[发明专利]一种生物芯片微阵列点阵方法

说明书

技术领域

本发明涉及生物技术领域，具体地涉及一种生物芯片微阵列点阵方法。

背景技术

微阵列数据分析方法学的学术报道主要集中在生物芯片杂交后芯片数据点的常态化和系统误差校正以消除不同来源的变异误差。Yang YH,Dudoit S,Luu P,Lin DM,Peng V,Ngai J,Speed TP.Normal ization for cDNA microarray data:a robust composite method addressing single and multiple slide systematic variation.Nucleic Acids Res 2002,30(4):e15。Tarca AL,Cooke JE,Mackay J.A robust neural networks approach for spatial and intensity dependent normalization of cDNA microarray data.Bioinformatics 2005,21:2674-2683。这主要是因为运用微阵列技术的研究多为DNA微阵列方面，而所用DNA微阵列芯片可以从生物公司购得，省去了非常烦杂的芯片制作过程。DNA芯片的制作，需要制备几千、几万cDNA、PCR产物、或寡聚核苷酸，并要将它们点在芯片上，这一过程非常烦杂。因此，微阵列数据分析方法学的学术报道很少涉及芯片点样阵列设计，以及如何利用特定的点阵设计避免和消除一些已知或未知来源的变异误差。最近几年，越来越多的学术研究课题转向蛋白生物芯片技术，用这一技术发现人类疾病生物标志物用来检测各种人类疾病。Chatterjee M,Mohapatra S,Ionan A,Bawa G,Ali-Fehmi R,Wang X,Nowak J,Ye B,Nahhas FA,Lu K,Witkin SS,Fishman D,Munkarah A,Morris R,Levin NK,Shirley NN,Tromp G,Abrams J,Draghici S,Tainsky MA.Diagnostic markers of ovarian cancer by high-throughput antigen cloning and detection on arrays.Cancer Res.2006;66:1181-90.Chatterjee,M.Ionan,A.Draghici,S.and Tainsky,MA.Epitomics:Global Profiling of Immune Response to Disease Using Protein Microarrays,OMICS:A Journal of Integrative Biology,200610:499-506.Chen C.,Wang X,Yu,J.,et a.Autoantibody Profiles Reveal Ubiquilin1as a Humoral Immune Response Target in Lung Adenocarcinoma,2007.Cancer Research 67,3461-3467.Draghici S,Chatterjee M,Tainsky MA.Epitomics:serum screening for the early detection of cancer on microarrays using complex panels of tumor antigens.Expert Rev Mol Diagn.2005.5:735-43.Wang X,Yu J,Sreekumar A,Varambally S,Shen R,Giacherio D,Mehra R,Montie JE,Pienta KJ,Sanda MG,Kantoff PW,Rubin MA,Wei JT,Ghosh D,Chinnaiyan AM.Autoantibody signatures in prostate cancer.N Engl J Med.2005353:1224-35.Zhong L,Hidalgo GE,Stromberg AJ,Khattar NH,Jett JR,Hirschowitz EA.Using protein microarray as a diagnostic assay for non-small cell lung cancer.Am J Respir Crit Care Med.2005172:1308-14。与DNA芯片不同，蛋白芯片的蛋白来源比DNA更多元化，不同的研究用不同的蛋白，因此各个研究团队需要自己制作蛋白芯片，优化蛋白芯片点阵排列能够降低不同来源的变异误差，提高实验结果的准确性。