专利名称：一种生物芯片微阵列点阵方法
技术领域：
本发明涉及生物技术领域，具体地涉及ー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, 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。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，这ー过程非常烦杂。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 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。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。
在微阵列生物芯片数据分析中，信号变异可源于不同的因素。这些因素包括芯片表面膜的均匀度、点样针、点样顺序、芯片上的样品与目标样品杂交时的杂交条件、扫描仪、等等。这些变异一般以行列空间效应、点样针效应、点样顺序效应表现出来。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。这些效应在行或列中常常表现出梯度，也就是效应随行或列的增加逐渐变大或变小。在通常情况下，每种生物样品(cDNA、寡聚核苷酸、PCR产物、抗体、抗原、或蛋白)在同一张芯片上有若干个重复，如何利用重复来避免和消除这些空间效应误差将关系到数据的准确性，将影响到整个研究课题的最終結果。如何利用重复来避免和消除这些空间效应误差就是如何将这些重复安排在在芯片的点阵中。现有的方法一般是没有重复的亚方格，在同一个亚方格中，重复的点一般是将这些重复安排在点阵中的同一列或同一行，有时甚至连在一起或堆在一起。这样的排列方法基本上没有起到避免或消除空间效应误差的作用。本发明将借鉴拉丁方实验设计的原理，设计出一系列点阵排列方法，这样的排列能充分利用生物样品在芯片上的点的重复，有效避免和消除空间效应引起的误差。拉丁方实验设计是统计学方面的实验设计的ー种方法。Yates F. (1933)ineformation of latin square for use in field experiments. Empire j.Exp. Agric. 1:235-244.拉丁方设计就是有关如何在等长ニ维平面空间中安排重复使得空间效应误差得到有效控制。在拉丁方中，行数和列数相等，统计分析涉及的因子数和每个因子的重复数与行数或列数相同，而且，ー个因子在每一行和每一列中仅仅重复一次。例如，在一个2X2的拉丁方中，因子A和B的两个重复是这样安排的
ΒΓ A A B行和列数都是2，Α因子和B因子在行和列中只重复一次；在ー个3X3的拉丁方中，因子Α、B、和C的三个重复是这样安排的
Bi' Al' C
ACB
CBA或者，对调其中的行或对调其中的列可以形成另ー个拉丁方
Al' C Γ B
BAC
CBA
类似的拉丁方排列共有12个，没有一一列出。但无论如何排列，行和列数都是3，A因子、B因子、和C因子在行和列中只重复一次；在ー个4X4的拉丁方中，因子A、B、C、和D的四个重复是这样安排的
权利要求
1.ー种生物芯片微阵列点阵方法，其特征在于所述的样品微阵列点阵，采用类拉丁方排列。
2.如权利要求I所述的ー种生物芯片微阵列点阵方法，其特征在于所述的微阵列点阵在每个亚方格内采用类拉丁方阵列点阵设计。
3.如权利要求I所述的ー种生物芯片微阵列点阵方法，其特征在于所述的微阵列点阵在亚方格间的亚方格内采用类拉丁方阵列点阵设计。
4.如权利要求I所述的ー种生物芯片微阵列点阵方法，其特征在于所述的微阵列点阵在亚方格内和亚方格间的亚方格内同时采用类拉丁方阵列点阵设计。
5.如权利要求1-4任一项所述的ー种生物芯片微阵列点阵方法,其特征在于亚方格内的点的阵列为n*n点阵，其中n=2-1000。
6.如权利要求5所述的ー种生物芯片微阵列点阵方法,其特征在于亚方格内的点的阵列为n*n点阵，其中n=3-20。
7.如权利要求1-4任一项所述的ー种生物芯片微阵列点阵方法，其特征在于多个亚方格排成阵列，阵列为n*n，其中n=3-100。
8.如权利要求1-4任一项所述的ー种生物芯片微阵列点阵方法，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、抗体芯片、抗原芯片或糖芯片。
全文摘要
本发明公开了一种生物芯片微阵列点阵方法，本发明方法应用了类拉丁方实验设计。类拉丁方设计在此包括三种，即1、亚方格内的类拉丁方阵列点阵设计；2、亚方格间的亚方格内的类拉丁方阵列点阵设计；3、同时包含亚方格内和亚方格间的亚方格内的类拉丁方阵列点阵设计。本发明的生物芯片微阵列点阵设计可以一定程度上避免和消除不同因子引起的空间效应误差，一定程度上提高所涉及的生物实验或试验结果的准确性。
文档编号C40B50/14GK102864499SQ201210282308
公开日2013年1月9日 申请日期2012年8月9日 优先权日2012年8月9日
发明者翁长仁 申请人:龙岩九健生物芯片技术研究所