專利名稱：一種生物芯片微陣列點陣方法
技術領域：
本發明涉及生物技術領域，具體地涉及ー種生物芯片微陣列點陣方法。
背景技術：
微陣列數據分析方法學的學術報道主要集中在生物芯片雜交后芯片數據點的常態化和系統誤差校正以消除不同來源的變異誤差。Yang YH, Dudoit S，Luu P，Lin DM, PengV, Ngai Jj Speed TP. Normal ization for cDNA microarray data:a robust compositemethod addressing single and multiple slide systematic variation. Nucleic AcidsRes 2002，30 (4):el50Tarca AL, Cooke JEj Mackay J. A robust neural networks approachfor spatial and intensity dependent normalization of cDNA microarray data.Bioinformatics 2005，21:2674_2683。這主要是因為運用微陣列技術的研究多為DNA微陣列方面，而所用DNA微陣列芯片可以從生物公司購得，省去了非常煩雜的芯片制作過程。DNA芯片的制作，需要制備幾千、幾萬cDNA、PCR產物、或寡聚核苷酸，并要將它們點在芯片上，這ー過程非常煩雜。因此，微陣列數據分析方法學的學術報道很少涉及芯片點樣陣列設計，以及如何利用特定的點陣設計避免和消除一些已知或未知來源的變異誤差。最近幾年，越來越多的學術研究課題轉向蛋白生物芯片技術，用這一技術發現人類疾病生物標志物用來檢測各種人類疾病。Chatterjee M，Mohapatra S，Ionan A, Bawa Gj Ali-FehmiRj Wang X，Nowak Jj Ye B，Nahhas FAj Lu K, Witkin SSj Fishman D，Munkarah A，MorrisRj Levin NKj Shirley NN，Tromp G，Abrams J，Draghici Sj TainsKy MA.Diagnostic markers of ovarian cancer by high-throughput antigen cloning and detectionon arrays. Cancer Res.2006;66:1181-90. Chatterjee，M. Ionanj A.Draghici，S. andTainskyj MA. Epitomics:Global Profiling of Immune Response to Disease UsingProtein Microarrays, OMICS:A Journal of Integrative Biology，200610:499-506.Chen C., Wang X，Yu，J.，et a.Autoantibody Profiles Reveal Ubiquilinlas aHumoral Immune Response Target in Lung Adenocarcinoma, 2007. Cancer Research67,3461-3467. Draghici S，Chatterjee Mj Tainsky MA. Epitomics: serum screening forthe early detection of cancer on microarrays using complex panels of tumorantigens. Expert Rev Mol Diagn. 2005. 5:735-43. Wang X，Yu J，Sreekumar A, VaramballyS，Shen R，Giacherio D，Mehra R，Montie JE，Pienta KJ，Sanda MG，Kantoff PWj RubinMAj Wei JTj Ghosh Dj Chinnaiyan AM. Autoantibody signatures in prostate cancer.N Engl J Med. 2005353:1224-35. Zhong Lj Hidalgo GE, Stromberg AJj Khattar NH，JettJRj Hirschowitz EA. Jsing protein microarray as a diagnostic assay for non-smallcell lung cancer. Am J Respir Crit Care Med. 2005172:1308-14。與 DNA 芯片不同，蛋白芯片的蛋白來源比DNA更多元化，不同的研究用不同的蛋白，因此各個研究團隊需要自己制作蛋白芯片，優化蛋白芯片點陣排列能夠降低不同來源的變異誤差，提高實驗結果的準確性。
在微陣列生物芯片數據分析中，信號變異可源于不同的因素。這些因素包括芯片表面膜的均勻度、點樣針、點樣順序、芯片上的樣品與目標樣品雜交時的雜交條件、掃描儀、等等。這些變異一般以行列空間效應、點樣針效應、點樣順序效應表現出來。Tarca AL,しooke JE, Mackay J. A robust neural networks approach for spatialand intensity dependent normalization of cDNA microarray data.Bioinformatics2005,21:2674-2683。這些效應在行或列中常常表現出梯度，也就是效應隨行或列的增加逐漸變大或變小。在通常情況下，每種生物樣品(cDNA、寡聚核苷酸、PCR產物、抗體、抗原、或蛋白)在同一張芯片上有若干個重復，如何利用重復來避免和消除這些空間效應誤差將關系到數據的準確性，將影響到整個研究課題的最終結果。如何利用重復來避免和消除這些空間效應誤差就是如何將這些重復安排在在芯片的點陣中。現有的方法一般是沒有重復的亞方格，在同一個亞方格中，重復的點一般是將這些重復安排在點陣中的同一列或同一行，有時甚至連在一起或堆在一起。這樣的排列方法基本上沒有起到避免或消除空間效應誤差的作用。本發明將借鑒拉丁方實驗設計的原理，設計出一系列點陣排列方法，這樣的排列能充分利用生物樣品在芯片上的點的重復，有效避免和消除空間效應引起的誤差。拉丁方實驗設計是統計學方面的實驗設計的ー種方法。Yates F. (1933)ineformation of latin square for use in field experiments. Empire j.Exp. Agric. 1:235-244.拉丁方設計就是有關如何在等長ニ維平面空間中安排重復使得空間效應誤差得到有效控制。在拉丁方中，行數和列數相等，統計分析涉及的因子數和每個因子的重復數與行數或列數相同，而且，ー個因子在每一行和每一列中僅僅重復一次。例如，在一個2X2的拉丁方中，因子A和B的兩個重復是這樣安排的
ΒΓ A A B行和列數都是2，Α因子和B因子在行和列中只重復一次；在ー個3X3的拉丁方中，因子Α、B、和C的三個重復是這樣安排的
Bi' Al' C
ACB
CBA或者，對調其中的行或對調其中的列可以形成另ー個拉丁方
Al' C Γ B
BAC
CBA
類似的拉丁方排列共有12個，沒有一一列出。但無論如何排列，行和列數都是3，A因子、B因子、和C因子在行和列中只重復一次；在ー個4X4的拉丁方中，因子A、B、C、和D的四個重復是這樣安排的
權利要求
1.ー種生物芯片微陣列點陣方法，其特征在于所述的樣品微陣列點陣，采用類拉丁方排列。
2.如權利要求I所述的ー種生物芯片微陣列點陣方法，其特征在于所述的微陣列點陣在每個亞方格內采用類拉丁方陣列點陣設計。
3.如權利要求I所述的ー種生物芯片微陣列點陣方法，其特征在于所述的微陣列點陣在亞方格間的亞方格內采用類拉丁方陣列點陣設計。
4.如權利要求I所述的ー種生物芯片微陣列點陣方法，其特征在于所述的微陣列點陣在亞方格內和亞方格間的亞方格內同時采用類拉丁方陣列點陣設計。
5.如權利要求1-4任一項所述的ー種生物芯片微陣列點陣方法,其特征在于亞方格內的點的陣列為n*n點陣，其中n=2-1000。
6.如權利要求5所述的ー種生物芯片微陣列點陣方法,其特征在于亞方格內的點的陣列為n*n點陣，其中n=3-20。
7.如權利要求1-4任一項所述的ー種生物芯片微陣列點陣方法，其特征在于多個亞方格排成陣列，陣列為n*n，其中n=3-100。
8.如權利要求1-4任一項所述的ー種生物芯片微陣列點陣方法，其特征在于所述的生物芯片包括DNA芯片、RNA芯片、iRNA芯片、蛋白芯片、抗體芯片、抗原芯片或糖芯片。
全文摘要
本發明公開了一種生物芯片微陣列點陣方法，本發明方法應用了類拉丁方實驗設計。類拉丁方設計在此包括三種，即1、亞方格內的類拉丁方陣列點陣設計；2、亞方格間的亞方格內的類拉丁方陣列點陣設計；3、同時包含亞方格內和亞方格間的亞方格內的類拉丁方陣列點陣設計。本發明的生物芯片微陣列點陣設計可以一定程度上避免和消除不同因子引起的空間效應誤差，一定程度上提高所涉及的生物實驗或試驗結果的準確性。
文檔編號C40B50/14GK102864499SQ201210282308
公開日2013年1月9日 申請日期2012年8月9日 優先權日2012年8月9日
發明者翁長仁 申請人:龍巖九健生物芯片技術研究所