Ein konzeptioneller und praktischer Überblick über die cDNA-Microarray-Technologie: Implikationen für die Grundlagen- und klinischen Wissenschaften

Braz J Med Biol Res, Oktober 2005, Band 38(10) 1543-1552 (Rezension)

Ein konzeptioneller und praktischer Überblick über die cDNA-Microarray-Technologie: Implikationen für die Grundlagen- und klinischen Wissenschaften

V. de Mello- Coelho und K.L. Hess

Departamento de Histologia e Embriologia, Instituto de Ciências Biomédicas, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasilien

Zusammenfassung
Text

Korrespondenz und Fußnoten

Zusammenfassung

cDNA Microarray ist eine innovative Technologie, die die Analyse der Expression von Tausenden von Genen gleichzeitig erleichtert. Die Anwendung dieser sich rasch entwickelnden Methodik erfordert eine Kombination von Fachwissen aus den biologischen, mathematischen und statistischen Wissenschaften. In dieser Übersicht, Wir versuchen, einen Überblick über die Prinzipien der cDNA-Microarray-Technologie zu geben, die praktischen Belange der analytischen Verarbeitung der erhaltenen Daten, die Korrelation dieser Methodik mit anderen Datenanalysemethoden wie der Immunhistochemie in Gewebemikroarrays, und die cDNA-Microarray-Anwendung in verschiedenen Bereichen der Grundlagen- und klinischen Wissenschaften.

Schlüsselwörter: Biotechnologie, cDNA Microarray, Genexpression, Genomik

Einleitung

Gene sind erbliche Einheiten, die durch Desoxyribonukleinsäure (DNA) -Sequenzen gebildet werden, die in Chromosomen im Zellkern organisiert sind. Der komplizierte Prozess der Transkription aus diesen Sequenzen führt zur Erzeugung von Boten-Ribonukleinsäuren (mRNA). Diese mRNA kodiert für Proteine, die aus Aminosäuren zusammengesetzt sind, und führt die vorgesehene Funktion des Gens aus (1). Somit werden die strukturellen und funktionellen Merkmale von Zellen und Geweben durch die gleichzeitige, selektive und differentielle Expression von Tausenden von Genen bestimmt.

Seit dem letzten Jahrzehnt liefern Studien mit Genkartierung, Klonierung und Sequenzierung wichtige Informationen für die Strukturanalyse verschiedener Genome (2,3). Die Menge der aus diesen Untersuchungen gewonnenen Informationen erfordert die Organisation der erfassten Daten. Um diesem Bedarf gerecht zu werden, wurden öffentliche Datenbanken eingerichtet, in denen Millionen von Gensequenzen und exprimierten Sequenzkennzeichnungen (ESTs) gespeichert sind, die den Zugang zu Gensequenzen zur Analyse der Ähnlichkeiten sowie der Unterschiede zwischen Genomen verschiedener Arten ermöglichen (4).

Strukturstudien von Genomen haben zahlreiche Fragen im Zusammenhang mit dem funktionellen und regulatorischen Verständnis von Genexpressionsprofilen in verschiedenen Zelltypen und Geweben verschiedener Organismen aufgeworfen (3,5,6). Die DNA-Microarray-Technologie wurde entwickelt, um die komplexe biologische Verarbeitung mit mehreren tausend Genen zu untersuchen (7,8). Eine solche Microarray-Technologie verwendet einzelne DNA-Stränge oder Sonden (Oligomere), die mittels Photolithographie (9) auf eine Glasoberfläche aufgedruckt werden. Eine weitere DNA-Microarray-Methodik, die im Mittelpunkt der vorliegenden Überprüfung steht, ist die komplementäre DNA (cDNA) -Microarray-Technologie (10). Mit diesen Methoden ist es möglich, 1) gleichzeitig das dynamische Expressionsmuster von Tausenden von Genen in Zellen oder Geweben zu vergleichen, 2) molekulare Unterschiede während verschiedener Stadien zellulärer Prozesse, z. B. Differenzierung, Proliferation und Induktion von Apoptose, zu erkennen, 3) Transkriptionsunterschiede zwischen nicht erkrankten und pathologischen Zuständen zu identifizieren, 4) Veränderungen in Zellen aufgrund einer Arzneimittelreaktion zu identifizieren und 5) neuartige Biomarker für die mögliche Verwendung in der Diagnose, Prognose und klinischen Therapie von Krankheiten zu identifizieren.

Die Prinzipien der cDNA-Microarray-Technologie

Eine klassische Methode zum Nachweis und zur Quantifizierung von mRNA in einer bestimmten Zelle wird als Northern-Blot-Analyse bezeichnet (11). Das Hauptprinzip der Northern-Blot-Analyse ist die Hybridisierung einer radioaktiv markierten genspezifischen Sonde an mRNA, die an einen Filter gebunden ist, um festzustellen, ob dieses Gen vorhanden ist. Eine weitere Methode zum Nachweis der Expression eines spezifischen Gens ist die Reverse Transkriptionspolymerase-Kettenreaktion (RT-PCR). RT-PCR beinhaltet die Verwendung von genspezifischen Primern und reverser Transkriptase, um eine cDNA-Sequenz zur mRNA zu synthetisieren. Die cDNA wird dann durch mehrere Runden polymerase-vermittelter Transkription dieser Template-cDNA amplifiziert (12). Es gibt verschiedene Arten von RT-PCR und die präziseste in Bezug auf die Quantifizierung ist die Echtzeit-RT-PCR-Methode, die ein automatisiertes System erfordert, das in der Lage ist, Fluoreszenz zu detektieren, die während der RT-PCR-Reaktion induziert wird (12). Während der RT-PCR kann die Expression eines bestimmten Gens abgeleitet werden, indem es mit konstitutiv exprimierten Genen verglichen wird, die auch als „Housekeeping“ -Gene bezeichnet werden.

Die cDNA-Microarray-Technologie, die die Genexpressionsniveaus von Tausenden von Genen gleichzeitig analysiert, basiert auf den gleichen Prinzipien wie die für Northern Blot- und RT-PCR-Analysen (7,8). Im Wesentlichen ist cDNA-Microarray die Hybridisierung von Tausenden von Genen von cDNA zu ihren entsprechenden Zielen auf einem Chip oder Filter. Die aktuelle Herausforderung dieser Technologie besteht jedoch darin, die erheblichen Mengen an numerischen Rohdaten zu analysieren, die durch die Erfassung von Hybridisierungssignalen erhalten werden (13). Rechnerische und biostatistische Analysen sind notwendig, um signifikante Daten für die spezifischen Ziele der Untersuchung genau zu verarbeiten (Abbildung 1).

Herstellung einer cDNA-Microarray-Matrix

Vor kurzem haben mehrere Unternehmen cDNA-Microarrays entwickelt, die sich auf spezifische Genexpressionsprofilsysteme konzentrieren. Diese Matrizen sind im Handel erhältlich von Biotechnologie-Unternehmen, einschließlich SuperArray Bioscience Corporation und Affymetrix, für den Einsatz zu erschwinglichen Preisen. In diesem Abschnitt versuchen wir, die grundlegenden Schritte bei der Herstellung einer cDNA-Microarray-Matrix zu beschreiben.

Der erste Schritt zur Herstellung einer cDNA-Microarray-Matrix ist die Selektion und Amplifikation von Gesamt- oder Teilfragmenten von cDNA-Sequenzen, die auf Substraten gedruckt werden sollen, die anschließend mit Ziel-cDNA-Sequenzen hybridisiert werden (14,15). Die gebräuchlichsten Methoden zur Auswahl von Sequenzen basieren auf den folgenden Ressourcen: 1) Gendatenbanken wie Unigene, dbEST und GenBank, die Informationen über die spezifische Genfunktion und Chromosomenlokalisation geben; 2) Klonsammlungen oder verfügbare cDNA-Sequenzen auf Website-Homepages von Handelsunternehmen; 3) maßgeschneiderte Konstruktionen von cDNA-Bibliotheken aus Zielzellen- oder Gewebematerial, die zuvor zur EST-Identifizierung kloniert und sequenziert wurden. Einmal ausgewählt, cDNA-Fragmente werden durch PCR auf Multiwell-Mikroplatten amplifiziert, durch chemische Fällung gereinigt, und dann durch Gelelektrophorese auf Qualität und Quantität untersucht. Die PCR-Produkte werden mit einer Robotermaschine, dem Microarrayer, auf einen Objektträger oder eine Membran gedruckt. Während des Roboterdruckens oder Abscheidens der DNA erhalten Kapillarröhrchen einen konstanten Druck und legen die DNA seriell auf dem Objektträger oder der Membran ab, wodurch ein „Microarray“ -Design (16) erzeugt wird. Verschiedene Arten von Substraten, einschließlich Glasobjekten und Nylonmembranen, werden vorbehandelt, um ihre hydrophoben Ladungen zu verstärken, was zu einer Erhöhung der Gesamthaftung von DNA-Sequenzen an die Substrate führt (13). Am wichtigsten ist, dass die Datenindizierung, die die Position von Tausenden der auf den Substraten gedruckten cDNA-Klone enthält, durch sorgfältige Markierung jeder Mikroplatte unter Verwendung einer Software durchgeführt wird, die für die Datenbankanalyse entwickelt wurde. Diese Datenbank enthält auch die Klonidentität (Klon-ID), den Gennamen, die Chromosomenposition und die Genfunktion (en).

Hybridisierung der cDNA-Sonde mit der Ziel-DNA-Microarray-Matrix

Ein entscheidender Faktor für eine erfolgreiche Hybridisierung der cDNA-Sonde mit der Ziel-DNA-Microarray-Matrix ist die Qualität der mRNA aus Zellen oder Geweben. Verunreinigungen der Sonden-RNA mit genomischer DNA, Proteinen oder Detergensrückständen können zu falsch positiven/falsch negativen Daten führen.

Die Markierung der Sonde während der cDNA-Synthese durch reverse Transkription von RNA-Sequenzen hängt von der Art des verwendeten cDNA-Microarrays ab (16). Wenn eine cDNA-Microarray-Analyse unter Verwendung von Nylonmembranen als Substrat durchgeführt wird, wird die Sonden-RNA im Allgemeinen durch Einbau von dCTP-P33-Nukleotiden während des Prozesses der reversen Transkription radioaktiv markiert (7). Im Falle eines auf Glasobjektträgern gedruckten cDNA-Microarrays werden radioaktive Nukleotide (17) und Fluoreszenzfarbstoffe mit hohen Einbauraten, wie die Cyanine Cy-3 dUTP und Cy-5 dUTP, verwendet (8). Weitere Informationen zu den Typen von cDNA-Microarrays und dem Hybridisierungsprozess (7,8,17-20) finden Sie in Tabelle 1.

Analysewerkzeuge zur Identifizierung von Genexpressionsmustern mittels cDNA-Microarray-Technologie

Werkzeuge zur Analyse der massiven Datenmengen, die aus cDNA-Microarrays generiert werden, werden noch entwickelt. Derzeit analysieren die Ermittler cDNA-Microarray-Daten mit verschiedenen Softwareprogrammen (21-24). Dies bedeutet, dass es keine einzige Methode zur Analyse der riesigen Datenmenge gibt, die mit dieser Technologie erhalten wird. Die Verwendung von biostatistischen Werkzeugen hat bei der Analyse der Bedeutung von Genexpressionsprofilen zunehmend an Bedeutung gewonnen.

Um eine allgemeine Vorstellung von einigen Arten von Methoden zur Analyse von cDNA-Microarray-Daten zu erhalten, werden wir Schritte beschreiben und diskutieren, die den Analyseprozess behindern könnten. Von größter Bedeutung ist die Validierung der Ergebnisse durch den Abschluss mehrerer Replikatexperimente. Nach der Erfassung der Hybridisierungssignale werden die Substrate mittels Computerprogrammen visuell untersucht. In diesem Fall wird die Qualität der Substrate berücksichtigt. Beispielsweise werden Fuzzy-Spot-Bilder, Farbstoffpräzipitate oder Proben mit starken Hintergrundsignalen üblicherweise verworfen. Diese Analyse ist wichtig, um Artefakte zu eliminieren, die zur Erkennung falsch positiver Signale führen können (16). Verschiedene Forscher wenden die Methode der Hintergrundsubtraktion der Hybridisierungssignale auf die unspezifischen Signale im Hintergrund an. In diesem Schritt ist es abhängig von der verwendeten Software möglich, Hintergrundsignale auf zwei Arten zu subtrahieren: 1) durch das arithmetische Mittel oder den Median, das sich aus der Signalintensität zwischen den positiven Signalen von Spots im Substrat ergibt, oder 2) durch das arithmetische Mittel oder den Median des unspezifischen Signals, wie z. B. der Signalintensität, die sich aus dem unmittelbaren Bereich um jeden Spot ergibt, der einem spezifischen Gensignal entspricht. Durch diese beiden Verfahren werden die arithmetischen Mittel- oder Medianwerte von dem positiven Signal, das ein differentiell exprimiertes Gen repräsentiert, subtrahiert (16). Die Erfassung der positiven Signalintensität in Gittern der Lokalisierung, die mit spezifischer Software erstellt wurden, erfolgt in beliebigen Werten, die als Algorithmen bezeichnet werden. Auf diese Werte kann direkt in der Datenbanksoftware zugegriffen werden, die zuvor katalogisierte Informationen zu jedem auf dem Substrat gedruckten Gen enthält.

Aufgrund der enormen Menge an gleichzeitig analysierten Genen und der Variabilität in allen technischen Schritten der cDNA-Microarray-Technik ist es wichtig, einen Anpassungs- oder Kompensationsfaktor zu erstellen, der durch einen Datennormalisierungsprozess erfolgt. Das Vorhandensein unspezifischer Signale auf den Substraten, Probleme in Bezug auf Quantität oder Qualität der RNA vor der Hybridisierung oder Variabilität beim Sondeneinbau der RNA können alle zu einer Beeinträchtigung der Probennormalisierung führen (14,16). Zur weiteren aussagekräftigen Interpretation der Daten führt der Normalisierungsprozess eine vergleichende Analyse des arithmetischen Mittels der Algorithmen aus einer einzelnen Gruppe mit einer anderen, häufig als Kontrolle gewählten Gruppe durch (24,25). Es gibt verschiedene Arten von Normalisierungsmethoden, und die Auswahl der am besten geeigneten Methode kann eine Herausforderung sein. Der Grund dafür ist, dass mehrere experimentelle Variablen oft die genaue Identifizierung von differentiell exprimierten Genen verhindern, ohne dass falsch positive / falsch negative Ergebnisse die Auswertung der Daten verunreinigen. Mathematische, statistische und bioinformatische Unterstützung ist in diesem Stadium der cDNA-Microarray-Technologie von entscheidender Bedeutung.

Normalisierungsmethoden umfassen: 1) das logarithmische Verhältnis der gemessenen Expressionsniveaus zwischen verschiedenen Gruppen basierend auf dem Mittelwert, dem Median, den Mediandifferenzen oder der Varianz, die aus allen positiven Signalen auf den Substraten erhalten werden; 2) Regressionsanalyse, die durch den Korrelationskoeffizienten oder den euklidischen Abstand ausgewertet wird und auf der Verteilung basiert, die durch die Algorithmen dargestellt wird, die den Signalintensitäten in den verschiedenen Stichproben derselben Gruppe entsprechen, und 3) statistische Tests wie der t-Test oder die assoziative Analyse, die mehrere gepaarte Vergleiche basierend auf dem signifikanten Schwellenwert von P < 0,05 bzw. der T-Test-Schwellenwert-Signifikanzkorrektur berücksichtigen (25,26). Darüber hinaus berücksichtigt die lokal gewichtete lineare Regressionsnormalisierungsmethode (lowess), die häufig für Fluoreszenzarrays verwendet wird, abnehmende Variationen der Intensitätshybridisierungssignale und die räumliche Position der gefleckten cDNA auf dem Objektträger (27).

Nach der Normalisierung besteht die einfachste Methode zur Identifizierung von Unterschieden zwischen Mustern der Genexpression darin, die Verhältnisdifferenz zwischen einer Probe und ihrer geeigneten Kontrolle zu verwenden. In diesem Fall wird eine beliebige Grenze festgelegt, und aus diesem Wert können die differentiell exprimierten Gene mithilfe einer Datenbanksoftware ausgewählt werden. Beispielsweise ist es möglich, eine 2-fache Schwelle festzulegen, um Gene mit signifikanten Änderungen des Expressionsniveaus zu identifizieren. Während dieses Vorgangs werden die Gene in diesem Bereich ausgewählt und in Tabellen in der Datenbank organisiert. Die Gene, die die Auswahlkriterien erfüllen, können aus Datenbanken mit einer Software visualisiert werden, die selbstorganisierende Karten anzeigt (28,29). Darüber hinaus können diese Veränderungen in den Genexpressionsprofilen zwischen verschiedenen Gruppen in Dendrogrammen basierend auf hierarchischer Clusteranalyse visualisiert werden (25,29,30). In diesem Fall werden Gene, die herunterreguliert sind, im Allgemeinen grün und hochregulierte Gene im Allgemeinen rot dargestellt. Da der Genregulationsunterschied intensiver ist, ist auch seine jeweilige Farbe intensiver. Softwareprogramme zur Analyse von cDNA-Microarray-Daten sind über das Internet verfügbar.

Es ist wichtig zu beachten, dass bei der Analyse von Genexpressionsprofilen, die mit der cDNA-Microarray-Technologie erfasst werden, Tausende von Genen gleichzeitig analysiert werden. Bevor physiologische Untersuchungen ausgewählter Gene durchgeführt werden, sollten die cDNA-Microarray-Ergebnisse auf RNA-Ebene durch Northern-Blot-Analyse oder Echtzeit-RT-PCR bestätigt werden (14). Dies eliminiert die Möglichkeit falsch positiver cDNA-Microarray-Ergebnisse aufgrund von Kreuzhybridisierung zwischen Genen innerhalb derselben Genfamilie. Eine weitere Bestätigung wird auch auf Proteinebene dringend empfohlen, z. B. durch Western-Blot-Analyse, Durchflusszytometrie oder Immunhistochemie. In diesem Zusammenhang ist es derzeit möglich, Gene auf Proteinebene mit Gewebemikroarray-Assays zu bewerten (31-33). Der Tissue Microarray Assay ist eine Methode, mit der bis zu tausend Gewebe gleichzeitig mit einem spezifischen Marker bewertet werden können. Grundsätzlich werden kleine Kernbiopsien von 1 mm oder weniger aus einzelnen in Paraffin eingebetteten Gewebeblöcken mit einer speziellen metallischen Vorrichtung oder Nadel isoliert und angeordnet in einen anderen Paraffinblock gelegt. Die Vorteile dieser Technik sind: 1) die Wirtschaftlichkeit und Konservierung der ursprünglichen Gewebeproben, die für die Biopsie erhalten wurden, um das Array zu konstruieren; 2) um technische Probleme zu vermeiden, da die Anordnung in einem einzigen Objektträger aufgebaut ist, wodurch die Wasch- und färbetechnischen Prozesse erleichtert werden, und 3) die Geschwindigkeit, mit der gleichzeitig eine In-situ-Analyse in mehreren Gewebeproben gleichzeitig durchgeführt werden kann. Klinisch ist es eine leistungsstarke Technik, die zusammen mit der cDNA-Microarray-Analyse verwendet werden kann, um neuartige Biomarker für eine mögliche Verwendung als diagnostische, prognostische und therapeutische Instrumente gegen pathologische Zustände zu identifizieren (31,32).

cDNA-Mikroarray-Technologie: anwendungen und Perspektiven

In Bezug auf die Anwendung führt die cDNA-Microarray-Technologie zur Identifizierung spezifischer Gene und ermöglicht es Forschern, die Profile der Genexpression unter normalen und pathologischen Bedingungen in verschiedenen Organismen zu vergleichen. In der Grundlagenforschung wurde der cDNA-Mikroarray verwendet, um die Rolle mehrerer Gene zu identifizieren, die an zellulären Prozessen wie der Zelldifferenzierung beteiligt sind, beispielsweise durch den Vergleich von Genexpressionsmustern zwischen normalen und transfizierten Zellkulturen (34). Viele Forschungsgruppen haben die cDNA-Microarray-Technologie eingesetzt, um verschiedene Krebsarten sowie die Pathogenese von Infektionskrankheiten zu untersuchen (35-40). In diesem Fall hat die Identifizierung neuer Gene oder Veränderungen der Genexpressionsmuster in Geweben vom nicht erkrankten zum erkrankten Zustand dazu beigetragen, die molekularen Mechanismen, die den Ausbruch und das Fortschreiten von Krankheiten regulieren, besser zu verstehen. Darüber hinaus wurde cDNA-Microarray als eine sehr interessante Methodik in der pharmazeutischen Industrie angesehen. In diesem Zusammenhang könnte die Analyse des Genexpressionsprofils in großem Maßstab von Zellen, die verschiedenen Drogentests unterzogen wurden, relevant sein, um potenzielle Wirkstoffe für die therapeutische Verwendung zu klassifizieren (41). Einige Beispiele für die Anwendung der cDNA-Microarray-Methodik in den Grundlagen- und klinischen Wissenschaften (34-48) sind in Tabelle 2 beschrieben.

Die cDNA-Mikroarray-Analyse ist eine kostspielige Methode, aber die Fülle der mit dieser Technologie erzielten Ergebnisse ist ein unbestreitbarer Gewinn. Sobald eine zentrale Forschungseinheit für die Entwicklung dieser Methodik organisiert ist, können verschiedene Forscher den Vorteil nutzen, zuvor gedruckte cDNA-Microarray-Substrate zu verwenden, um differentiell exprimierte Gene sowohl im biologischen als auch im klinischen Bereich zu untersuchen. Für die Organisation von cDNA-Microarray-Einheiten muss die multidisziplinäre Interaktion zwischen mathematischen und biologischen Bereichen berücksichtigt werden. Ein einfaches hypothetisches schematisches Modell, das die Infrastruktur einer cDNA-Microarray-Einheit demonstriert, ist in Abbildung 2 dargestellt.

Schließlich wurden zentralisierte Banken mit Daten von Genexpressionsprofilen erstellt, die mit der cDNA-Microarray-Technologie analysiert wurden und über das Internet eingesehen werden können (49,50). Auf diese Weise können verschiedene Gruppen auf der ganzen Welt Daten ausgewählter Genprofile mit anderen vergleichen, die in molekularen Datenbanken wie Gene Expression Omnibus oder Array Express hinterlegt sind, die vom European Bioinformatics Institute (51) entwickelt wurden.

Ein Problem, das eine vorteilhafte Interaktion zwischen verschiedenen Forschungsgruppen, die cDNA-Microarray-Technologie verwenden, eingeschränkt hat, ist der Mangel an Standards für die Präsentation und den Austausch von Ergebnissen. Um dieses Dilemma auszugleichen, wurde die minimale Information für die Annotation eines Mikroarray-Experiments (MIAME) erstellt (52). Richtlinien, die zur Standardisierung von cDNA-Microarray-Experimenten führen, wurden von der Micro-array Gene Expression Data Society (MGED) vorgeschlagen. MIAME besteht im Wesentlichen aus sechs Abschnitten: 1) experimentelles Design; 2) Array-Design; 3) verwendete Proben, Extraktpräparate und Hybridisierung; 4) Verfahren und Parameter der Hybridisierung; 5) Bild-, Quantifizierungs- und Parametermessung und 6) Typen, Werte und Spezifikationen für Normalisierungskontrollen. MIAME ist zu einer Anforderung geworden, um cDNA-Microarray-Ergebnisse in vielen wissenschaftlichen Fachzeitschriften zu veröffentlichen. Darüber hinaus haben verschiedene Gruppen, darunter MGED, Rosetta, Agilent und Affymetrix, mithilfe der Bioinformatik zusammengearbeitet, um die Microarray-Genexpression (MAGE) zu entwerfen, eine gemeinsame flexible Strukturplattform, die die Kommunikation zwischen verschiedenen Forschungsgruppen mithilfe der cDNA-Microarray-Technologie ermöglicht. MAGE besteht aus Folgendem: 1) MAGE-ON (Objektmodell), ein zentrales Datenmodell, das eine einheitliche Modellierungssprache verwendet und die MIAME-Anforderungen implementiert; 2) MAGE-ML (Markup Language), die die Übersetzung von MAGE-OM in ein XML-basiertes Datenformat dokumentiert, und 3) MAGE-SLK, eine frei zugängliche Software, die die Schnittstelle des Anwendungsprogrammierers zu MAGE-OM definiert und somit den Datenexport nach MAGE-ML ermöglicht und anschließend zur Speicherung von Daten in einer relationalen Datenbank führt (53).

Vor kurzem ist Nanotechnologie in den verschiedenen Arenas, wie industriellen, pharmazeutischen und Regierungsanwendungen weit eingeführt worden, um moderne wissenschaftliche Fortschritte zu verbessern. Aufgrund der einzigartigen physikalischen und chemischen Eigenschaften von Nanopartikeln haben diese Materialien die Fähigkeit, sensorische Geräte, Antriebsadditive, Gewebeumbautechniken und Wirkstoffzielmechanismen zu verbessern. Darüber hinaus wurde die Nanotechnologie genutzt, um die Mikroarray-Kompetenz zu verbessern (54) und die Entwicklung von Protein-Nanoarrays zu unterstützen (55). Im Labor beginnen Wissenschaftler nun, die möglichen positiven / negativen Auswirkungen von Nanopartikeln auf die Induktion / Hemmung von Genen in Zellen mithilfe der Microarray-Technik zu untersuchen (56). Schließlich hat die Kombination von Nanotechnologie mit Microarray-Technologie das aktuelle Wissen über Gene, die während Krankheitsprozessen differentiell reguliert werden, sogar verbessert (57,58).

Zusammen können diese Werkzeuge zum Verständnis neuartiger Genfunktionen in verschiedenen Genomen und ihrer Korrelation mit der Krankheitspathogenese beim Menschen beitragen. Die Entwicklung und Anwendung der cDNA-Microarray-Technologie hat große Fortschritte bei der Entdeckung von Arzneimitteln, Forschungsdiagnostika und potenziellen Gentherapien zur Behandlung verschiedener Krankheiten gebracht. Diese grundlegende Technologie unterstützt Forscher beim Verständnis der molekularen Mechanismen, die an mehreren und vielfältigen biologischen Prozessen beteiligt sind.

9. Sengupta R & Tompa M (2002). Qualitätskontrolle bei der Herstellung von Oligo-Arrays: ein kombinatorischer Designansatz. Zeitschrift für Computational Biology, 9: 1-22.

11. Alwine JC, Kemp DJ & Stark GR (1977). Verfahren zum Nachweis spezifischer RNAs in Agarosegelen durch Transfer auf Diazobenzyloxymethyl-Papier und Hybridisierung mit DNA-Sonden. Verfahren der Nationalen Akademie der Wissenschaften, USA, 74: 5350-5354.

12. Bustin A (2000). Absolute Quantifizierung von mRNA unter Verwendung von Echtzeit-Reverse-Transkriptions-Polymerase-Kettenreaktionstests. Zeitschrift für molekulare Endokrinologie, 25: 169-193.

17. Whitney LW & Becker KG (2001). Radioaktive 33-P-Sonden bei der Hybridisierung mit Glas-cDNA-Mikroarrays unter Verwendung von Nervengeweben. Zeitschrift für neurowissenschaftliche Methoden, 106: 9-13.

19. Shalon D, Schmied SJ & Brown PO (1996). Ein DNA-Microarray-System zur Analyse komplexer DNA-Proben mittels zweifarbiger Fluoreszenzsondenhybridisierung. Genomforschung, 6: 639-645.

20. Bertucci F, Bernard K, Loriod B et al. (1999). Sensitivitätsprobleme bei DNA-Array-basierten Expressionsmessungen und Leistung von Nylon-Microarrays für kleine Proben. Humane molekulare Genetik, 8: 1715-1722.

22. Kerr MK & Churchill GA (2001). Bootstrapping-Cluster-Analyse: Bewertung der Zuverlässigkeit von Schlussfolgerungen aus Microarray-Experimenten. Proceedings der Nationalen Akademie der Wissenschaften, USA, 98: 8961-8965.

23. Planet PJ, Desalle R, Sidall M et al. (2001). Systematische Analyse von DNA-Microarray-Daten: Anordnung und Interpretation von Mustern der Genexpression. Genomforschung, 11: 1149-1155.

24. Tanaka TS, Jaradat S.A., Lim M.K. et al. (2000). Genomweite Expressionsprofilierung von Plazenta und Embryo in der Mitte der Schwangerschaft unter Verwendung eines 15.000-Maus-Entwicklungs-cDNA-Mikroarrays. Verfahren der Nationalen Akademie der Wissenschaften, USA, 97: 9127-9132.

25. Quackenbush J (2001). Computergestützte Analyse von Microarray-Daten. Naturgenetik, 2: 418-427.

27. Yang YH, Dudoit S, Luu P et al. (2002). Normalisierung für cDNA-Microarray-Daten: Eine robuste Kompositionsmethode, die sich mit systematischer Variation einzelner und mehrerer Objektträger befasst. Nukleinsäureforschung, 30: e15.

28. Tamayo P, Slonim D, Mesirov J et al. (1999). Interpretation von Mustern der Genexpression mit selbstorganisierenden Karten: Methoden und Anwendung auf die hämatopoetische Differenzierung. Verfahren der Nationalen Akademie der Wissenschaften, USA, 96: 2907-2912.

30. Eisen MB, Spellman PT, Braun PO et al. (1998). Clusteranalyse und Darstellung genomweiter Expressionsmuster. Verfahren der Nationalen Akademie der Wissenschaften, USA, 95: 14863-14868.

31. Braunschweig T, Chung JY & Hewitt SM (2004). Perspektiven in Gewebemikroarrays. Kombinatorische Chemie und Hochdurchsatz-Screening, 7: 575-585.

34. Tseng YH, Butte AJ, Kokkotou E et al. (2005). Die Vorhersage der Präadipozytendifferenzierung durch Genexpression zeigt die Rolle von Insulinrezeptorsubstraten und Necdin. Nature Cell Biology, 7: 601-611.

36. Staudt LM (2001). Genexpressionsphysiologie und Pathophysiologie des Immunsystems. Trends in der Immunologie, 22: 35-40.

37. Berns A (2000). Genexpression in der Diagnose. Natur, 403: 491-492.

38. Sawiris GP, Sherman-Baust CA, Becker KG et al. (2002). Entwicklung eines hochspezialisierten cDNA-Arrays zur Untersuchung und Diagnose von epithelialem Ovarialkarzinom. Krebsforschung, 62: 2923-2928.

39. Khan J, Wei JS, Ringner M et al. (2001). Klassifikation und diagnostische Vorhersage von Krebserkrankungen mithilfe von Genexpressionsprofilen und künstlichen neuronalen Netzen. Naturmedizin, 7: 673-679.

40. Chang JC, Hilsenbeck SG & Fuqua SA (2005). Genomische Ansätze in der Behandlung und Behandlung von Brustkrebs. Britisches Journal für Krebs, 92: 618-624.

41. In: Lovett RA (2000). Toxikogenomik. Toxikologen bereiten sich auf die Revolution der Genomik vor. Wissenschaft, 289: 536-537.

42. Flores-Morales A, Stahlberg N, Tollet-Egnell P et al. (2001). Microarray-Analyse der In-vivo-Effekte von Hypophysektomie und Wachstumshormon-Behandlung auf die Genexpression in der Ratte. Endokrinologie, 142: 3163-3176.

43. Liu K, Li Y, Prabhu V et al. (2001). Augmentation in der Expression von aktivierungsinduzierten Genen unterscheidet das Gedächtnis von naiven CD4 + T-Zellen und ist ein molekularer Mechanismus für eine verbesserte zelluläre Reaktion von Speicher-CD4 + T-Zellen. Zeitschrift für Immunologie, 166: 7335-7344.

44. Hess K, Yang Y, Golech S et al. (2004). Kinetische Beurteilung der allgemeinen Genexpressionsveränderungen während der humanen naiven CD4 + T-Zell-Aktivierung. Internationale Immunologie, 16: 1711-1721.

46. Hacia JG, Fan JB, Ryder O et al. (1999). Bestimmung von Ahnenallelen für humane Einzelnukleotidpolymorphismen unter Verwendung von Oligonukleotid-Arrays mit hoher Dichte. Naturgenetik, 22: 164-167.

49. Miles M (2001). Microarray: Verloren in einem Datensturm? Nature Neuroscience, 2: 441-443.

50. In: Becker KG (2001). Die gemeinsame Nutzung von cDNA-Microarray-Daten. Nature Neuroscience, 2: 438-440.

54. Wang X, Jiang N, Feng X et al. (2003). Ein neuartiger Ansatz für qualitativ hochwertige Microarray-Verarbeitung mit Array-Visualisierungstechnologie von Drittanbietern. IEEE-Transaktionen auf Nanobioscience, 2: 193-201.

56. Berry CC, Charles S, Wells S et al. (2004). Der Einfluss der Übertragung stabilisierter magnetischer Nanopartikel auf humane dermale Fibroblasten in Kultur. Internationale Zeitschrift für Pharmazie, 269: 211-225.

57. Crnic I & Christofori G (2004). Neuartige Technologien und jüngste Fortschritte in der Metastasenforschung. Internationale Zeitschrift für Entwicklungsbiologie, 48: 573-581.

Korrespondenz und Fußnoten