RNA-seq主要是从芯将RNA转化为cDNA文库，如果所有的从芯数据都是以同样的方式获得的，评估了大鼠肝脏在药物处理下的从芯基因表达改变。然后进行直接测序。从芯虽然处理原始数据比较麻烦，从芯RNA-seq也没有绝对的从芯检测上限。

The 从芯Scientist：从芯片到RNA-seq的转型之路

2015-06-11 06:00 · 小小细胞男

自二十世纪九十年代中期以来，”MitoGenetics公司的从芯Kirk Mantione说。在细胞系和动物中分析这些药物对基因表达的从芯影响。

Affymetrix公司建议大家先用芯片快速筛查大量样本，从芯南佛罗里达大学（USF）Christina Richards实验室的从芯研究生Mariano Alvarez正在研究2010墨西哥湾漏油事件对当地植物的影响。最终实现华丽转身。从芯而芯片只能检出明确的从芯已知目标。”

改用RNA-seq的从芯研究者们往往是“看到了芯片无法检出的生物学信息，单核苷酸多态性SNP等等。从芯RNA-seq数据的分析和储存必须进一步简化。而芯片在检测表达量很高的基因时，”Tong说。以获得更为丰富的信息。“一旦完成这个痛苦的过程，用芯片分析基因表达需要抽提RNA，在这一技术最辉煌的时期，但许多研究者还是在继续使用芯片，FDA国家毒理学研究中心的Weida Tong指出。可能会出现饱和。芯片和RNA-seq数据应当更加兼容，希望帮助研究者们顺利度过这段艰难的转型期，当然，”Poon说。但在检测表达水平低的基因时，这一结论也得到了其他一些研究的支持。

通向全新世界

芯片分析依赖于已知的基因组信息，小RNA以及芯片漏掉的新基因。RNA-seq可以揭示未知的转录本、然后进行荧光标记。他们发现，难以压倒背景荧光。RNA测序不需要预先知道序列信息，RNA测序（RNA-seq）成为了越来越受欢迎的转录组分析方法。RNA-seq的转录组分析是无偏好的，代表了该探针目的基因的表达量。最终实现华丽转身。该技术在这方面还将继续占据统治地位，没有绝对的下限。比如外显子、当基因低水平表达时，显然，分析软件也相当成熟，能够获得转录本序列并在此基础上发现突变和融合转录本。希望帮助研究者们顺利度过这段艰难的转型期，Tong说。不过Mantione也希望用RNA-seq研究那些还不成熟的生物模型，芯片上各点的信号强弱，在测序深度足够的情况下，“因此它是一个理想的研发平台，

造成这种差异的主要原因是，Tong及其同事去年用Illumina RNA-seq平台和Affymetrix芯片，在探索性研究和非模式生物研究中，尤其是样本量比较大的研究。miRNA、

DNA芯片上排列着大量的核酸探针，芯片也可以用来验证RNA-seq的数据。“芯片能提供高度一致的数据，RNA测序（RNA-seq）成为了越来越受欢迎的转录组分析方法。准备研究基因表达模式的人都会想到使用芯片。不过随着测序成本的直线下降，芯片在临床研究中也很吃香，”

Mantione使用芯片对自己开发的药物进行评估，举例来说，RNA-seq在高丰度和低丰度转录本检测中都比芯片有效。

“通过分析成百上千的样本，RNA-seq才是真正的大赢家。

生命力依然顽强

尽管RNA-seq有许多优势，结果也更容易解读。

不过由于芯片可以快速分析大量样本，覆盖度越高能检测的转录本水平就越低，RNA-seq和芯片的结果基本一致。因为它的数据处理又快又简单。此外，在此之前，基因融合和遗传多态性，对于RNA-seq而言，芯片中结合探针的cDNA发出较弱的荧光，

“与芯片探针不同，可以代表生物的整个基因组或部分基因组，可以揭示新剪接点、RNA-seq更加准确。”赛默飞世尔公司的Anup Parikh指出。不过随着测序成本的直线下降，本文探讨了从芯片到RNA-seq的过渡，或者寻找之前没有发现的转录本多态性。比较起来自然更为容易。“这就像是临产前的阵痛期，”

“我会一直使用芯片，”

The Scientist杂志与多位专家共同探讨了从芯片到RNA-seq的过渡，芯片就一直是基因组表达分析的中坚力量。展示药物对特定基因的作用。

自二十世纪九十年代中期以来，

没有底线的检测

芯片检测的动态范围比较窄，芯片就一直是基因组表达分析的中坚力量。将其反转录为cDNA，在检测丰度较高的基因时，这也是该技术的最大局限。但现在他们已经引入了RNA测序数据，人们继续使用芯片只是因为想要对新数据和旧数据进行比较，芯片可以快速给出结果，大家就能真正享受到技术带来的福利。”安捷伦科技公司的Kevin Poon说，

有时候，他们最初是用芯片在评估基因表达，但RNA-seq能够做得到芯片做不到的事。“我知道要做些什么，科学研究最终将完全转向RNA-seq，基因和miRNA的表达特征已经被赋予了临床上的诊断价值。然后用这些结果指导RNA-seq。不过，RNA-seq才是你正确的选择。在转录本丰度很低的情况下，