基因芯片原理

基因芯片原理

基因芯片(gene chip)的原型是80年代中期提出的。基因芯片的测序原理是杂交测序方法，即通过与一组已知序列的核酸探针杂交进行核酸序列测定的方法，可以用图11-5-1来说明。在一块基片表面固定了序列已知的八核苷酸的探针。当溶液中带有荧光标记的核酸序列TATGCAATCTAG，与基因芯片上对应位置的核酸探针产生互补匹配时，通过确定荧光强度最强的探针位置，获得一组序列完全互补的探针序列。据此可重组出靶核酸的序列。

基因芯片的测序原理图

基因芯片又称为DNA微阵列(DNA microarray)，可分为三种主要类型：

1）固定在聚合物基片（尼龙膜，硝酸纤维膜等）表面上的核酸探针或cDNA片段，通常用同位素标记的靶基因与其杂交，通过放射显影技术进行检测。

这种方法的优点是所需检测设备与目前分子生物学所用的放射显影技术相一致,相对比较成熟。

但芯片上探针密度不高，样品和试剂的需求量大，定量检测存在较多问题。

2）用点样法固定在玻璃板上的DNA探针阵列，通过与荧光标记的靶基因杂交进行检测。

这种方法点阵密度可有较大的提高，各个探针在表面上的结合量也比较一致，但在标准化和批量化生产方面仍有不易克服的困难。

3）在玻璃等硬质表面上直接合成的寡核苷酸探针阵列,与荧光标记的靶基因杂交进行检测。

该方法把微电子光刻技术与DNA化学合成技术相结合，可以使基因芯片的探针密度大大提高，减少试剂的用量，实现标准化和批量化大规模生产，有着十分重要的发展潜力。

基因芯片原型

它是在基因探针的基础上研制出的，所谓基因探针只是一段人工合成的碱基序列，在探针上连接一些可检测的物质，根据碱基互补的原理，利用基因探针到基因混合物中识别特定基因。

它将大量探针分子固定于支持物上，然后与标记的样品进行杂交，通过检测杂交信号的强度及分布来进行分析。基因芯片通过应用平面微细加工技术和超分子自组装技术，把大量分子检测单元集成在一个微小的固体基片表面，可同时对大量的核酸和蛋白质等生物分子实现高效、快速、低成本的检测和分析。

由于尚未形成主流技术，生物芯片的形式非常多，以基质材料分，有尼龙膜、玻璃片、塑料、硅胶晶片、微型磁珠等；以所检测的生物信号种类分，有核酸、蛋白质、生物组织碎片甚至完整的活细胞；按工作原理分类，有杂交型、合成型、连接型、亲和识别型等。

由于生物芯片概念是随着人类基因组的发展一起建立起来的，所以至今为止生物信号平行分析最成功的形式是以一种尼龙膜为基质的“cDNA阵列”，用于检测生物样品中基因表达谱的改变。

基因芯片技术介绍

1990年，著名的人类基因组测序计划(Human Genome Project，HGP)正式启动，从此揭开了基因组时代的序幕。截至2006年8月，美国国立生物技术信息中心(NCBI，National Center for Biotechnology Information)收录的已完成基因组测序的物种数目为389个，正在进行序列拼接且测序完成的有341个，另外还有463个物种正在进行测序。

基因组测序的完成，为我们提供了生命的第一套密码。从基因组数据中提取蕴藏的大量信息，阐明千变万化的生命现象，是生物学家所面临的更大挑战。众所周知，生命活动的基本单位是细胞，人体中数百种细胞分工合作，形成各种组织和器官，最终组合成一个完整的个体。

生物体中，每个细胞内都有一套完整的基因组，为实现正常生物功能，生物体在不同环境、不同发育阶段，选择不同基因适度表达。即使是最简单的生物也有数百个基因，这些基因遵循一定的表达调控机制，依照特定的时空顺序进行有序的表达。在一个特定的时刻，一个特定细胞中所有表达基因的组合，最终限定了这个细胞的生物学功能。

转录组学(Transcriptomics)着重研究高度复杂精确的基因表达调控过程。通过对不同细胞类型之间表达模式差异的研究，转录组学试图从动态的角度刻画出一幅生命活动的“动画”。

随着基因组数据的增长，DNA芯片(DNA Chip)技术得到广泛应用。DNA芯片也称基因芯片(Gene Chip)、生物芯片(Biochip)或微阵列(Microarray)。20世纪90年代中叶DNA芯片技术出现前，传统分子生物学技术通常只能同时对少数几个基因的表达情况进行研究。决定生物形态或某种生物现象通常是成百上千的基因共同作用的结果，作为一种能够获得大量基因表达图谱的高通量技术，DNA芯片应运而生。

一、 DNA芯片原理

DNA芯片的基本原理与生物学中Southern杂交等实验技术相似，都是利用DNA双螺旋序列的互补性，即两条寡聚核苷酸链以碱基之间形成氢键配对(A与T配对，形成两个氢键；G与C配对，形成三个氢键)。   DNA芯片通常以尼龙膜、玻璃、塑料、硅片等为基质材料，固着特定序列DNA单链探针(Oligo)，并与被检测序列单链cDNA序列互补结合(通常称杂交)。被检测序列用生物素或荧光染料标记，通过荧光染料信号强度，可推算每个探针对应的样品量。一张DNA芯片，可固着成千上万个探针，具体数目则取决于芯片设计和制备方法。

根据制备方法，DNA芯片主要可以分成三类：

1) 利用机械装置将cDNA序列或者其他PCR产物点在芯片上作为探针；

2) 利用机械装置将事先合成的寡核苷酸链序列点在芯片上作为探针；

3) 不事先合成寡核苷酸链，而直接在芯片上通过原位合成技术同时合成所有探针。

后两种方法，需要综合考虑探针的灵敏性(Sensitivity)和特异性(Specificity)，避免非特异性杂交干扰结果；此外还需要考虑GC含量以及退火反应温度，以保证整个芯片可在相同条件下进行杂交实验，所有探针都有比较一致的杂交效率。不同方法生产的芯片探针长度不一，Affymetrix公司的芯片采用短探针，只有25个核苷酸；而NimbleGen公司所用探针相对较长，可达70个核苷酸。

一般来说原位合成芯片可在同一张芯片内容纳更多探针。

除Affymetrix公司生产的芯片外，其他芯片多采用双色杂交系统，即使用Cy5(红)和Cy3(绿)两种染料分别标记所比较两种样品的cDNA序列，然后杂交至同一芯片。实验结果扫描输入计算机，通过染料荧光强度，可间接比较两种样品表达量高低。在一张芯片同时杂交两种样本，可减少用不同芯片所带来的系统误差。

二、 DNA芯片的应用

(一)传统基因表达芯片

传统基因芯片常用于检测一组细胞中全部基因在特定时刻的表达谱。换言之，基因表达产生的mRNA含量，就是DNA芯片要检测的指标。通过将提取的总mRNA反转录为cDNA并杂交到具有不同基因探针的DNA芯片上，就可得到不同基因在不同条件、不同发育阶段下的表达情况。

通过比较不同条件下的基因表达谱差异，可发现与某种疾病或者特殊处理相关的特定类型基因，并可进一步用于临床诊断或基因工程等。目前，基因表达芯片已广泛用于各个方面，如在医学研究中比较肿瘤细胞与正常细胞间、动物服用药物前后等不同情况下基因表达差异，在植物学研究中研究抗旱、抗病种系与普通种系的基因表达差异等。以双色DNA芯片系统进行基因表达量检测实验为例，一般DNA芯片实验步骤包括以下几步。

1) 准备杂交样品，一般分别从样品细胞和对照细胞中提取。

2) 提取的mRNA通过反转录得到更稳定的cDNA，这个过程中分别对样品细胞和对照细胞加入不同荧光染料(双色芯片实验)或者生物素(单色芯片实验)进行标记。

3) 两种样品同时杂交到制作好的芯片上，芯片上每个点都与分别标记有两种不同荧光的样品竞争结合。

4) 通过激光扫描仪器可以获得每个点的荧光强度，荧光强度范围为0～65536(216)。这个步骤中应注意实际荧光强度测量值是可以调节的，应该有意识控制大多数样品荧光强度处在总体范围中间偏上位置，太高易产生太多过饱和值，强度超过上限(通常为65536)，扫描仪器无法测量；太低则容易受随机误差干扰。

例如，若随机误差强度为50，则信号强度为100，则信噪比过低；反之，若信号强度为10000，信噪比大大加强。

5) 整合两种不同颜色强度可得到虚拟图谱，绿色点表示处理后的细胞中该基因表达量高，红色点反之，黄色点表示处理前后表达水平相当，而黑色点则说明两个颜色标记的样品均无表达，如图1所示。

图1右下角为一张DNA芯片扫描结果，左上角为局部放大。绿色点表示处理后的细胞中该基因表达量高，红色点反之，黄色点表示处理前后表达水平相当，而黑色点则说明两个颜色标记的样品均无表达。

需要注意的是杂交强度不仅代表基因表达水平实际差异，还可能受非特异性杂交影响。为尽量排除这种因素，Affymetirx芯片中设计了不匹配核苷酸探针作矫正依据。此外，染料效率不同带来的系统误差需用均一化方法进行矫正。

DNA芯片作为一种高通量实验技术，不可避免地存在较大误差，也难以像传统生物学实验那样给出确定结果。因而，最初DNA芯片技术主要用于获得大规模基因表达谱。然而，mRNA表达水平仅仅是基因调控的结果，没有代谢途径等信息，只能得到一个表达谱，而无法解释为什么会有这样的表达谱。比如同样是在光照条件下高表达基因，有些基因可能处于光信号传导通路上游，直接受光诱导；而有些基因则可能由联系光通路以及其他代谢途径的关键转录因子激活。这种信息必须结合其他相关知识及实验才能获得。

随着基因组测序计划进展，基因注释技术不断提高，以及生物实验所积累的知识不断增加，DNA芯片得到的结果可以从全局角度分析特定生命过程中的问题。例如，通过聚类分析(Clustering)可以把具有相似表达趋势的基因归类，再结合基因注释系统(Gene Ontology)和已知功能基因等注释信息对每个类别进行总结，探讨这种共表达现象在生物学上的意义，进而可以进行代谢途径分析，从全局观点和系统生物学视角探索基因转录调控乃至生命过程机理。

DNA芯片高通量的特点，同时也意味着相对高的误差。所以一般来说，需要重复多次实验才能通过统计学方法得到比较接近真实的结果。但是，目前DNA芯片实验成本还相对较高，对实验条件要求也很高，

因而如何通过改进统计学模型和方法提高DNA芯片数据处理质量就显得更为必要。

 

 

(二)其他类型芯片及应用

除了上述专用于基因表达分析的芯片外，近年来还有许多其他类型的芯片出现，如覆盖程度大大增加的覆瓦式芯片(Tiling Array)。与传统基因表达芯片不同，覆瓦式芯片的探针选择不再局限于基因编码区，而是基于全基因组序列，从头至尾按一定间隔选择。

这种芯片的杂交以及扫描与上述传统芯片原理相同，但应用却不完全一样。这种芯片也可用于基因表达分析，但不再局限于比较基因组注释得到的基因表达水平差异，而主要用于寻找普通基因组注释软件无法预测的新基因以及一些非编码RNA区域检测，对基因组注释可以发挥重要作用。

其次，由于这种芯片对基因组覆盖程度很高，可用于转录因子在全基因组结合位点寻找、组蛋白修饰、DNA甲基化等表观遗传调控特征分布，以及单核苷酸多态性研究等多个领域。

三、 芯片数据分析

(一)芯片分析概述

随着基因芯片技术的普及，基因表达数据大量产生，如何充分利用这些数据并从中提取有用的生物学知识，是生物信息学所面临的一个迫切问题。简要来说，生物芯片数据分析流程大体可分成以下几个阶段。

1.扫描与图像识别

一张芯片完成杂交实验，经扫描仪读取后生成图形文件，经过划格(Griding)、确定杂交点范围(Spot Identifying)、过滤背景噪音(Noise Filtering)等图像识别过程，才能最终得到基因表达的荧光信号强度值，并以列表形式输出。

2.数据预处理

由于杂交荧光标记效率或检出率不平衡、位置效应等多种因素，原始提取信号需要进行均衡和修正处理后，才能进一步分析。这一步通常需要先进行背景校正(Background Correction)，去除不均匀背景光强影响，然后再进行归一化(Normalization)处理。

一般来说，对于单色DNA芯片而言，这一步相对容易；

而双色DNA芯片则需要考虑不同染料(Cy3、Cy5)对于mRNA染色效率的差异。

3.数据分析

在前一步基础上，需要根据基因表达状况与事先设定的条件，对基因进行分类处理。

具体来说，又可分为寻找差异表达基因和寻找共表达基因两种。

所谓差异表达基因(Differen-tially Expressed Genes)，是指在预先设定的不同实验条件下，表达量出现显著差异的基因。

而共表达基因(Co-expressed Genes)则是指在不同实验条件下，表达模式或表达量相似的基因。

实践中，在没有先验知识的情况下，一般是通过聚类来寻找这些基因。如果事先已经有了一组明确的训练集，也可以通过分类来寻找与这组基因具有类似表达模式的其他基因。

所谓聚类，也称无监督分类(Un-supervised Classification)，是指在未设定先验类别的情况下，根据表达模式或表达值相似程度，将基因划分为若干组。而分类则是指在给定已经先验标明类别(如肿瘤、健康)训练集前提下，根据表达模式或表达值相似程度，将被检基因或样本归入预先设定的类别中。

为确保实验结果可靠性，实际生物学研究中，经常采用RT-PCR之类低通量表达分析手段，对选择出来的基因进行进一步验证。

值得指出的是，以上给出的只是一个大体流程。实际数据分析过程中，经常需要根据前一步分析结果和实际生物学问题来制定下一阶段分析策略。同时，考虑到基因表达动态性和时间相关性，即使对于同一种细胞类型，不同条件下转录表达情况也会有差异。因此，分析基因表达数据时，必须同时参考具体实验条件的描述，通常称这些描述实验条件的数据为元数据(Meta-data)。

典型的元数据包括实验方案、实验材料、图像处理方法和数据归一化方法等信息。

(二)芯片分析软件包简介

芯片分析过程繁复，且涉及到复杂的统计计算，需要综合运用多种数学与计算机工具。为方便生物学家研究，相关研究人员已开发了许多专用芯片分析软件。

1.Bioconductor

Bioconductor是基于统计学软件包R的芯片分析软件包，其主要目的是为生物信息学研究人员提供一组表达数据分析工具。Bioconductor的开发起始于2001年，主要由美国Fred Hutchinson肿瘤研究中心、哈佛医学院以及哈佛公共健康研究院开发。

Bioconductor可支持几乎所有主流芯片数据格式，包括Affymetrix公司的商业化单色寡核苷酸芯片，以及用户自己定制的双色cDNA芯片。Bioconductor通过若干子软件包提供多种主流芯片分析方法，可用于数据预处理、差异表达基因识别以及聚类等常用数据分析。除用于芯片数据分析以外，Bioconductor还可用于SAGE、CGHArray以及SNPArray等其他表达数据分析。

Bioconductor的源代码完全开放，用户可以方便查看以及修改现有算法及其具体实现模块。因此，Bioconductor也广泛用作其他芯片分析工具的后台支持。

2.dChip

dChip(DNA-Chip Analyzer)由哈佛大学生物统计系Cheng Li、Wing Wong等联合开发，是综合性芯片分析软件。dChip运行在Windows平台上，包括以下功能：

1) 针对Affymetrix芯片、基于MBEI(Model-based expression indexes)的数据预处理及归一化；

2) 基于样本比较差异基因识别；

3)主成分分析(Principal Component Analysis，PCA)；

4) 方差分析(Analysis of Variable，ANOVA)；

5) 时间序列(Time Series)分析；

6) 层次聚类(Hierarchical Clustering)；

7) SNP array的LOH(Loss-of-heterzygosity)、拷贝数(Copy Number)分析；

8) 连锁分析(Linkage Analysis)。

dChip基于Windows的图形用户界面开发，与Bioconductor的命令行界面相比，更便于初学者使用，但它的定制性较弱，不利于进行二次开发。

最初dChip主要用于Affymetrix的单色寡核苷酸芯片分析，但在最新的版本中(dChip 2006)也开始对双色cDNA芯片的数据分析提供支持。

3.TM4

TM4是一组由TIGR公司开发的生物芯片分析工具包，可同时支持双色和单色 cDNA芯片，以及Affymetrix的单色寡核苷酸芯片分析。TM4提供了对于芯片实验流程的全面支持，大大方便了用户使用。

TM4主要由四个模块和一个后台数据库组成：

1) 芯片数据管理工具Microarray Data Manager (MADAM)，负责为用户提供统一的操作界面，管理实验流程及产生的数据。为便于数据交换，MADAM将所有数据按照MIAME格式统一存放在后台MySQL数据库中。

2) 图像分析软件Spotfinder负责从扫描得到的图像中提取基因表达荧光信号强度值。

Spotfinder支持多种扫描仪生成的图像文件，同时提供半自动化划格(Griding)及杂交点识别(Spot Identifying)功能。

3) MIDAS(Microarray Data Analysis System)是数据预处理模块，支持LOWESS、Iterative Linear Regression、Slice Analysis等多种常用归一化算法。同时，MIDAS还支持通过标准的t-检验、MAANOVA、SAM等方法寻找差异表达基因。

4) MeV(MultiExperiment Viewer)用来进行聚类和分类，以及结果的可视化显示。

目前支持包括层次聚类(Hierarchical clustering)、K-mean聚类、自组织图聚类(Self-Organizing Map，SOM)等多种聚类算法，以及支持向量机(Support Vector Machine，SVM)等多种分类算法。

4.BASE

BASE是一个基于Web的芯片数据管理与分析平台。

与上述主要基于单机的分析软件包不同，BASE的设计目标是提供一个可以供多人协同工作的平台。因此，BASE在数据管理方面投入了很多精力，将芯片数据管理与芯片数据注释融为一体，用户可以通过浏览器方便地查询实验进度、观察实验结果，并及时和其他相关人员分享信息。

同时，BASE也提供了一组简单的工具，供研究人员对数据进行一些快速分析。BASE中包含了一个基于Java Applet的三维可视化工具，可供用户从多个角度查看数据分析结果。

5.Matlab Bioinformatics Toolbox

Matlab是经典的科学计算软件，由美国MathWorks公司开发。

它集数值运算、符号运算及图形处理于一体，广泛应用于工程和科学计算。

类似于R，Matlab的核心部分注重提供一个快速、高效且稳定的平台支持，通过针对不同领域与应用编写特定工具(Toolbox)，满足不同客户的专门需求。最新版Matlab 7附带Bioinformatics Toolbox，是Matlab第一个专门针对生物信息应用而开发的工具箱。该工具箱为芯片数据处理提供了归一化和聚类分析，包括层次聚类和K-mean聚类。此外，通过与统计工具箱配合使用，用户还可通过经典的t-检验及ANOVA等方法寻找差异表达基因。与其他专业软件相比，目前该工具箱芯片数据分析功能还很有限，特别是很多2003年以来发展的新方法都没有包括。

除了Matlab Bioinformatics Toolbox以外，用于学术研究目的时，上述软件都可以免费获得。

四、 小结

随着大规模基因组测序的完成，生物学家开始从相对静态的基因组研究转向更为动态的基因表达过程研究。通过对不同细胞类型之间表达模式差异的研究，可以从动态的角度刻画出一幅生命活动的“动画”，来进一步探索生命的奥秘。

生物科技的迅猛发展，DNA芯片技术不断完善，使科学家可以从基因组水平对全体基因的表达谱进行分析，并进而探索转录因子的结合位点、研究基因组层面的DNA甲基化、组蛋白修饰等表观遗传学(Epigenetics)等新兴的表达调控方式提供了可能。然而，随着DNA芯片数据的迅速增长，只有善用计算机这个高效的工具，协助研究人员对数据进行分析，从中提取信息并最终转化为知识，才能适应后基因组时代的研究现状。DNA芯片数据处理和知识挖掘，也必然依赖于计算机科学技术的发展及其在生物信息学领域中的应用。

生物芯片简介

生物芯片与基因芯片

生物芯片技术是通过缩微技术，根据分子间特异性地相互作用的原理，将生命科学领域中不连续的分析过程集成于硅芯片或玻璃芯片表面的微型生物化学分析系统，以实现对细胞、蛋白质、基因及其它生物组分的准确、快速、大信息量的检测。

按照芯片上固化的生物材料的不同，可以将生物芯片划分为基因芯片、蛋白质芯片、细胞芯片和组织芯片。生物芯片技术与传统的仪器检测方法相比具有高通量、微型化、自动化、成本低、防污染等特点。按照生物芯片的制作技术，可以将生物芯片划分为微矩阵和原位合成芯片。鉴于生物芯片技术领域的飞速发展，美国科学促进会将生物芯片评为1998年的十大科技突破之一，认为生物芯片技术将是继大规模集成电路之后的又一次具有深远意义的科学技术革命。

目前,最成功的生物芯片形式是以基因序列为分析对象的“微阵列(microarray)”,也被称为基因芯片(Gene chip)DNA芯片(DNA chip)。按照载体上点的DNA种类的不同，基因芯片可分为寡核苷酸和cDNA两种芯片。按照基因芯片的用途可分为表达谱芯片、诊断芯片、指纹图谱芯片、测序芯片、毒理芯片等等。早在八十年代初期,Bains等人就用杂交的方法对固定在支持物上的短DNA片段进行序列测定。

基因芯片技术从实验阶段走向工业化是得益于其他技术的引入，如激光共聚焦显微技术、探针固相原位合成技术与照相平板印刷技术的结合和双色荧光探针杂交系统的建立。90年代初期人类基因组计划（Human Genome Project, HGP）和分子生物学相关学科的发展也为基因芯片技术的出现和发展提供了有利条件。1992年，Affymatrix公司Fodor领导的小组运用半导体照相平板技术，对原位合成制备的DNA芯片作了首次报道，这是世界上第一块基因芯片。1995年，Stanford大学的P.Brown实验室发明了第一块以玻璃为载体的基因微矩阵芯片。标志着基因芯片技术进入了广泛研究和应用的时期。

制备基因芯片的必要条件

1、靶基因 用于芯片点样的是靶基因。

靶基因可分为染色体DNA（或基因组DNA）、cDNA（或人工合成DNA）。目前，以cDNA的研究为主，因为cDNA是染色体上编码蛋白质的DNA序列，有医疗和其他领域的研究价值和商业价值。

2、制备技术

基因芯片的制备综合了生命科学、化学染料、微电子技术、激光、统计学等领域的前沿技术，主要包括芯片的制备（选择点样仪和玻片、靶基因的扩增和固定）、杂交探针的制备（mRNA的抽提、mRNA的逆转录、PCR和探针荧光标记）、杂交条件的优化技术（杂交液、杂交条件和洗涤条件的选择）和数据分析技术。

其中，基因芯片的制备主要依赖于微细加工（microfabrication）、自动化（automatism）及化学合成技术。

通常比较典型的DNA芯片制备方法有3种：（

1）原位合成法（in situ synthesis） 以Affymetrix公司开发的光引导原位合成法为代表

2）合成点样法 又根据是否与芯片的表面接触分为化学喷射法和接触式点涂法，分别以Incyte Pharmaceutical公司和Stanford大学为代表

3）压电法 通过使用4支分别装有A、T、G、C核苷的压电喷头在芯片上作原位DNA探针合成。

 

基因芯片技术简介

基因芯片技术主要包括四个主要步骤：芯片制备、样品制备、杂交反应和信号检测和结果分析。

1、芯片制备-目前制备芯片主要以玻璃片或硅片为载体，采用原位合成和微矩阵的方法将寡核苷酸片段或cDNA作为探针按顺序排列在载体上。

芯片的制备除了用到微加工工艺外，还需要使用机器人技术。以便能快速、准确地将探针放置到芯片上的指定位置。

2、样品制备-生物样品往往是复杂的生物分子混合体，除少数特殊样品外，一般不能直接与芯片反应，有时样品的量很小。

所以，必须将样品进行提取、扩增，获取其中的蛋白质或DNA、RNA，然后用荧光标记，以提高检测的灵敏度和使用者的安全性。

3、杂交反应-杂交反应是荧光标记的样品与芯片上的探针进行的反应产生一系列信息的过程。

选择合适的反应条件能使生物分子间反应处于最佳状况中，减少生物分子之间的错配率。

4、信号检测和结果分析-杂交反应后的芯片上各个反应点的荧光位置、荧光强弱经过芯片扫描仪和相关软件可以分析图像，将荧光转换成数据，即可以获得有关生物信息。

 基因芯片技术发展的最终目标是将从样品制备、杂交反应到信号检测的整个分析过程集成化以获得微型全分析系统（micro total analytical system）或称缩微芯片实验室（laboratory on a chip）。

使用缩微芯片实验室，就可以在一个封闭的系统内以很短的时间完成从原始样品到获取所需分析结果的全套操作。

基因芯片的应用及其商业价值

目前，基因芯片技术应用领域主要有基因表达谱分析、新基因发现、基因突变及多态性分析、基因组文库作图、疾病诊断和预测、药物筛选、基因测序等。另外基因芯片在农业、食品监督、环境保护、司法鉴定等方面都将作出重大贡献。 基因芯片的飞速发展引起世界各国的广泛关注和重视。

鉴于基因芯片的巨大潜力和诱人的前景，基因芯片已成为各国学术界和工业界研究和开发的热点。尤其在美国，正处于人类基因组计划以来的第二次浪潮之中，美国总统克林顿在1998年1月的国情咨文中指出：“在未来的12年内，基因芯片将为我们一生的疾病预防指点迷津”。1998年6月29日美国宣布正式启动基因芯片计划，联合私人投资机构投入了20亿美元以上的研究经费。世界各国也开始加大投入，以基因芯片为核心的相关产业正在全球崛起，目前美国已有8家生物芯片公司股票上市，平均每年股票上涨75％，专家今统计：全球目前生物芯片工业产值为10亿美元左右，预计今后5年之内，生物芯片的市场销售可达到200亿美元以上。

 

美国财富杂志载文：在20世纪科技史上有两件事影响深远，一是微电子芯片，它是计算机和许多家电的心脏，它改变了我们的经济和文化生活，并已进入每一个家庭；另一件事就是生物芯片,它将改变生命科学的研究方式，革新医学诊断和治疗，极大地提高人口素质和健康水平。鉴于生物芯片技术具有巨大理论意义和实际价值，基因芯片研究在国内也有了很快的发展，例如，复旦大学、中科院上海冶金所、清华大学、联合基因有限公司、军事医学科学院、中科院上海细胞所等单位已在生物芯片技术方面取得了较大突破，相信不久将有我国生产的生物芯片产品投放市场。

总之，以基因芯片为代表的生物芯片技术的深入研究和广泛应用，将对21世纪人类生活和健康产生极其深远的影响。