Language
Country/Area
No result found
當基因開關被打開：細胞如何選擇性表達特定基因？
在分子生物學的領域中，基因表達譜分析是同時測量成千上萬個基因活動（即表達）的過程，幫助我們建立細胞功能的全貌。這些譜可以幫助我們區分積極分裂的細胞，或顯示細胞如何對特定治療做出反應。許多這樣的實驗同時測量整個基因組，也就是特定細胞中存在的每個基因。
基因包含製造信使RNA（mRNA）的指令，但在任何時刻，每個細胞僅從其攜帶的部分基因產生mRNA。
如果一個基因被用來產生mRNA，它被視為“開啟”，否則則為“關閉”。許多因素會影響某個基因是開還是關，例如一天中的時間、細胞是否正積極分裂、其周圍環境，以及來自其他細胞的化學信號。舉例來說，皮膚細胞、肝細胞和神經細胞表達的基因有所不同，這在很大程度上就是它們之間的區別所在。因此，基因表達譜可以用來推斷細胞的類型、狀態和環境等。
基因表達譜實驗通常涉及測量在兩個或多個實驗條件下表達的相對mRNA的量。這是因為特定mRNA的水平變化通常暗示該mRNA編碼的蛋白質需求有所改變，這可能表明了身體的自我維持反應或病理狀況。例如，產生酒精脫氫酶的mRNA水平較高，可能表示所研究的細胞或組織正在對環境中乙醇的增加作出反應。
高水平的mRNA可能意味著該蛋白質在生理過程中扮演著更重要的角色，這或許能成為新藥開發的關鍵。
基因表達譜與蛋白質組學的比較
人類基因組大約包含20,000個基因，這些基因合作生成約1,000,000種不同的蛋白質。由於交替剪接及後轉譯修飾，單一基因可以成為多種特定蛋白質的基礎。即使如此，單次質譜實驗可能只能識別約2000種蛋白質，這僅佔總數的0.2%。儘管有著這些限制，基因表達譜分析依然提供了一幅無與倫比的全景，能在單次實驗中獲得。
假設生成與測試中的應用
科學家經常基於已有的假設進行基因表達譜的實驗。這是因為在缺乏足夠的知識之前，無法形成可測的假設。而表達譜能夠幫助識別未來實驗的候選假設。許多早期的基因表達譜實驗屬於“類別發現”，這意味著通過傳統的劃分算法進行類別的分組和識別。
在“類別預測”中，根據樣本的基因表達譜回答關於臨床意義的問題，卻是一項更具挑戰的工作，需要海量的數據支持。
限制因素
儘管表達譜實驗能提供有價值的信息，但通常僅報告在改變的實驗條件下呈現統計顯著差異的基因，這通常僅是一小部分基因組。許多基因在生存所需的量很特定，因此並不會改變。此外，細胞使用多種機制來調節蛋白質，這使得一些基因的表達在mRNA量改變下可能不會有所波動。經濟上的限制也限制了表達譜實驗的觀察數量。
高通量測量的驗證
DNA微陣列和定量PCR都利用互補核酸序列的優先結合進行基因表達譜的分析。雖然高通量的DNA微陣列在量化準確性上略顯不足，但在篩選出感興趣的基因時，常常會先使用DNA微陣列進行篩選，隨後再用PCR進行驗證，這樣方法更加有效。
統計分析
微陣列的數據分析正在迅速發展。僅僅報告一組基因的調節已經無法滿足生物學上的要求，研究者開始尋求更為嚴謹的統計方法。例如，通過多重比較調整p值，確保這些基因的不同不是由隨機變化引起的，而是真正的生物學變化。
基因註解
數據統計可能能夠識別出哪些基因產品在實驗條件下變化，但想要理解這些基因的生物學意義，其關鍵在於了解每個基因產物所製造的蛋白質及其功能。基因註解提供了功能性和其他資訊，幫助科學家理解不同基因之間的關係。
尋找調節基因的模式
一旦識別出某組調節基因，進一步探究這些基因之間的關聯性是至關重要的。例如，我們可能觀察到某個基因的蛋白質產物活化了另一個基因。這樣的關聯可能不僅僅是偶然，而是反映了潛在的生物學過程。這需要採用嚴格的統計程序來確定這樣的生物學主題是否具備意義。
因果關係
基因表達譜在提供生物學見解方面具有重要意義，但無法單憑此推導出具備因果關係的結論。基因表達的變化未必直接影響蛋白質水平，這使得基因表達數據僅作為生物學深入研究的參考資料。
當我們越來越深入了解細胞如何選擇性表達特定基因時，這在未來的研究中將會引出哪些重要的新問題呢？
