，帕夫纳，化学工业出版社，200419. 计算分子生物学导论，(巴西)J.塞图宝，J.梅丹尼斯著，朱浩等译，科学出版社，200320. 纳米生物技术学，张阳德，科学出版社，200521. 生物芯片分析，张亮，M.谢纳[美]，科学出版社，200422. 生物信息学，(英)D.R.韦斯特海德(D.R.Westhead)等著；王明怡等译,科学出版社200423. 生物信息学，DavidW.Mount著钟扬，王莉，张亮主译，高等教育出版社，200324. 生物信息学,张阳德编，科学出版社，200425. 生物信息学,赵国屏等编科学出版社，200226. 生物信息学：机器学习方法，（法）皮埃尔•巴尔迪（PierreBaldi），(丹)索恩•布鲁纳克（SorenBrunak）著；张东晖等译，中信出版社，200327. 生物信息学:基因和蛋白质分析的实用指南,[美][巴森文尼斯]AndreasD.Baxevanis,[美]B.F.FrancisOuellette著；李衍达,孙之荣等译，清华大学出版社,200028. 生物信息学导论，李巍主编,郑州大学出版社，200429. 生物信息学方法指南，(加)S.米塞诺,(美)S.A.克拉维茨著；欧阳红生,阮承迈,李慎涛等译,科学出版社，200530. 生物信息学概论,(美)DanE.Krane,MichaelL.Raymer著,孙啸，陆祖宏，谢建明等译，清华大学出版社200431. 生物信息学基础,孙啸,陆祖宏,谢建明编著,清华大学出版社200532. 生物信息学若干前沿问题的探讨：中国科协第81次青年科学家论坛论文集／黄德双等主编,中国科学技术大学出版社200433. 生物信息学手册,第2版,郝柏林等编，上海科学技术出版社，200234. 生物信息学网络资源与应用,黄韧等中山大学出版社，200335. 生物信息学中的计算机技术,(美）CyntbiaGibas,PerJambecks著；孙超等译中国电力出版社，200236. 生物序列分析,蛋白质和核酸的概率论模型[M].DurbinR,EddyS,KroghA,etal.北京:清华大学出版社,200237. 生物序列突变与比对的结构分析，沈世镒著，科学出版社200438. 探索基因组学、蛋白质组学和生物信息学（中译版）孙之荣主译，科学出版社，2004年8月出版39. 现代生物信息学理论与实践，李霞主编，科学出版社，2005年11月出版40. 药物基因组学——寻找个性化治疗，蒋华良、钟扬、陈国强、罗小民等译科学出版社，2005年7月出版41. 药物生物信息学，郑珩,王非，化学工业出版社，200442. 医学生物信息学，赵雨杰主编，人民军医出版社，200243. 遗传算法的基本理论与应用.李敏强，寇纪淞，林丹，李书全，科学出版社.2002年4月44. 遗传学:基因与基因组分析，哈特尔，科学出版社,200245. DNA Sequencing: From Experimental Methods to BioinformaticsAuthor(s): Luke Alphey46. Introduction to BioinformaticsAuthor(s): Teresa Attwood, David Parry-Smith47. Bioinformatics: The Machine Learning ApproachAuthor(s): P.Baldi and S. Brunak48. DNA Microarrays and Gene Expression: From Experiments to Data Analysis and Modeling Author(s): Pierre Baldi, G. Wesley Hatfield49. Bioinformatics for GeneticistsAuthor(s): Michael Barnes, Ian C Gray50. Bioinformatics: A Practical Guide to the Analysis of Genes and Proteins, Second EditionAuthor(s): Andreas D. Baxevanis and B. F. Francis Ouellette (Eds)51. Bioinformatics ComputingAuthor(s): Bryan P. Bergeron52. Genetics DatabasesAuthor(s): M. J. Bishop53. Structural BioinformaticsAuthor(s): Philip E. Bourne, Helge Weissig54. Computational Modeling of Genetic and Biochemical NetworksAuthor(s): James M. Bower and Hamid Bolouri55. Bioinformatics: A Biologist's Guide to Biocomputing and the InternetAuthor(s): Stuart M. Brown56. Discovering Genomics, Proteomics, and BioinformaticsAuthor(s): A. Malcolm Campbell, Laurie J. Heyer57. Bioinformatics for DummiesAuthor(s): Jean-Michel Claverie and Cedric Notredame58. Computational Molecular Biology: An IntroductionAuthor(s): Peter Clote, Rolf Backofen59. Nonlinear Estimation and ClassificationAuthor(s): D.D. Denison, M.H. Hansen, C.C. Holmes, B. Mallick & B. Yu (Eds.)60.Author(s): Richard Durbin, Sean R. Eddy, Anders Krogh, Graeme Mitchison61. Genomic Perl: From Bioinformatics Basics to Working CodeAuthor(s): Rex A. Dwyer62. Protein Bioinformatics: An Algorithmic Approach to Sequence and Structure Analysis Author(s): Ingvar Eidhammer, Inge Jonassen, William R.T. Taylor63. Computational Cell BiologyAuthor(s): Christopher P. Fall, Eric S. Marland, John M. Wagner and John J. Tyson, Editors64. Evolutionary Computation in BioinformaticsAuthor(s): Gary B. Fogel, David W. Corne65. Developing Bioinformatics Computer SkillsAuthor(s): Cynthia Gibas, Per Jambeck66. Statistical Methods in Bioinformatics: An IntroductionAuthor(s): Gregory R. Grant, Warren J. Ewens67. Algorithms on Strings, Trees and SequencesAuthor(s): Dan Gusfield68. Bioinformatics : Sequence, Structure, and Databanks : A Practical ApproachAuthor(s): Des Higgins (Editor), Willie Taylor (Editor)69. Post-genome InformaticsAuthor(s): Minoru Kanehisa70. Foundations of Systems BiologyAuthor(s): Hiroaki Kitano71. Guide to Analysis of DNA Microarray Data72. Microarrays for an Integrative GenomicsAuthor(s): Isaac S. Kohane, Alvin Kho, Atul J. Butte73. BLASTAuthor(s): Ian Korf, Mark Yandell, Joseph Bedell74. Hidden Markov Models for BioinformaticsAuthor(s): Timo Koski75. Fundamental Concepts of BioinformaticsAuthor(s): Dan E. Krane, Michael L. Raymer76. Advances in Molecular BioinformaticsAuthor(s): Steffen Schulze-Kremer (Editor)77. Molecular Bioinformatics: Algorithms and ApplicationsAuthor(s): Steffen Schulze-Kremer78. Computational BiologyAuthor(s): Lecture Notes in Computer Science, Vol. 206679. Analysis of Microarray Gene Expression DatasAuthor(s): Mei-Ling Ting Lee80. Bioinformatics: From Genomes to DrugsAuthor(s): Thomas Lengauer81. Sequence Analysis in a Nutshell: A Guide to Common Tools and Databases Author(s): Darryl LeÛn, Scott Markel82. Introduction to BioinformaticsAuthor(s): Arthur M. Lesk83. Computational Molecular BiologyAuthor(s): J. Leszczynski84. Bioinformatics: Databases and SystemsAuthor(s): Stanley Letovsky (Editor)85. Computational Cell BiologyAuthor(s): Eric Marland, John Wagner, John Tyson86. Bioinformatics and Genome AnalysisAuthor(s): H.W. Mewes, B. Weiss, H. Seidel87. Bioinformatics: Methods and ProtocolsAuthor(s): Stephen Misener (Editor), Stephen A. Krawetz (Editor)88. Bioinformatics: Sequence and Genome AnalysisAuthor(s): David W. Mount89. Bioinformatics: Genes, proteins and computersAuthor(s): C.A. Orengo, D.T. Jones and J.M. Thornton90. Mathematics of Genome Analysis91. Computational Molecular Biology: An Algorithmic ApproachAuthor(s): Pavel A. Pevzner92. Bioinformatics Basics Applications in Biological Science and MedicineAuthor(s): Hooman H. Rashidi, Lukas K. Buehler93. The Phylogenetic Handbook: A Practical Approach to DNA and Protein PhylogenyEdited by Marco Salemi, Anne-Mieke Vandamme94. Computational Methods in Molecular BiologyAuthor(s): S.L. Salzberg, D.B. Searls, S. Kasif95. Comparative Genomics: Empirical and Analytical Approaches to Gene Order Dynamics, Map Alignment and the Evolution of Gene FamiliesAuthor(s): David Sankoff, Joseph H. Nadeau96. Molecular Modeling and Simulation: An Interdisciplinary GuideAuthor(s): Tamar Schlick97. Bioinformatics: From Nucleic Acids and Proteins to Cell MetabolismAuthor(s): Dietmar Schomburg (Editor), Uta Lessel (Editor)98. Introduction to Computational Molecular BiologyAuthor(s): Joao Carlos Setubal, Joao Meidanis, Jooao Carlos Setubal99. Likelihood, Bayesian and MCMC Methods in Quantitative GeneticsAuthor(s): Daniel Sorensen, Daniel Gianola100. Microarray BioinformaticsAuthor(s): Dov Stekel101. Protein Structure Prediction - A Practical ApproachAuthor(s): Michael J. E. Sternberg102. Beginning Perl for BioinformaticsAuthor(s): James Tisdall103. Pathway Analysis and Optimization in Metabolic Engineering Author(s): Néstor V. Torres, Eberhard O. Voit104. Gene Regulation and Metabolism: Post-Genomic Computational ApproachesAuthor(s): Julio Collado-Vides and Ralf Hofestadt105. Computational Analysis of Biochemical Systems A Practical Guide for Biochemists and Molecular Biologists Author(s): Eberhard O. Voit106. Pattern Discovery in Biomolecular Data - Tools, Techniques, and ApplicationsAuthor(s): Jason T. L. Wang, Bruce A. Shapiro, and Dennis Shasha107. Introduction to Computational Biology: Maps, Sequences and GenomesAuthor(s): Michael S Waterman108. Instant Notes BioinformaticsAuthor(s): D.R. Westhead, J. H. Parish, R.M. TwymanAuthor(s): Limsoon Wong110. Neural Networks and Genome InformaticsAuthor(s): Cathy H. Wu, Jerry W. McLarty111. Intelligent Bioinformatics: The Application of Artificial Intelligence Techniques to Bioinformatics ProblemsAuthor(s): Edward Keedwell, Ajit Narayanan112. Jonathan Pevsner，Bioinformatics and Functional Genomics，John Wiley & Sons, Inc，2003。