隨著基因芯片技術(shù)的日漸成熟, 在功能基因組、疾病基因組、系統(tǒng)生物學等領(lǐng)域中得到了廣泛的應 用, 已經(jīng)發(fā)表了上萬篇研究論文, 每年發(fā)表的論文呈現(xiàn)增長的趨勢.

　　芯片制備技術(shù)極大地推進了生物芯片的發(fā)展, 從實驗室手工或機械點制芯片到工業(yè)化原位合成制備, 從幾百個點的芯片到幾百萬點的高密度芯片, 生物芯片從一項科學成為一項技術(shù), 被越來越多的研究者廣泛運用. 各個實驗室不斷產(chǎn)生海量的雜交數(shù)據(jù), 相同領(lǐng)域的研究者需要比較不同實驗平臺產(chǎn)生的數(shù)據(jù), 作為基于分子雜交原理的高通量技術(shù), 芯片實驗的標準化、可信度、重現(xiàn)性和芯片結(jié)果是否能作為定量數(shù)據(jù)等問題成為所有的芯片使用者關(guān)心的課題. 邁阿密原則和微陣列質(zhì)量控制系列研究回答了這兩個問題.

　　邁阿密原則(Minimum Information About a Micro- array Experiment, MIAME, 微陣列實驗最小信息量)提出了生物芯片標準化的概念, 該原則的制定使世界各地實驗室的芯片實驗數(shù)據(jù)可以為所有的研究者共 享. 同時, 美國國家生物信息學中心(NCBI)和位于 英國的歐洲生物信息學研究所(EBI)也建立了GEO 公共數(shù)據(jù)庫, 接受和儲存全球研究者根據(jù)邁阿密原則提交的生物芯片數(shù)據(jù), 對某項研究感興趣的研究人員可以下載到相關(guān)課題的芯片原始數(shù)據(jù)進行分析.

　　2006年美國FDA聯(lián)合多個獨立實驗室進行了MAQC系列實驗(micro array quality control, MAQC), 旨在研究目前所使用的芯片平臺的質(zhì)量控制. 該研究的12篇系列文章發(fā)表在2006年9月份的Nature Biotechnology上, 用嚴格的實驗分析了目前主流芯片平臺數(shù)據(jù)質(zhì)量, 芯片數(shù)據(jù)和定量PCR結(jié)果之間的相關(guān)性, 芯片數(shù)據(jù)均一化方法, 不同芯片平臺之間的可重現(xiàn)性. 證明了不同芯片平臺產(chǎn)生的數(shù)據(jù)具有可比性和可重現(xiàn)性, 各種芯片平臺之間的系統(tǒng)誤差遠遠小于人為操作和生物學樣品之間本身的差異, 肯定了芯片數(shù)據(jù)的可信性, 打消了以往對芯片數(shù)據(jù)的種種猜疑, 明確了基于雜交原理的芯片同樣可以作為一種定量的手段. 推動了生物芯片技術(shù)在分子生物學領(lǐng)域更廣泛的應用.

　　生物信息學和統(tǒng)計學是在處理基因芯片產(chǎn)生的海量數(shù)據(jù)中必不可少的工具. 隨著芯片應用的推進, 芯片數(shù)據(jù)分析的新理論和新算法不斷地被開發(fā)出來, 這些方法幫助生物學家從海量的數(shù)據(jù)里面快速篩選出差異表達的基因. 一次芯片實驗獲得的是成千上萬個基因的表達信息, 任何一種單一的分析方法都很難將所有蘊含在數(shù)據(jù)中的生物學信息全部提取出來, 從近年來生物信息學研究的趨勢來看, 目前研究的重點開始轉(zhuǎn)向芯片數(shù)據(jù)儲存、管理、共享和深度信息挖掘, 旨在從芯片數(shù)據(jù)中獲得更多的生物學解釋, 而不再停留在單純的差異表達基因篩選上。

　　目前基因芯片的制備向兩個主要方向發(fā)展. 第一, 高密度化, 具體表現(xiàn)為芯片密度的增加, 目前原位合成的芯片密度已經(jīng)達到了每平方厘米上千萬個探針. 一張芯片上足以分析一個物種的基因組信息. 第二, 微量化, 芯片檢測樣品的微量化, 目前芯片檢測下限已經(jīng)能達到納克級總RNA水平, 這為干細胞研究中特別是IPS干細胞對單個細胞的表達譜研究提供了可能. 另一方面, 微量化也體現(xiàn)芯片矩陣面積的微量化, 即在同一個芯片載體上平行的進行多個矩陣的雜交, 大大減少系統(tǒng)和批次可能帶來的差異, 同時削減實驗費用.

　　微陣列技術(shù)改變了生物學研究的方法, 使得微量樣品快速高通量的分析成為可能, 從單個基因的研究迅速擴展到全基因組的系統(tǒng)生物學研究. 微陣列技術(shù)幫助生物學研究進入后基因組時代, 研究成果層出不窮。

　　2001年國家人類基因組南方研究中心韓澤廣博士研究小組利用cDNA芯片對肝癌和正常組織中的12393個基因和EST序列進行了表達譜篩查, 其中發(fā)現(xiàn)了2253個基因和EST在肝癌中發(fā)生了差異表達, 并對這些差異基因的信號通路進行了分析, 發(fā)現(xiàn)WNT信號通路在肝癌的發(fā)生中出現(xiàn)了表達異常. 2002年中國科學院神經(jīng)科學研究所張旭博士研究組利用表達譜芯片對大鼠外周神經(jīng)損傷模型背根神經(jīng)節(jié)的基因表達進行了研究, 通過對7523個基因進行表達譜篩查, 發(fā)現(xiàn)一批與神經(jīng)損傷和疼痛相關(guān)的基因和潛在的藥物靶點, 并解釋了臨床上使用的Gabapentin治療疼痛的分子機制。

　　同年Nature發(fā)表的荷蘭癌癥研究所的研究小組利用表達譜芯片對乳腺癌患者5年內(nèi)的轉(zhuǎn)移情況進行分子水平的分型工作, 研究結(jié)果顯示可以利用基因表達譜的差異來預測腫瘤的預后情況. 這項工作成為用表達譜對疾病進行分子分型和預后研究的經(jīng)典案例. 2006年根據(jù)這項研究成果生產(chǎn)的表達譜芯片成為第一張通過FDA批準進入臨床使用的表達譜芯片, 邁出了芯片從實驗室走向臨床的第一步.

　　2003年啟動的人類基因組單體型計劃(Interna- tional Hapmap Project)采用了5個不同的高通量平臺進行基因分型工作, 其中芯片完成了超過50%的工作量. 2005年Gunderson等人用DNA芯片檢測人類基因組中的SNP位點， 芯片的檢測結(jié)果與傳統(tǒng)的基于PCR技術(shù)的基因分型具有非常好的相關(guān)性. Roch 的Amplichip CYP450檢測芯片在2005年通過了FDA批準進入臨床使用, 用以檢測患者體內(nèi)決定細胞色素氧化酶活性的多態(tài)性位點, 預測患者藥物代謝水平的高低, 這也是第一張進入臨床檢查的SNP芯片. 2007年Burton 等人利用微陣列檢測了1000例四種疾病患者和對照組的1500例健康人的14000多個SNP位點, 發(fā)現(xiàn)了患者與健康人自身免疫方面存在的基因組SNP位點差異性.

　　2006年國家人類基因組南方研究中心和生物芯片上海國家工程研究中心合作, 利用比較基因組雜交(aCGH)和表達譜芯片聯(lián)合分析了肝癌樣品中基因組拷貝數(shù)變異和基因表達量變化的相關(guān)性, 為從基因組結(jié)構(gòu)變異角度研究肝癌的發(fā)生機制提供了研究基礎(chǔ). 2007年Carter等人報道利用SNP芯片檢測基因組拷貝數(shù)變化(copy number variation), 發(fā)現(xiàn)人類基因組中存在約12%的拷貝數(shù)變異, 這一發(fā)現(xiàn)遠遠出乎以前人們對人類基因組多樣性的預測. 2008年Lee等人報道了用比較基因組雜交(aCGH)對遺傳疾病進行分型, 發(fā)現(xiàn)了存在于精神發(fā)育遲緩病人染色體15q13.3區(qū)域的一個缺失, Nature Genetics刊登了這一結(jié)果.

　　小RNA或非編碼RNA(ncRNA)是新興的一個研究領(lǐng)域. 這類小分子RNA在生理過程中扮演著調(diào)控分子的角色, 在發(fā)育過程和人類疾病尤其是腫瘤發(fā)生發(fā)展中起到非常重要的作用. 這些小分子核酸高度同源, 序列差異往往就是一個堿基, 且長度在21~35堿基之間, 這對芯片檢測是一個很大的挑戰(zhàn), 要求既能檢測到低分子量的目的片段, 又能區(qū)分一個堿基的差異, 芯片技術(shù)的發(fā)展已經(jīng)部分解決這些問題, 利用芯片檢測小分子RNA的表達譜成為腫瘤分型的另一種途徑, 在乳腺癌、肺癌、前列腺癌等疾病的分子分型和分子標志物尋找中取得非常好的結(jié)果.

　　DNA修飾以及DNA-蛋白質(zhì)相互作用是細胞對基因表達的調(diào)控方式. 2007年Meier等人采用ChIP-chip實驗方法, 檢測到了發(fā)生DNA損傷時, 相應的修復因子在DNA上的分布. 同年, Guenther等 人用ChIP-chip實驗發(fā)現(xiàn)基因的轉(zhuǎn)錄起始可能不是特異的, 大多數(shù)的人類基因包括原來被證明轉(zhuǎn)錄失活的編碼基因都能啟動轉(zhuǎn)錄, 細胞通過對基因組的修飾來控制轉(zhuǎn)錄的延伸過程, 從而達到調(diào)控基因轉(zhuǎn)錄的目的. 2008年Lupien等人用ChIP-chip和一系列的實驗, 證實了基因組表觀遺傳學修飾能調(diào)控FoxA1, 通過FoxA1改變?nèi)旧�質(zhì)的結(jié)構(gòu), 從而控制基因的組織特異性表達.

　　基因芯片的應用加速了生命科學研究的進程, 微量化并行化的分析幫助科學家從海量數(shù)據(jù)中發(fā)掘有用的信息。