A cDNS microarray technológia fogalmi és gyakorlati áttekintése: az alap-és klinikai tudományok következményei

Braz J Med Biol res, 2005. október, 38. kötet(10) 1543-1552 (áttekintés)

a cDNS microarray technológia fogalmi és gyakorlati áttekintése: az alap-és klinikai tudományok következményei

V. De Mello-Coelho és K. L. Hess

Departamento de Histologia e Embriologia, Instituto de ci Enterprises Biomedicas, Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brazília

absztrakt
szöveg

absztrakt

a cDNS microarray egy innovatív technológia, amely egyszerre több ezer gén expressziójának elemzését teszi lehetővé. Ennek a gyorsan fejlődő módszertannak a felhasználása a biológiai, matematikai és statisztikai tudományok szakértelmének kombinációját igényli. Ebben az áttekintésben, megkíséreljük áttekintést adni a cDNS microarray technológia elveiről, a kapott adatok analitikai feldolgozásának gyakorlati aggályairól, ennek a módszertannak a korrelációja más adatelemzési módszerekkel, például immunhisztokémia szöveti mikroarray-kben, valamint a cDNS microarray alkalmazása az alap-és klinikai tudományok különböző területein.

kulcsszavak: Biotechnológia, cDNS microarray, génexpresszió, genomika

Bevezetés

a gének örökletes egységek, amelyeket dezoxiribonukleinsav (DNS) szekvenciák alkotnak, amelyek a sejtmag kromoszómáiban szerveződnek. Az ezekből a szekvenciákból történő transzkripció bonyolult folyamata messenger ribonukleinsavak (mRNS) képződését eredményezi. Ezek az mRNS az aminosavakból álló fehérjéket kódolják, amelyek a gén kijelölt funkcióját látják el (1). Így a sejtek és szövetek szerkezeti és funkcionális jellemzőit több ezer gén egyidejű, szelektív és differenciális expressziója határozza meg.

az elmúlt évtized óta a géntérképezéssel, klónozással és szekvenálással kapcsolatos tanulmányok jelentős információkat szolgáltattak a különálló genomok szerkezeti elemzéséhez (2,3). Az ezekből a vizsgálatokból nyert információk mennyisége szükségessé teszi a megszerzett adatok szervezését. Ennek az igénynek a kielégítésére nyilvános adatbázisokat hoztak létre több millió génszekvencia és expresszált szekvenciacímke (est) tárolására, lehetővé téve a génszekvenciákhoz való csatlakozást a különböző fajok genomjai közötti hasonlóságok és különbségek elemzéséhez (4).

a genomok szerkezeti vizsgálata számos kérdést vetett fel a különböző organizmusokból származó különböző sejttípusok és szövetek génexpressziós profiljának funkcionális és szabályozási megértésével kapcsolatban (3,5,6). A DNS microarray technológiát a több ezer gént magában foglaló komplex biológiai feldolgozás tanulmányozására fejlesztették ki (7,8). Az egyik ilyen mikroarray technológia egyetlen DNS-szálat vagy szondát (oligomert) használ, amelyeket fotolitográfiával (9) üvegfelületre nyomnak. Egy másik DNS microarray módszertan, amely a jelen áttekintés középpontjában áll, a komplementer DNS (cDNS) microarray technológia (10). Ezekkel a módszerekkel lehetséges 1) egyszerre összehasonlítani a sejtek vagy szövetek több ezer génjének dinamikus expressziós mintázatát, 2) kimutatni a molekuláris különbségeket a sejtfolyamatok különböző szakaszaiban, például a differenciálódás, a proliferáció és az apoptózis indukciója, 3) azonosítani a transzkripciós különbségeket a nem beteg és kóros állapotok között, 4) azonosítani a sejtekben a gyógyszerválasz miatt bekövetkező változásokat, és 5) új biomarkerek azonosítása a betegségek diagnosztizálásában, prognózisában és klinikai terápiájában.

a cDNS microarray technológia alapelvei

az mRNS kimutatására és mennyiségi meghatározására egy adott sejtben alkalmazott klasszikus módszertant Northern blot analízisnek (11) nevezzük. Az Északi blot-elemzés fő elve egy radioaktívan jelölt génspecifikus szonda hibridizációja a szűrőhöz kötött mRNS – hez annak meghatározása érdekében, hogy ez a gén jelen van-e. Egy másik módszer egy adott gén expressziójának kimutatására a reverz transzkripciós polimeráz láncreakció (RT-PCR). Az RT-PCR magában foglalja génspecifikus primerek és reverz transzkriptáz alkalmazását a cDNS szekvencia mRNS-re történő szintetizálására. A cDNS-t ezután a sablon cDNS (12) polimeráz által közvetített transzkripciójának több fordulója erősíti. Az RT-PCR-nek több típusa létezik, és a számszerűsítés szempontjából a legpontosabb a valós idejű RT-PCR módszer, amely olyan automatizált rendszert igényel, amely képes kimutatni az RT-PCR reakció során indukált fluoreszcenciát (12). Az RT-PCR során egy bizonyos gén expressziója levezethető, ha összehasonlítjuk az alkotmányosan expresszált génekkel, más néven “háztartási” génekkel.

a cDNS microarray technológia, amely ezer gén expressziós szintjét elemzi egyszerre, ugyanazokon az elveken alapul, mint mind a Northern blot, mind az RT-PCR elemzéseknél (7,8). Lényegében a cDNS mikroarray több ezer gén hibridizációja a cDNS-től a megfelelő célpontokig egy chipen vagy szűrőn. Ennek a technológiának a jelenlegi kihívása azonban a hibridizációs jelek megszerzésével nyert jelentős mennyiségű nyers numerikus adat elemzése (13). Számítástechnikai és biostatisztikai elemzésekre van szükség a jelentős adatok pontos feldolgozásához a vizsgálat konkrét céljaihoz (1.ábra).

cDNS mikroarray mátrix előállítása

a közelmúltban számos vállalat tervezett cDNS mikroarray-ket, amelyek specifikus génexpressziós profilrendszerekre összpontosítottak. Ezek a mátrixok kereskedelmi forgalomban kaphatók biotechnológiai vállalatok, köztük a SuperArray Bioscience Corporation és az Affymetrix, megfizethető áron történő felhasználásra. Ebben a részben megkíséreljük leírni a cDNS mikroarray mátrix előállításának alapvető lépéseit.

a cDNS mikroarray mátrix előállításának első lépése a szubsztrátumokra nyomtatandó cDNS szekvenciák teljes vagy részleges fragmenseinek kiválasztása és amplifikálása, amelyeket később a cél cDNS szekvenciákkal hibridizálnak (14,15). A szekvenciák kiválasztásának leggyakoribb módszerei a következő erőforrásokon alapulnak: 1) génadatbankok, mint például az Unigene, a Dbest és a GenBank, amelyek információt szolgáltatnak az adott gén funkciójáról és kromoszóma lokalizációjáról; 2) klóngyűjtemények vagy elérhető cDNS-szekvenciák kereskedelmi vállalkozások honlapjain; 3) cDNS-könyvtárak egyedi konstrukciói az EST azonosításához korábban klónozott és szekvenált célsejtekből vagy szövetanyagokból. Miután kiválasztották, a cDNS fragmenseket PCR-rel amplifikálják multiwell mikrolemezeken, kémiai kicsapással tisztítják, majd gélelektroforézissel megvizsgálják a minőséget és a mennyiséget. A PCR termékeket egy tárgylemezre vagy membránra nyomtatják egy robotgép, a microarrayer segítségével. A DNS robotnyomtatása vagy lerakódása során a kapilláris csövek állandó nyomást kapnak, és a DNS-t sorozatosan lerakják a tárgylemezre vagy a membránra, ezáltal “mikroarray” kialakítást hoznak létre (16). Különböző típusú szubsztrátumokat, köztük üveglemezeket és nejlonmembránokat előkezelnek, hogy növeljék hidrofób töltéseiket, ezáltal növelve a DNS-szekvenciák teljes tapadását a szubsztrátokhoz (13). A legfontosabb, hogy a hordozókra nyomtatott cDNS-klónok ezreinek elhelyezkedését tartalmazó adatindexelést az egyes mikrolemezek óvatos címkézésével végezzük adatbázis-elemzésre tervezett szoftver segítségével. Ez az adatbázis tartalmazza a klónazonosítót(clone ID), a génnevet, a kromoszóma helyét és a génfunkciót is.

a cDNS szonda hibridizációja a cél DNS mikroarray mátrixszal

a cDNS szonda cél DNS mikroarray mátrixszá történő sikeres hibridizációjának döntő tényezője a sejtekből vagy szövetekből származó mRNS minőségén alapul. A szonda RNS szennyeződése genomi DNS-sel, fehérjékkel vagy mosószermaradványokkal hamis pozitív/hamis negatív adatokat eredményezhet.

a szonda címkézése a cDNS-szintézis során az RNS-szekvenciák reverz transzkripciójával függ az alkalmazott cDNS-mikroarray típusától (16). Általában, amikor a cDNS mikroarray analízist nejlon membránok szubsztrátként történő felhasználásával végezzük, a szonda RNS-jét radioaktívan jelöljük dCTP-P33 nukleotidok beépítésével a reverz transzkripció folyamata során (7). Az üveglemezekre nyomtatott cDNS mikroréteg esetében radioaktív nukleotidokat (17) és nagy hatékonyságú beépülési arányú fluoreszcens festékeket, például Cy-3 dUTP és Cy-5 dUTP cianinokat (8) használnak. A cDNS mikrorészecskék típusairól és a hibridizációs folyamatról (7,8,17-20) további információt az 1.táblázatban talál.

a génexpressziós minták azonosítására szolgáló elemző eszközök cDNS mikroarray technológiával

a cDNS mikroarray-kből származó hatalmas mennyiségű adat elemzésére szolgáló eszközök még fejlesztés alatt állnak. Jelenleg a nyomozók a cDNS mikroarray adatait különféle szoftverprogramok segítségével elemzik (21-24). Ez azt jelenti, hogy nincs egyetlen módszer az ezzel a technológiával kapott hatalmas mennyiségű adat elemzésére. A biostatisztikai eszközök használata egyre fontosabbá vált a génexpressziós profilok jelentőségének elemzésében.

annak érdekében, hogy általános képet kapjunk a cDNS mikroarray adatok elemzésére használt módszerek néhány típusáról, leírjuk és megvitatjuk azokat a lépéseket, amelyek akadályozhatják az elemzési folyamatot. Rendkívül fontos az eredmények validálása több párhuzamos kísérlet elvégzésével. A hibridizációs jelek megszerzése után a szubsztrátumokat vizuálisan vizsgáljuk számítási programok segítségével. Ebben az esetben figyelembe veszik az aljzatok minőségét. Például a fuzzy spot képeket, a festék kicsapódását vagy az erős háttérjelekkel rendelkező mintákat általában eldobják. Ez az elemzés fontos a műtárgyak kiküszöböléséhez, amelyek hamis pozitív jelek kimutatását eredményezhetik (16). Különböző kutatók alkalmazzák a hibridizációs jelek háttérkivonásának módszerét a háttérben lévő nem specifikus jelekre. Ebben a lépésben a használt szoftvertől függően a háttérjeleket a következő két módon lehet kivonni: 1) A szubsztrátban lévő foltok pozitív jelei közötti jelintenzitásból származó számtani átlag vagy medián, vagy 2) a nem specifikus jel számtani átlaga vagy mediánja, például az egyes foltok körüli közvetlen területből származó jelintenzitás, amely egy adott génjelnek felel meg. Ezzel a két módszerrel a számtani átlagot vagy a medián értékeket kivonjuk a differenciálisan expresszált gént képviselő pozitív jelből (16). A pozitív jelintenzitás megszerzése az adott szoftver segítségével létrehozott lokalizációs rácsokban tetszőleges értékekben fejeződik be algoritmusok. Ezek az értékek közvetlenül elérhetők az adatbázis-szoftverben, amely a szubsztrátumra nyomtatott egyes gének korábban katalogizált információit tartalmazza.

az egyidejűleg elemzett gének hatalmas mennyisége és a cDNS microarray technika összes technikai lépésének változékonysága miatt fontos egy korrekciós vagy kompenzációs tényező létrehozása, amely egy adat normalizálási folyamaton keresztül történik. A szubsztrátokon nem specifikus jelek megléte, az RNS mennyiségével vagy minőségével kapcsolatos problémák a hibridizáció előtt, vagy az RNS szonda beépítésének variabilitása mind a minta normalizálódásának romlását eredményezheti (14,16). Az adatok további értelmes értelmezése érdekében a normalizálási folyamat összehasonlító elemzést végez az egyes csoportokból származó algoritmusok számtani átlagáról egy másikkal, amelyet gyakran kontrollként választanak (24,25). Többféle normalizálási módszer létezik, és a legmegfelelőbb módszer kiválasztása kihívást jelenthet. Ennek oka az, hogy több kísérleti változó gyakran megakadályozza a differenciálisan expresszált gének pontos azonosítását anélkül, hogy hamis pozitív / hamis negatív eredmények szennyeznék az adatok értékelését. A matematikai, statisztikai és bioinformatikai támogatás kritikus fontosságú a cDNS microarray technológia ezen szakaszában.

a normalizálási módszerek a következők: 1) A mért expressziós szintek logaritmikus aránya a különböző csoportok között a szubsztrátokon található összes pozitív jelből kapott átlag, medián, medián különbségek vagy variancia alapján; 2) regresszióanalízis, amelyet a korrelációs együttható vagy az euklideszi távolság alapján értékelnek, és az ugyanazon csoport különböző mintáiban a jelintenzitásoknak megfelelő algoritmusok által képviselt eloszláson alapul, és 3) statisztikai vizsgálatok, mint például a t-teszt vagy asszociatív elemzés, amelyek több páros összehasonlítást vesznek figyelembe a P < 0,05 szignifikáns küszöbérték, illetve a t-teszt küszöbérték szignifikancia korrekció alapján (25,26). Ezenkívül a fluoreszcens tömböknél gyakran alkalmazott lokálisan súlyozott lineáris regresszió (lowess) normalizálási módszer az intenzitás hibridizációs jelek csökkenő variációit és a foltos cDNS térbeli elhelyezkedését magyarázza a dián (27).

a normalizálás után a legegyszerűbb módszer a génexpressziós minták közötti különbségek azonosítására a minta és a megfelelő kontroll közötti aránykülönbség használata. Ebben az esetben tetszőleges határértéket állapítanak meg, és ebből az értékből lehetőség van a differenciálisan expresszált gének kiválasztására adatbázis-szoftver segítségével. Például 2-szeres küszöbértéket lehet létrehozni az expressziós szint jelentős változásaival rendelkező gének azonosítására. E folyamat során az ezen tartományon belüli géneket az adatbázisban található táblázatokban választják ki és rendezik. A kiválasztási kritériumoknak megfelelő gének adatbázisokból vizualizálhatók olyan szoftver segítségével, amely önszerveződő térképeket jelenít meg (28,29). Ezenkívül a különböző csoportok közötti génexpressziós profilok ezen változásai hierarchikus klaszterelemzés alapján dendrogramokban is megjeleníthetők (25,29,30). Ebben az esetben a lefelé szabályozott géneket általában zöld, a felfelé szabályozott géneket általában piros színnel mutatják. Mivel a génszabályozási különbség intenzívebb, így a megfelelő színe is. A cDNS mikroarray adatok elemzésére szolgáló szoftverprogramok az Interneten keresztül érhetők el.

fontos megjegyezni, hogy a cDNS microarray technológiával megszerzett génexpressziós profilok elemzése során több ezer gént elemeznek egyidejűleg. A kiválasztott gének fiziológiai vizsgálata előtt a cDNS mikroarray eredményeit meg kell erősíteni az RNS szintjén Northern blot analízissel vagy valós idejű RT-PCR-rel (14). Ez kiküszöböli a hamis pozitív cDNS mikroarray eredmények lehetőségét az ugyanazon géncsaládon belüli gének közötti kereszt-hibridizáció miatt. A további megerősítés szintén erősen ajánlott fehérje szinten, például Western blot elemzéssel, áramlási citometriával vagy immunhisztokémiával. Ebben az összefüggésben jelenleg lehetséges a gének fehérjeszinten történő értékelése szöveti mikroarray vizsgálatokkal (31-33). A szöveti mikroarray vizsgálat olyan módszer, amely lehetővé teszi akár ezer Szövet egyszerre történő értékelését egy adott marker segítségével. Alapvetően az egyes paraffinba ágyazott szövetblokkokból egy speciális fémeszközzel vagy tűvel kis, 1 mm-es vagy annál kisebb magbiopsziákat különítenek el, majd egy másik paraffinblokkba sorolt módon helyezik el. Ennek a technikának az előnyei: 1) a biopsziához kapott eredeti szövetminták gazdaságossága és megőrzése a tömb felépítéséhez; 2) a technikai problémák elkerülése érdekében, mivel a tömb egyetlen üveglemezben van kialakítva, ezáltal megkönnyítve a mosási és festési technikai folyamatokat, és 3) az in situ elemzés egyidejű elvégzésének sebessége egyszerre több szövetmintában. Klinikailag hatékony módszer a cDNS mikroarray elemzéssel együtt történő alkalmazásra új biomarkerek azonosítása a potenciális felhasználásra diagnosztikai, prognosztikai és terápiás eszközök a kóros állapotok ellen (31,32).

cDNS mikroarray technológia: alkalmazások és perspektívák

az alkalmazás szempontjából a cDNS microarray technológia specifikus gének azonosításához vezet, és lehetővé teszi a kutatók számára, hogy összehasonlítsák a génexpresszió profilját normál és kóros körülmények között a különböző organizmusokban. Az alaptudományban a cDNS microarray-t számos olyan gén szerepének azonosítására használták, amelyek részt vesznek a sejtes folyamatokban, például a sejtdifferenciálódásban, például a normál és a transzfektált sejttenyészetek közötti génexpressziós minták összehasonlításával (34). Számos kutatócsoport használta a cDNS microarray technológiát a rák különböző típusainak, valamint a fertőző betegségek patogenezisének tanulmányozására (35-40). Ebben az esetben az új gének azonosítása vagy a génexpressziós minták változásai a szövetekben a nem beteg állapotból a beteg állapotba hozzájárultak a betegségek kialakulását és előrehaladását szabályozó molekuláris mechanizmusok jobb megértéséhez. Ezenkívül a cDNS microarray-t nagyon érdekes módszertannak tekintették a gyógyszeriparban. Ebben az összefüggésben a különféle gyógyszervizsgálatoknak alávetett sejtek nagy léptékű génexpressziós profiljának elemzése releváns lehet a terápiás felhasználásra szánt potenciális ágensek osztályozásához (41). A cDNS microarray módszertan alap-és klinikai tudományokban (34-48) történő alkalmazására számos példát mutat be a 2.táblázat.

a cDNS mikroarray elemzés költséges módszertan, de az ebből a technológiából származó eredmények bősége megkérdőjelezhetetlen kifizetés. Miután egy központi kutatási egységet szerveztek ennek a módszertannak a fejlesztésére, különféle kutatók élvezhetik a korábban nyomtatott cDNS mikroarray szubsztrátok használatának előnyét a differenciálisan expresszált gének vizsgálatára mind biológiai, mind klinikai területeken. A cDNS mikroarray egységek szervezéséhez figyelembe kell venni a matematikai és biológiai arénák közötti multidiszciplináris kölcsönhatást. A 2. ábra egy egyszerű hipotetikus sematikus modellt mutat be, amely bemutatja a cDNS mikroarray egység infrastruktúráját.

végül létrehozták a cDNS microarray technológiával elemzett génexpressziós profilok adatait tartalmazó központosított bankokat, amelyek az Interneten keresztül megtekinthetők (49,50). Ily módon a világ különböző csoportjai képesek lesznek összehasonlítani a kiválasztott génprofilok adatait a molekuláris adatbankokban letétbe helyezett másokkal, például az Európai bioinformatikai Intézet (51) által tervezett génexpressziós Omnibuszban vagy Array Express-ben.

a cDNS microarray technológiát használó különböző kutatócsoportok közötti előnyös interakciót korlátozó probléma az eredmények bemutatására és cseréjére vonatkozó szabványok hiánya. Ennek a nehéz helyzetnek a kompenzálására létrehozták a mikroarray kísérlet (MIAME) megjegyzéséhez szükséges minimális információt (52). A cDNS mikroarray kísérletek szabványosításához vezető irányelveket a Micro-array Gene Expression Data Society (MGED) javasolta. A MIAME alapvetően hat részből áll: 1) kísérleti tervezés; 2) tömbtervezés; 3) használt minták, extraktumok és hibridizáció; 4) a hibridizáció eljárásai és paraméterei; 5) kép, számszerűsítés és paramétermérés, és 6) típusok, értékek és specifikációk a normalizációs kontrollokhoz. A miame követelmény lett a cDNS microarray eredményeinek számos tudományos folyóiratban történő közzétételére. Ezenkívül különböző csoportok, köztük az MGED, a Rosetta, az Agilent és az Affymetrix együtt dolgoztak a bioinformatika segítségével a microarray génexpresszió (MAGE) tervezésében, amely egy közös rugalmas szerkezeti platform, amely lehetővé teszi a kommunikációt a különböző kutatócsoportok között cDNS microarray technológiával. A MAGE a következőkből áll: 1) MAGE-ON (object model), egy centrikus adatmodell, amely egységes modellezési nyelvet használ és megvalósítja a MIAME követelményeit; 2) MAGE-ML (jelölőnyelv), amely dokumentálja a fordítást a MAGE-OM-ról egy XML-alapú adatformátumra, és 3) MAGE-SLK, egy szabadon hozzáférhető szoftver, amely meghatározza az alkalmazásprogramozók felületét a MAGE-OM-hoz, lehetővé téve ezzel az adatok exportálását a MAGE-ML-be, majd az adatok relációs adatbázisban történő tárolását eredményezi (53).

a közelmúltban a nanotechnológiát széles körben alkalmazták különböző arénákban, például ipari, gyógyszerészeti és kormányzati alkalmazásokban, hogy javítsák a modern tudományos fejlődést. A nanorészecskék egyedi fizikai és kémiai jellemzői miatt ezek az anyagok képesek fokozni az érzékszervi eszközöket, a meghajtási adalékanyagokat, a szöveti átalakítási technikákat és a kábítószer-célzási mechanizmusokat. Ezenkívül a nanotechnológiát felhasználták a mikroarray jártasságának javítására (54) és a fehérje nanorészecskék kifejlesztésének elősegítésére (55). A laboratóriumi körülmények között a tudósok most kezdik megvizsgálni a nanorészecskék potenciális pozitív/negatív hatását a sejteken belüli gének indukciójára/gátlására a microarray technika alkalmazásával (56). Végül a nanotechnológia és a mikroarray technológia kombinációja még a betegségfolyamatok során differenciálisan szabályozott gének jelenlegi ismereteit is továbbfejlesztette (57,58).

ezek az eszközök együttesen hozzájárulhatnak a különböző genomok új génfunkcióinak megértéséhez, valamint ahhoz, hogy miként korrelálnak az emberek betegség patogenezisével. A cDNS microarray technológia fejlesztése és alkalmazása nagy előrelépést hozott a gyógyszerek felfedezésében, a kutatási diagnosztikában és a különböző betegségek kezelésére szánt potenciális génterápiában. Ez az alapvető technológia segíti a kutatókat a különböző és változatos biológiai folyamatokban részt vevő molekuláris mechanizmusok megértésében.

9. Sengupta R & Tompa M (2002). Minőségellenőrzés az oligo tömbök gyártásában: kombinatorikus tervezési megközelítés. Számítógépes biológiai folyóirat, 9: 1-22.

11. Alwine JC, Kemp DJ & Stark GR (1977). Módszer specifikus RNS-ek kimutatására agarózgélekben diazobenzil-oximetil-papírra történő transzferrel és DNS-próbákkal történő hibridizációval. A Nemzeti Tudományos Akadémia Közleményei, USA, 74: 5350-5354.

12. Bustin A (2000). Az mRNS abszolút mennyiségi meghatározása valós idejű reverz transzkripciós polimeráz láncreakciós vizsgálatokkal. Molekuláris Endokrinológiai folyóirat, 25: 169-193.

17. Whitney LW & Becker KG (2001). Radioaktív 33-P próbák az üveg cDNS mikroarray-kkel történő hibridizációban neurális szövetek felhasználásával. Idegtudományi módszerek folyóirata, 106: 9-13.

19. Shalon D, Smith SJ & Barna PO (1996). DNS mikroarray rendszer komplex DNS-minták elemzésére kétszínű fluoreszcens szonda hibridizációval. Genomkutatás, 6: 639-645.

20. Bertucci F, Bernard K, Loriod B és mtsai. (1999). Érzékenységi problémák a DNS-tömb alapú expressziós mérésekben és a nylon mikroarray teljesítményében kis minták esetében. Emberi Molekuláris Genetika, 8: 1715-1722.

22. Kerr MK & Churchill GA (2001). Bootstrapping cluster analysis: a microarray kísérletek következtetéseinek megbízhatóságának értékelése. A Nemzeti Tudományos Akadémia Közleményei, USA, 98: 8961-8965.

23. Pj bolygó, Desalle R, Sidall M et al. (2001). A DNS mikroarray adatok szisztematikus elemzése: a génexpresszió mintáinak rendezése és értelmezése. Genomkutatás, 11: 1149-1155.

24. Tanaka TS, Jaradat SA, Lim MK et al. (2000). A terhesség közepén lévő placenta és embrió Genom-szintű expressziós profilozása egy 15 000 egér fejlődési cDNS mikroarray segítségével. A Nemzeti Tudományos Akadémia Közleményei, USA, 97: 9127-9132.

25. (2001). Mikroarray adatok számítógépes elemzése. Természetgenetika, 2: 418-427.

27. Yang YH, Dudoit S, Luu P et al. (2002). CDNS microarray adatok normalizálása: robusztus összetett módszer az egy – és Többlemezes szisztematikus variáció kezelésére. Nukleinsavak kutatása, 30: e15.

28. Tamayo P, Slonim D, Mesirov J és mtsai. (1999). A génexpresszió mintáinak értelmezése önszerveződő térképekkel: módszerek és alkalmazás a hematopoietikus differenciálódáshoz. A Nemzeti Tudományos Akadémia Közleményei, USA, 96: 2907-2912.

30. Eisen MB, Spellman PT, Brown PO et al. (1998). Klaszteranalízis és genomszintű expressziós minták megjelenítése. A Nemzeti Tudományos Akadémia Közleményei, USA, 95: 14863-14868.

31. Braunschweig T, Chung JY & Hewitt SM (2004). Perspektívák a szöveti mikroarray-kben. Kombinatorikus kémia és nagy áteresztőképességű szűrés, 7: 575-585.

34. Tseng YH, Butte AJ, Kokkotou E és mtsai. (2005). A preadipocita differenciálódás génexpresszióval történő előrejelzése feltárja az inzulinreceptor szubsztrátok és a necdin szerepét. Természet Sejtbiológia, 7: 601-611.

36. Staudt LM (2001). Az immunrendszer génexpressziós fiziológiája és patofiziológiája. Az immunológia trendjei, 22: 35-40.

37. Berns A (2000). Génexpresszió a diagnózisban. Természet, 403: 491-492.

38. Sawiris GP, Sherman-Baust CA, Becker KG et al. (2002). Rendkívül speciális cDNS tömb kifejlesztése az epitheliális petefészekrák vizsgálatára és diagnosztizálására. Rákkutatás, 62: 2923-2928.

39. Khan J, Wei JS, Ringner M és mtsai. (2001). A rákok osztályozása és diagnosztikai előrejelzése génexpressziós profilozás és mesterséges neurális hálózatok segítségével. Természetgyógyászat, 7: 673-679.

40. Chang JC, Hilsenbeck SG & Fuqua SA (2005). Genomikus megközelítések az emlőrák kezelésében és kezelésében. British Journal of Cancer, 92: 618-624.

41. Lovett RA (2000). Toxikogenomika. A toxikológusok felkészülnek a genomikai forradalomra. Tudomány, 289: 536-537.

42. Flores-Morales A, Stahlberg N, Tollet-Egnell P et al. (2001). A hypophysectomia és a növekedési hormon kezelés in vivo hatásainak mikroarray elemzése a patkány génexpressziójára. Endokrinológia, 142: 3163-3176.

43. Liu K, Li Y, Prabhu V et al. (2001). Az aktiváció által indukált gének expressziójának növelése megkülönbözteti a memóriát a naiv CD4 + T-sejtektől, és molekuláris mechanizmus a memória CD4+ T-sejtek fokozott sejtválaszához. Immunológiai folyóirat, 166: 7335-7344.

44. Hess K, Yang Y, Golech s és mtsai. (2004). Az Általános génexpressziós változások kinetikai értékelése humán naiv CD4+ T-sejt aktiváció során. Nemzetközi Immunológia, 16: 1711-1721.

46. Hacia JG, Fan JB, Ryder O és mtsai. (1999). Az emberi egy nukleotid polimorfizmusok ősi alléljainak meghatározása nagy sűrűségű oligonukleotid tömbök alkalmazásával. Természetgenetika, 22: 164-167.

49. Miles M (2001). Microarray: elveszett az adatok viharában? Nature Neuroscience, 2: 441-443.

50. Becker KG (2001). A cDNS microarray adatok megosztása. Nature Neuroscience, 2: 438-440.

54. Wang X, Jiang N, Feng X és mtsai. (2003). Újszerű megközelítés a kiváló minőségű mikroarray feldolgozáshoz harmadik festéktömb vizualizációs technológiával. IEEE tranzakciók a Nanobioscience-en, 2: 193-201.

56. Berry CC, Charles S, Wells s et al. (2004). A stabilizált mágneses nanorészecskék átvitelének hatása az emberi dermális fibroblasztokra a kultúrában. Nemzetközi gyógyszerészeti folyóirat, 269: 211-225.

57. Crnic I & Christofori G (2004). Új technológiák és a metasztázis-kutatás legújabb fejleményei. Nemzetközi Fejlődésbiológiai folyóirat, 48: 573-581.

levelezés és lábjegyzetek