DNA芯片技术与RNA测序技术帮助人们 - 中国病毒学论坛|我们一直在坚持！

日本推理小说家东野圭吾的作品《白金数据》中描述了这样一个未来世界：日本政府秘密建立名为“白金数据”的数据库。该库搜集了全国人民的DNA数据，通过对犯罪分子留在现场的毛发、体液等证物进行比对，警方可以高效、快速、准确锁定真凶。借助“白金数据”的帮助，一个检举率100%、冤案率0%的理想法制社会构建完成。技术的发展可以改变人类的生活，小说的情节虽然是虚构的，但随着技术的不断发展和进步，相信这样的一个未来世界终究会到来。

小说中所谓的DNA技术大概就是DNA芯片技术，芯片技术是基因组表达分析的研究手段。在这一技术最辉煌的时期，准备研究基因表达模式的人都会想到使用芯片。不过随着测序成本的直线下降，RNA测序（RNA-seq）成为了越来越受欢迎的转录组分析方法。

DNA芯片是通过微加工技术，将数以万计、乃至百万计的特定序列的DNA片段（基因探针）有规律地排列固定于2c㎡的硅片、玻片等支持物上，构成一个二维的DNA探针阵列，与电子计算机上的电子芯片十分相似所以被称为基因芯片。通俗地说，DNA芯片就像一块三维的地图，上面各种特异的探针就是不同的地方，你想去哪里就按图索骥找到特定的位置。

基因芯片技术应用领域主要有基因表达谱分析、新基因发现、基因突变及多态性分析、基因组文库作图、疾病诊断和预测、药物筛选、基因测序等。美国总统克林顿在1998年1月的国情咨文中指出：“在未来的12年内，基因芯片将为我们一生的疾病预防指点迷津”。

RNA 测序（RNA-seq）即转录组测序技术，就是把mRNA、小RNA和非编码RNA等或者其中一些用高通量测序技术把它们的序列测出来。反映出它们的表达水平。RNA-Seq可进行全基因组水平的基因表达差异研究，具有定量更准确、可重复性更高、检测范围更广、分析更可靠等特点。除了分析基因表达水平，RNA-Seq还能发现新的转录本、SNP和剪接变体，并提供等位基因特异的基因表达。

如果将某一个物种的基因组比喻成该物种的“生命的读本（book of life）”，那么转录组就可比作“生命杂志（newsstand of life）”。RNA 测序技术：就是一霸道总裁把报刊亭里的所有杂志（RNA）全都买回去，然后把所有的杂志全都放进碎纸机里，使其成为一大堆碎纸条，然后由一大帮手下来整理碎纸条（现实生活中的计算机程序开发人员），将碎纸条还原成一本本的杂志。

还有一群统计狂热分子也跑来凑热闹，他们组织了一场比赛，看看哪些人整理碎纸条的效率最高，准确率最高，能够又快又好地还原出杂志的本来面目（转录组基因序列）。这个整理、拼接碎纸条的工作就是“转录子重建”工作，而转录子重建工作的重点内容之一就是将RNA测序得到的片段信息与该RNA来源细胞的基因组对应起来。

Life is like a box of chocolates：you never know what you're gonna get.（生活就像一盒巧克力，你永远也不知道下一个你会拿到什么。）就像《阿甘正传》的经典台词所传达的那样，RNA 测序是继往开来的领路人，因为在探索性研究和非模式生物研究中，RNA-seq的转录组分析是无偏好的，可以揭示新剪接点、小RNA以及芯片漏掉的新基因。它是一个理想的研发平台，能够获得转录本序列并在此基础上发现突变和融合转录本。

就像“大家一起来找茬”这种小游戏，找出两幅图的不同之处，点错会扣分，点对就得分，芯片分析就是依赖于已知的基因组信息确定未知的基因组信息，这也是该技术的最大局限。

研究指出，在检测丰度较高的基因时，RNA-seq和芯片的结果基本一致。但在检测表达水平低的基因时，RNA-seq更加准确。为什么？

当基因低水平表达时，芯片中结合探针的cDNA发出较弱的荧光，难以压倒背景荧光。对于RNA-seq而言，覆盖度越高能检测的转录本水平就越低，没有绝对的下限。当然，RNA-seq也没有绝对的检测上限。而芯片在检测表达量很高的基因时，可能会出现饱和。

尽管RNA-seq有那么多的优点，大家对芯片仍是情有独钟。那是因为，相比较于RNA-seq，芯片技术更加成熟，尤其是样本量比较大的研究。芯片在临床研究中也很吃香，因为它的数据处理又快又简单。芯片能提供高度一致的数据，分析软件也相当成熟。通过分析成百上千的样本，基因和miRNA的表达特征已经被赋予了临床上的诊断价值。

MitoGenetics公司的Kirk Mantione就是钟情于芯片技术的典型例子。他说“我会一直使用芯片，其结果更容易解读。”

Mantione使用芯片对自己开发的药物进行评估，在细胞系和动物中分析这些药物对基因表达的影响。芯片可以快速给出结果，展示药物对特定基因的作用。不过Mantione也希望用RNA-seq研究那些还不成熟的生物模型，或者寻找之前没有发现的转录本多态性。对芯片仍是情有独钟有时候只是想要对新数据和旧数据进行比较，因为所有的数据以同样的方式获得，比较起来自然更为容易。