随着后基因组学时代的来临，生物科学的研究也从单个基因功能的研究转向了同时对多个基因甚至整个基因组的研究。整合生物学(Integrated Biology)和系统生物学(Systems Biology)的概念的提出促进了各种组学的发展。作为能检测整个基因组表达的高通量技术，基因芯片无疑为系统生物学研究提供了一种强有力的工具。因此，基因芯片技术在各个领域变得越来越流行。本文拟从集中三个方面进行基因芯片有关的研究。　　 第一部分:基因芯片数据注释和整合方法　　 随着生物学的快速发展，研究人员积累了大量生物学的数据。人们建立了各种公共数据库来存储这些数据，每个数掘库都从不同的角度反映了细胞的各种功能。能否成功整合这些数掘，无疑对基因组规模数据的分析特别是基因芯片数据分析起着至关重要的作用，然而这些生物数据库的物理分散在世界上各个地方。生物数据库分布性的特点使得整合这些数据库成为基因芯片数据注释研究中的一个挑战。基于数捌仓库技术，人们提出了一些整合和注释基因芯片数据的方法，然而这些方法却具有一些局限性。最大的局限在于其有限的注释类型和数捌不能实时更新，使研究人员不能充分整合和挖掘基因芯片数掘。本文结合数据仓库技术和连接整合技术，提供了一种新的基因芯片数捌的注释方法，该方法的基本原理是利用在线数捌仓库系统中提取各种数据类型的对应关系，然后再利用链接整合(link integration)技术根棚这些对应关系直接在公共源数捌库中去提取与基因芯片探针相关的具体信息，从而达到注释和整合的功能。由于链接整合采用了实时获取公共源数捌库的技术，因此能够克服数据仓库注释技术存在的更新不及时的问题。根据该方法，我们编制了相应的程序Arrayannote。结果表明该方法相比传统的以数据仓库为基础的技术在数据注释类型和数据的更新性都有大的提高。　　 第二部分:利用基于自组织神经网络图谱的技术来可视化大规模芯片数据　　 由于基因芯片技术的普及和提高改进，成本的下降，基因芯片实验所使用到的芯片数量也成倍增长。因此，随着更多的大规模生物芯片实验，导致了海量的数据的生成。数据的大容量和高维数都使传统方法在复杂数据的分析上遇到了挑战。本文在自组织神经网络图谱的技术上，针对大规模基因芯片数据提出了一种新的数据可视化方法。该方法的基本原理是首先利用组成分平面，一种二维网格，来展示每个样本相关的基因芯片数据，然后将这些组成分平面根掘样本之间的关系来排列在同一个图谱中。该方法能在同时在单个图谱同时展示样本和基因之间的关系，能展示样本类别和基因的相关花式(pattern)。本文利用该方法分析了正常人类组织的基因芯片数据和白血病样本基因芯片数据，结果表明该方法能方便的展示大规模的芯片数据，适合于快速了解数据的结构特性，从而为后续的数学建模分析提供依据。　　 第三部分:利用基因芯片研究Nurr1基因对中脑多巴胺神经元的发育机理　　 Nurr1在中脑多巴胺神经元的发育中起到了关键的作用。在Nurr1基因敲除小鼠中发现，DA前体细胞不能正常迁移到正确的位置，不能支配靶点区域，同时只能暂时表达DA细胞标记。为了解释Nurr1是如何引起这些表型变化的，我们利用基因芯片研究了基因敲除小鼠中脑DA细胞的基因表达状态。通过基因芯片数据分析，鉴定出了20个在Nurr1敲除小鼠中差异表达的基因，并用定量PCR验证了其中部分基因在芯片中表达结果。这些基因包含有轴突生长相关基因，维甲酸代谢基因，和其他基因。这些基因的功能与观察到的基因敲除小鼠的表型是相符合的。因此我们的结果表明Nurr1有可能通过调节轴突生长相关基因和维甲酸代谢基因来发挥控制细胞成熟和发育的作用。这些数据将会为Nurr1基因敲除小鼠在发育的表型提供转录水平的基础，同时为了解Nurr1在DA细胞发育的功能机制提供了可能的解释。