《基因芯片可靠性分析及数据处理.pdf》由会员分享，可在线阅读，更多相关《基因芯片可靠性分析及数据处理.pdf（3页珍藏版）》请在三一文库上搜索。
1、S O 第2 8卷第 1 期 2 0 0 6年 1 月 A CT A ACAD EMI A E 军医大学学报 MEDI C I N AE MI L I TARI S V o l . 2 8 , N o T E R T I A E J a n - 2 0 0 6 瓢 熬 黝 粼 文 章编号 ; 1 0 0 0 -5 4 0 4 ( 2 0 0 6 ) 0 1 -00 8 0 -0 3 基因芯片可靠性分析及数据处理 高利宏，曹佳( 第三军医大学军事预防医学院卫生毒理学教研室， 重庆4 0 0 0 3 8 ) 基因芯片( g e n e c h i p ) 又称为D N A微阵列( D N A mi
2、cro- r ay) ， 其基本原理是将众多的 靶基因序列或寡聚核昔酸片段有 序而高密度地排列在玻璃、 硅、 尼龙膜等固相载体上， 用待检侧 的标记样本分子与之杂交， 并利用激光共聚焦显微扫描等技术 对芯片上成千 F 万的杂交信号进行实时、 灵敏而准确的检测， 辅以计算机统计分析从而得到样本的基因表达信息。 自1 9 9 2年美国A ff y m it r i x 公司制备出世界上第 1 张寡聚核 奋酸生物芯片至今， 仅短短 1 0余年时间， 基因芯片技术已广泛 运用于生物学与医学的基础研究、 疾病诊断、 新药开发、 环境保 护等许多方面。 在M E D L I N E上以g e n e c
3、h ip 和m i c r o a r m y 为关 键词检索， 2 0 0 0年以前仅数百篇相关文献， 而到2 0 0 4年已达 4 00。 余篇文 献。该技术最大的优点在于具备高通量平行检测 的特点， 能在更全面广泛的基因组水平上揭示不同基因之间内 在的相互关系， 使研究效率明显提高 并极大地降低了基因表 达检测的平均成本， 这对于继人类基因计划( h u m a n g e n o m e p ro j e c t , H G P ) 实施以 来呈几何级数增加的基因序列资源的利 用有至关重要的意义。 众多学者认为， 该项技术是继D N A重 组、 P C R 技术以 后又一项生物科学领域
4、的革命性进展， 将对2 1 世纪生命科学的研究思维和方式产生重要影响。 但不可否认， 作为一项新兴的技术， 基因芯片也是处于不 断探索和完善的过程中。就技术本身而言， 可以把它形容为 “ 强大但不完美” 基因芯片实验从前期设计到最后的数据 提呈目前都还存在着一些技术难点和缺点， 在应用过程中也非 全能， 而存在一定的局限性， 需要人们对其有更全面和深刻的 认识。目前世界各地芯片研究人员正致力于其方法学的改进、 实验流程的规范以及共同实验标准的建立。现主要对芯片技 术的可靠性和数据处理两方面进行综述。 1 芯片技术的可靠性分析 认识芯片技术的可靠性， 首先应该了解该技术的定位。一 般来说， 基于
5、芯片高通量和高灵敏的检测特点， 在成千上万探 针数量的基因表达谱水平上研究特定时间组织的多基因表达 程度， 看似既多又好 但这实际上是一把双刃剑。因为在实际 基金 项 目 : 闰家杰 出人 才基金 资助项目 ( 3 0 1 2 5 0 3 ) ， 国 家 自 然科学基 金资助 项 目( 3 0 2 0 0 3 5 4 ,3 0 2 7 1 1 3 6 ) S . p p - d 切 th e N a ti o n a l S ci e n c e F u n d fo r O isd n 8 . iA e d S c h o la r ( 3 0 1 2 5 0 3 ) a n d th e
6、N a ti . . . I N 咖闹 S c i en c e F - d m io n o f C h in . ( 3 0 2 0 0 3 5 4 , 3 0 2 7 1 1 3 6 ) 作者 简介: 高利宏 ( 1 9 7 1 一 ) 男 ， 四 川省自 贡市 人 ，博士研究 生， 讲师， 中 级职 称， 主 耍从事药 理基因组 学方面的 研究。 电 话 ; ( 0 2 3 ) 6 8 7 5 2 5 8 9 收 稿 日 期:2 0 0 5 -0 4 - 1 2 ; 修回日 期: 2 0 0 5 - 0 7 - 2 4 情况中， 动物组织、 细胞的基因表达谱并非“ 均质性” ， 不同个
7、体 或细胞株之间存在着一定的变异， 而且表达谱对实验条件的变 动也高度易感， 在 R N A抽提, c D N A逆转录等操作步骤上的微 小 差 别 ， 往 往 都 能 引 9 SV 同 基 因 的 表 达 改 变 ， 这 样 使 微 阵 列 检 测所呈现的大量“ 阳性改变” 基因中可能相当一部分难以判断 确定的生物学意义。另一方面， 微阵列实验是成百上千个核酸 探针进行“ 同时杂交” ， 能影响芯片探针和实验样本中相应的靶 片段的结合效率的因素可来自多方面序列自身因素 序列 长度、 碱基比例、 互补性等) 、 杂交实验条件( 探针和靶序列浓 度、 阳离子浓度、 p H等) 及非特异性杂交片段
8、等。以目前的芯 片制作工艺， 还难以保证每个探针杂交反应能同时具备最佳反 应条件， 因此实际的芯片探针杂交往往会产生大量的假阳性和 假阴性对单个基因侧定的精度而言， 高通量性的微阵列并不 如低通量的N o r th e rn, r e a l - t ime P C R等技术更精确。还应该注 意到， 微阵列技术的另一大应用限制是其测定的. R N A水平的 改变仅属于基因表达的中间产物， 并非功能蛋白， 还远不能直 接解释在细胞和组织水平上主要由功能蛋白参与的多种生理、 病理变化的机制。ifu 且， 即使是在微阵列表达谱上表现出明显 变化的不同基因， 它们之间的因果关系如何， 单靠微阵列技术
9、本身也不能单独进行确切判断， 需要进一步利用相应实验技术 进一步研究 叫。 所以 在目 前阶 段， D N A 微阵列应主要定位于 一种运用高通量手段在特定实验条件下观察基因组的整体性 变化， 以利于从纷繁的表达谱数据中寻找有效线索展开后续深 入研究的定性实验。当然我们也应该看到， 微阵列观察大批表 达谱的特定的. R N A表达类型比传统分子生物学技术所检测 的单个或少数基因表达更能全面地反映和预测相应的生物学 机制， 在蛋白质组技术普及应用以前, D N A微阵列技术还是在 基因组水平研究基因表达最有效的方法。 一般来说， 具备良好的灵敏度和较高特异度的核酸探针是 保证芯片杂交数据可靠性的
10、 一个关键因素。目 前， D N A微阵列 根据探针的选择主要有两种类型-D N A微阵列和寡聚核昔 酸点阵芯片 c D N A微阵列的探针一般来自于c D N A或E S T文库的P C R 扩增产物， 长度为1 0 0一 2 0 0 0帅。这一类微阵列因其长链探针 灵敏性高、 造价低、 技术平台易于获得而被许多实验室广泛使 用。但就探针构建而言存在以下一些不可靠因素 c D N A探 针针对来白同一基因家族不同成员的靶序列的检测时特异性 不高， 在序列选择时需注意尽量挑选文库中带 3 ; 末端的克隆片 段以增强杂交特异性川;以不同荧光染料标记的探针进行杂 交时存在标记效率不平衡的现象， 常
11、常需要试验组和对照组样 本进行荧光交换标记重复试验; 双链 c D N A探针相对于单链 第 1 期高利宏. 等. 基因芯片可靠性分析及数据处理 寡聚核昔酸更容易产生交联而影响杂交; 大规模的. D N A克 隆文库往往存在克隆交叉 污染， 影响r D N A微阵 列探针质量 n 。 寡聚核昔酸点阵 芯片的探针由2 0 - 8 0 b y的 短链寡聚 核昔 酸构成， 研究人员可以从 G c . B a u k , E MB I. 等的核酸序列数据库 及E S T 数据库( d b E S T ) 寻找感兴趣的序列数据作为参考直接 合成， 不需要如 c D N A微阵列一样准备 c D N A克
12、隆文库。为提 高 短链寡聚 核普酸探针的 特异鉴别能力和容错能力， 通常此类 芯片会针对每一个日标序列的不同区域设计多组“ 冗余” 探针， 提高杂交信噪比并且如A ff y m e t r ix 公司的G e n e C h i p 专利设计 以一组完全匹配( p e r f e c t m a tc h , P M ) 及中间有一错误位点匹 配( m is m a t c h , M M ) 探针区分特异性结合与非特异性结合的靶 片段。这样， 使寡聚核普酸点阵芯片的特异性可以达到能区分 大部分基因家族成员序列的水平， 除可进行表达谱研究外， 还 可以 用于检测基因突变和多态性 f 。但此类芯
13、片因制作成本 相对较高， 不如 c D N A微阵列使用广泛 另外需要注意的一个间题是， 虽然根据目前的制作工艺， 每张芯片高密度集成寡聚核曹酸探针可达1 0 0 0 0 ( ) 个以上， 但 探针数量水平应该根据实验 目来选择使用高密度探针的芯 片有利于进行基因组筛选和基因表达谱全面性观察， 以期对研 究对象有一个更全面的认识或者发现新的线索一种基于 。 假 想 发 生 1， 的 “ fi s h ” 科学 。 但如 果 研究 人 员 期望 能更 有针 对性地W i 某类代1 9 k,径， 或能更有效地对芯片数据结果进行 统计分析处理， 选择低密度的“ f o c u s e d “ 芯片往
14、往可靠性更好， 也 更 为 经 济 川 。 芯片的系统误差存在于实验的全过程， 包括如前所述的样 本的生物差异、 样本荧光双色标记偏差、 以及探针杂交和洗脱 条件不一致、 信号采集误差等等， 因此在芯片实验的设计上， 重 复性是保证数据可靠性的 一个必要原则。 一般而言， 芯片的 重 复性设计包括3 个层次: 芯片内同 一 基因探针多次点样; 同 一份R N A样本进行多次芯片杂交; 用来自同 一品系或类 型的不同生物学个体进行重复实验。前两种类型的重复性试 验主要针对的是芯片实验的技术性误差， 有利于提高芯片数据 的精确度， 而后一种类型还包含了样本的生物性变异， 使实验 的 重复性结果更具
15、有广泛的生物和统计学意义I B 。在样本的 重 复 次 数 上 存 在 着一 定 争 论， L c 。 等， 认 为3 次比 较 适宜 , T i l- s t o n e 认为 重复次数的多少应该与想获得怎样的 结果密切相 关。而事实上， 由于芯片昂贵的成本， 很多实验室在具体的实 验研究中 却往往难以 满足统计学分析所要求的 重复例数， 一些 所发表的芯片实验论文也缺乏标准的统计学框架。在对芯片 重复性进行了研究的文献中， B a rt o s ie w i c z 等 u 报道芯片内点 间 误 差 为1 0 %， 片 间 误 差1 4 % ; Y . . 等 U 2 1 报道 片内 误差
16、 为5 % 一 1 0 %， 片间为1 0 %一 3 0 %， 由此看出使用芯片技术获得的数 据结果仍然存在较大的波动。 2 芯片数据处理、 分析和提呈 虽然芯片技术的优势是可以大范围高通量研究基因表达， 但如果在完成杂交实验以后， 如早期一些文献， 数据分析仅停 留于简单人工处理的原始数据列表上， 大量有价值的信息和线 索就会被湮没和浪费。因此生物信息学和统计学的有效参与， 对芯片资料进行合理修正、 规范分析、 信息挖掘和提呈， 往往是 芯片实验研究中更为重要的部分， 也是提高芯片数据可靠性的 必要保证。 归纳起来， 芯片数据的整理和分析一般有以下的步骤。 2 . 1 芯片扫描提取杂交信号
17、用于芯片荧光扫描的扫描仪目前主要有两类: 基于光电倍 增管( p h o t o m u h i p l i e r t u b e , P M T ) 的激光共聚焦显微镜检测系 统; 基于电 荷偶连装置( c h a r g e : c o u p l e d d e v i c e s , C C D ) 摄像原理 检测光子 2 . 2 芯片信号的背景扣减 其意义在于减除芯片杂交信号中属于非特异性的背景噪 音部分。以前多以图像处理软件划格后每个杂交点周围区域 的背景平均值来计算， 但存在芯片不同区域背景扣减不均匀的 缺点， 也可利用芯片最低信号强度的点( 代表非特异性的样本 与探针结合值)
18、 或综合整个芯片非杂交点背景所得平均值做为 背 景 扣 减 F131 2 . 3数据校正 以求校正样本提取、 荧光标记及芯片杂交等过程中的系统 误差对实验数据的影响。很多文献采用“ 稳定” 的看家基因的 表达比率作为校正标准， 但目前认为它们在不同实验条件下同 样存在改变。为克服此缺陷， 有研究人员改用平衡对照和实验 点的芯片整体信号强度整体平均值或中位数做标准， 以及 Low-密度依赖性校正方法u 4 , 2 . 4 数据分析 通过以上计算机的图像分析和标准化处理， 我们得到代表 芯片 上每个基因 信号强度数值的电子数据表， 下一步工作是如 何在其中 挖掘寻 找众多基因在表达上的差异性和相似
19、性规律， 进而发现其所代表的生物学意义。分析微阵列上基因的差异 表达， 很多文献都采用根据处理和对照组相应基因的信号比 率， 用人为界定的闽值确定之R a t io分析( R a t io A n a l y s is ) ( 多为处理/ 对照 z 作为基因显著上调标准) 。该方法简单直观， 但其阂值的划分 主观性较强、 缺乏生物学和统计学支持， 尤其对于分析样本中 的 低拷贝或高拷贝转录子， 容易产生假阳性和假阴性问题。 I d e k e r 等n 5 : 阐述了通过重复性实验中的误差评估( v a r ia b il i ty a n d E r r o r A s s e s s m
20、e n t ) 和 基因 定标后特异性t 检验( s ig n ifi c a n c e a n a l y s is o f m i c m a r m y s ) 来判断差异表达基因的方法， 以及其他 一些报道的 方案 16 ， 但目 前尚无统一性标准， 芯片后验证性实 验( R T - P C 民荧光定量R T - P C R , N o r th e r n 等) 是确定样本基因 差异表达的金标准。寻找基因表达水平的相似性规律时则常 用聚类统计分析对基因表达谱数据统计归类， 探索代表不同生 物学意义的分类标准、 同类基因的共同功能以及在基因表达水 平上预测新的生物模式等。主要策略有监
21、督分析和非监督分 析两类， 前者根据特定样本或基因的己知生物学信息对表达谱 建立分类器， 进而对各基因进行功能分类和预测， 后者则通过 计算和比较表达谱各基因统计学距离， 聚类“ 相似性” 样本或基 因。 代表性的 数学 模型有层次聚类( h ie r a r c h i c a l c lu s t e r in g ) 、 自 组织作图( s e lf - o r g a n i z i n g m a p s ) , k - m e a n s 、 主元分 析方法( p ri n c i- p l e c o m p o n e n t a n a l y s is ) 、 L D A
22、( li n e a r d i s c r imin a n t a n a l y s i s ) 8 2第三军医大学学报第 2 8卷 等 ” ， 不过7 h o u 等t e l 认为， 一些相似功能的基因并不总是表 现相似的表达谱， 针对此他们提出了“ 过度共表达基因” 概念及 相应的数学模型鉴定表达潜中此类基因， 作为聚类分析的补 充。在 I n t e rne t 网络上许多商业和学术机构所提供的大量芯片 数据统计分析软件包等资源可供研究人员参考使用( h tt p ; / / l a b - o n - a -, ,h i p . c o m / s o 耐 te r n / i
23、 n fo r m . h t m l 及h t t p ; / / g e n o m e - S t a n f o r d . e d u / -te c h . s h m d等) 芯片数据的管理和交流 进行芯片的数据分析以后并不标志着实验的结束， 研究人 员逐渐认识到， 要对呈数量级增长的实验数据进行有效管理、 交流和验证， 需要建立起通行的数据储存和交流平台， 以及一 套科学的策略和统一的标准化管理方案。B ta z ma 的研究小组 在2 0 0 1 年提出记录和报告芯片实验数据的建议标准M I - A M E ( m i m m u m in f o r m a t io n
24、a b o u t a m i c ro a r m y e x p e r i m e n t 最小化 阵列表达信息) ， ， 该方案主 要从6 个方面对芯片实验的描述 进行了规划: 整体实验规划和设计、 芯片阵列的设计、 样本收集 提取和标记的方案、 芯片杂交的流程和参数、 影像数据的测量 和规范、 数据标准化校正分析， 以期统 一芯片报告的格式和整 合相关资讯。至今为止， MI A M E策略已得到较为广泛的响应、 认同和发展， 尤其以学术界和商界组成的微阵列基因表达数据 ( M G E D ) 协会加快了 其应用普及， 一些公共的生物芯片信息数 据库如E B I 的 A a a v E
25、 x p r e s s , N C B I的G E O、 日本的C I B E X等均 采用MI A M E标准接纳芯片数据 N a t a r e , T h e L a n c e t 等一些专业 杂志已经把 M I A ME格式作为接受芯片研究论文的必要条件 ( h t t p ; / / w w w . n a t u r e . c o m / n a t u r e / s u b m i t/ p o li c i e s / ) ， 许多著名的 芯片及软件生产商， 如A ff v m e tr ix公司、 R o s e tta B io s o ft w a r e 公 司
26、、 l o b i o n I n f o r n i a t i c ， 公司等也纷纷将 M I A M E标准整合到相关 产品中。从M I A M E建立的意义上来说， 已 是一个随着芯片技 术研究进展而不断发展的指导策略， 而并非固定教条( 2 0 0 1年 文献提出的是 1 . 0版本， 2 0 0 2年已改进为 1 . 1版本) 。关于 M I A ME较为近期和深入的讨论与进展可以查阅h t tp ; / / w w w . ra g e d . u r g / Wo rk g r o u p s / M I A ME / m i a m e . h tr rd o 总之， 在人类
27、基因组计划初步完成， 开始进人后基因组时 代的今天， 作为高通量筛选技术的代表基因芯片存在着巨 大的科研需求， 将可能成为未来生命科学研究的主要分析手段 之。因此， 寻找芯片实验技术上的突破， 有效提高其检测效 能和可靠性， 并对微阵列所提供的巨大数据进行有效的分析和 管理， 是基因芯片技术能否向前突破的关键。相信在世界各地 研究人员的共同努力下， 基因芯片所存在的技术性缺陷和壁垒 将被逐一克服， 这项具有时代意义的技术会很快成熟起来 关键词:基因芯片; 微阵列; 可靠性; 数据处理 中图法分类号:R 3 1 8 . 0 4文献标识码: A 参考文献 : V R A N A K E ， F R
28、 K E M A N W M ，A S C H N E R M . U s ,. o f o n -a y t e o h n o lo p , s 6 i 1. , . lc o lo g y ie s o a m h J . N e o m t o x iwlo g y , 2 0 0 3 , 2 4 ( 3 ) : 3 2 1 一 3 3 2 A N D E R S O N N L , M A T H E S O N A D , S T E I N E R S . P r o te o m ic s : a p p l i- c a n o n s i n b a s i c a n d
29、 a p p l ie d b io l o g y S . C a n O p io B io t , c h a o l 2 0 1 H ) , 1 1 ( 4) : 4 0 8 一 4 1 2 . 3 H U A N G J , L I I I C J , P A N K H , e t a l . G lo b a l a n a l y s is o f g ro w th p h a s e m s p o n s iv e g e n e e x p r e s s io n a n d re g u la t io n o f a n t ib i o t ic b i o s
30、 y n th e ti c p a t h w a y s in S tre p to m y c e s c o s li c o l o r u s in g D N A m i c r o a r r a y s J G e n e s D e , 2 0 0 1 , 1 5 ( 2 3 ) : 3 1 8 3 - 3 1 9 2 4 H A L G R K N R G, F IE L D E N M R , F O N G C J , e t a t. A s s e s s m e n t o f c lo n e id e n ti ty a n d s q u e n e c
31、fi d e l ity fo r 1 1 8 9 I M A G E c D N A c lo n e s J . N u c le ic A c id s B e , , 2 0 0 1 , 2 9 ( 2 ) : 5 8 2 一 5 8 8 5 L IP S H U T Z R J , F O D O R S P , G IN G E R A S T R , e a a l . H i g h d e n s it y s yn t h e ti c li g . a a c le o tid a a m a s s J . N a t G e n e t , 1 9 9 9 , 2 1
32、 ( 1 S u p p l ) : 2 0一2 4 . 6 S H I O D A T . A p p li c a ti o n o f D N A o n -m y t o o x ic o l o g ic a l r e s e a rc h J . J E n v i ro n P a t h o l T o x i c , O n w l , 2 0 0 4 , 2 3 ( 1 ) ; 1 3 一 3 1 7 , S T E A R S R L , M A R T I N S K Y T , S C H E N A M . T r e n d s in m ic m a r r
33、a v a - n a l y s i s J . N a t M e d , 2 0 0 3 , 1 ( 9 ) : 1 4 0一 4 5 8 ， Y A N G Y H , S P E E D T . D e s ig n i s s u e s fo r e D N A a o w n 日T 服 ， e x p e n - m e rn s t J . N a t R e v G e n e t , 2 0 0 2 , 3 ( 8 ) : 5 7 9一 5 8 8 9 .户 L E E M L , K U O F C WH TTM O R E G A , e r a l . I m p
34、o rt a n c e o f r e p li c a - t io n in m i c r o a r r a y g e n e e x p r e s s i o n st u d i e s ; s t a ti st ic a l m e th o d s a n d e v i - d e u c e 1 0 T I L S T O N E C . D N A m ic r o a rm y s : v it a l s t a ti st ic s J . N a tu r e , 2 0 0 3 , 4 2 4 ( 6 9 4 9 ) : 6 1 0 - 6 1 2 L
35、I l R A R T O S I E WIC Z M , T R O U N S T IN E M, B A R K E R D , e e a l. B e v e l- o p m e n t o f a to x ic o lo g ic a l g e n e a rr a y a n d q u a n t ita t iv e a ss e s sm e n t o f th is te c h n o lo g y J 一A rc h B io c h e m B i o p h y s , 2 0 0 0 , 3 7 6 ( 1 ) : 6 6一 7 3 . 尸 1 2 Y
36、U E H, E A S T M A N P S , WA N G B B , e t a l . A n e v a l u a t io n o f t h e p e rf o rm a n c e o f c D N A m ic ro a r m y s fo r d e te c tin g c h a n g e s in g lo b a l m R - N A e x p r e s s io n J . N u c l e ic A c i d s R e s , 2 0 0 1 , 2 9 ( 8 ) : E 4 1 1 3 1 B R O W N C S , G O O
37、 D WIN P C S O R G O R P K. Im a g e m e t ri c s in th e s t a ti s ti c a l a n a l y s i s o f D N A r n ic ro a r a y d a t a . J . P r o s N a tl A c a d S c i U S A , 2 0 0 1 ， 9 8 ( 1 6 ): 8 9 4 4 一 8 9 4 9 1 4 Y A N G Y H, D U D O I T S , L IE U P , e t a l . N o r m a li z a ti o n fo r c D
38、 N A m i- -y d a t a : a ro b u s t c o m p a s i te m e a a ,d a d d re s s in g s in g le a n d m n 1t i- p le s li d e s y st e m a ti c v aa ti o n J . N -le i, A c id s R e s , 2 0 0 2 , 3 0 ( 4 ) E1 5 1 5 ID E K E R T , T H O R S S O N V , S I E G E L A F , s t a l. T e s t in g f o r d if fe
39、re n - d a l ly -e x p r e ss e d g e n e s b y m a x i m u m -l ik e l ih o o d a n a ly s i s o f m i c m a r ra y d a m J . J C o m p u t B iu l , 2 0 0 0 , 7 ( 6 ): 8 0 5 一 8 1 7 1 6 D R A G H IC I S . S t a ti s ti c a l in te ll ig e n c e ; e ff ri v e a n a l y s i s o f h ig h d e n s it y
40、m rc r o a rm y d a t a J . D mg D i s c- T o d a y , 2 0 0 2 , 7 ( 1 1 S a p p l ) : S 5 5 一S 6 3 1 7 A L O N U , B A R K A I N, N O TTE R M .A N D A , e t n L B r o a d p a tt e m s o f g e n e e x p m s s i o n re v e a l e d玩 c lu s te r i n g a n a ly s is o f tu m o r a n d n o m ,a l c o l o
41、n ti s su e s p m b e d b y u lig u ,m c l e o t id e a r ra y s J . P r o , N a t l A c a d S c i U S A , 1 9 9 9 , 9 6 ( 1 2 ) : 6 7 4 5 一 6 7 5 11 i s Z H O U X， K A O M C , W O N G W H . T r a n s i ti v e fu n c tio n a l a n n o ta t io n b y s h o r t e s t- p a t h - d y s is o f g e n e e x
42、 p re s s io n d a ta J . P r x N a t1 A c a d S c i U S A , 2 0 0 2 , 9 9 ( 2 0 ) : 1 2 7 8 3 一 2 7 8 8 . 1 9 B R A Z M A A , H IN G A M P P , Q U A C K E N B U S H J , e t a l . M i n im u m i n - f rn m t io n a b o u t a m i- -rrav e x p e n m e m ( M I A M E ) - to w a r d s ta n d a rd s fo r n ; c m a r ra y d a tat J . N a t G e n e t , 2 0 01， 2 9 ( 4 ) : 3 6 5 一 3 7 1 . ( 编辑陈聪连)