Ushbu sharh genlarni aniqlash uchun hisoblash usullari va ularning kasalliklarni tadqiq qilishda qo'llanilishiga kirish va tanqidiy sharh bo'lib xizmat qiladi. Ushbu tadqiqotning asosiy yo'nalishi kasal to'qimalarda yoki kasallik jarayonining modellarida differentsial tarzda ifodalangan genlar populyatsiyasini aniqlashga urinishlarni o'z ichiga oladi. Bunday transkriptlarning kimligini bilish kasallikka hissa qo'shadigan muhim molekulyar hodisalarni qidirishda foydali boshlanish nuqtasini beradi. Shu maqsadda hozirgi vaqtda patologik jarayon davomida ishlayotgan genetik mexanizmning suratini olish imkonini beruvchi metodologiyalarga katta qiziqish mavjud. Ushbu metodologiyalar mikroarray yoki "gen chiplari" tahlilini yoki bu erda muhokama qilingan hisoblash texnikasini o'z ichiga oladi. Garchi mikroarrayda ham , silikada hamyondashuvlarga ommaviy kirish mumkin, bu sharh asosan silico SAGE va EST profillash texnikasiga qaratiladi. Genlarni aniqlash usullari sifatida, bu erda muhokama qilingan silico usullari nisbatan arzon bo'lgan mikroarray tahlilidan afzalliklarga ega. Hech qanday maxsus apparat yoki laboratoriya reagentlari talab qilinmaydi. Bu ko'plab to'qimalar turlari va to'qimalar to'plamlari o'rtasidagi taqqoslashlarni osonlik bilan amalga oshirish imkonini beradi. Bundan tashqari, ushbu turli xil manbalardan olingan ma'lumotlarning ko'pligini integratsiya qilish maqsadida mikroarray ma'lumotlarini silico ma'lumotlari bilan solishtirish va integratsiya qilish uchun ko'plab ochiq manbali vositalar ishlab chiqilgan .
Silico est profiling strategiyalarida
Zamonaviy biolog uchun gen ifodasini tahlil qilish uchun ishlatilishi mumkin bo'lgan ko'plab hisoblash strategiyalari mavjud. Ularning ko'pchiligi ifodalangan ketma-ketlik teglari (EST) to'plamlaridan, hech bo'lmaganda gen kodlash mintaqasining bir qismiga o'xshash asosiy ketma-ketliklarga ega bo'lgan cDNKning noyob segmentlaridan foydalanishga asoslangan [ 3 ]. Turli organlar va kasalliklardan kelib chiqadigan cDNK kutubxonalarining ko'p sonli ESTlari turli ma'lumotlar bazalarida to'planganligi sababli, EST kutubxonalari ekspressiya profilini yaratish uchun ideal manba hisoblanadi, chunki EST klon chastotasi printsipial jihatdan tegishli genning ekspresyon darajasiga mutanosibdir. berilgan to'qimalar. Ushbu maqolada ommaviy forumda gen ifodasi ma'lumotlarini qayta ishlash, tahlil qilish va almashish uchun ishlab chiqilgan ko'plab ochiq manbali onlayn vositalar ko'rib chiqiladi.
Yuqorida aytib o'tilgan EST va SAGE ma'lumotlar to'plamlari zamonaviy biolog uchun ma'lumotlarning virtual oltin konlarini ifodalaydi. Bundan tashqari, ushbu kutubxonalar kasallik bilan bog'liq genlarni kashf qilish uchun ajoyib boshlang'ich nuqtadir. Masalan, EST ma'lumotlar bazasi (dbEST) hozirda 28 milliondan ortiq ommaviy yozuvlarni o'z ichiga oladi. Shunga qaramay, har qanday ifoda profilini yaratish tajribasida, xoh in vitro , xoh silico , tegishli fikrlarni hisobga olish kerak. Bularga RNK ning miqdori va sifati kiradi, bu omillarni ko'paytirish ishonchli va keng qamrovli eksperimental natijalarning hosildorligini doimo oshiradi. Bu masalalar bo'yicha tashvish hisoblash ifodasi profilini amalga oshirish va silicoda yanada ehtiyotkor bo'lish orqali kamayaditahlil qilish talab qilinadigan laboratoriya ishlarini sezilarli darajada kamaytirishi mumkin. Ko'rib chiqishga arziydigan yana bir ogohlantirish - bu manba to'qimasi. Ushbu vositalarning ko'pchiligi foydalanuvchiga mikro-disseksiyalangan to'qimalarni ommaviy to'qimalarga mos ravishda tanlashga imkon beradi, shuning uchun gen ekspresyon profilini yanada aniqroq qiladi. Unigene kabi ma'lumotlar bazalarida to'plangan genomik ma'lumotlarning miqdoridan ko'rinib turibdiki, mazmunli ma'lumotni qidirish uchun ushbu to'plamlarni qazib olish uchun samarali vositalar kerak. Ushbu katta hajmdagi ma'lumotlardan foydalanish uchun yangi genlar va cheklangan to'qimalarning tarqalishi va / yoki kasallikka xos ifodasi bo'lgan genlarni kashf qilish uchun kompyuter algoritmlari ishlab chiqilgan.
