基因芯片是生物学和生物医学中的一项革命,随着基因芯片技术的发展,产生了海量的基因表达的数据,而如何从海量基因表达数据中挖掘有意义的信息始终是一项巨大挑战.本文利用生物信息学分析方法和基因芯片实验技术,分别进行了编码基因的芯片数据的分析和非编码的ncRNA基因表达的研究工作.本文介绍了基因芯片的原理、应用、数据和数据分析的方法,并介绍了基因芯片和基因芯片数据的研究现状,提出本文研究的主要问题.首先,关于编码基因的大规模的基因芯片数据的积累,使利用基因芯片数据进行大规模网络分析成为可能,本文以酵母的编码基因的大规模芯片数据,验证由ChIP-on-chip实验数据构建的基因调控网络,并且通过寻找一致性子网结构进行从基因芯片数据推测基因网络的研究.其次,现有的基因芯片多被应用于编码基因表达的研究,利用基因芯片技术对非编码基因表达的研究并不多见,本文设计了联合芯片,同时检测mRNA和.ncRNA基因的表达量,对线虫中的短的ncRNA基因(<500bp)的表达进行了系统的研究,并且系统检测了这些ncRNA的5-端2,2,7-三甲基鸟苷的帽子结构. 首先,本文首次利用大规模基因苡片数据评估基因调控网络数据.调控网络数据来自于大规模的ChIP-on-chip实验的基因组定位数据.在数据的处理过程中,如果转录因子的结合位点位于两个转录方向相反的基因之间,会存转录因子和两个基因之间建立两条调控关系,这样会在转录调控网络中引入一些假阳性的调控关系.针对这种情况,本文通过大规模的基因芯片数据,利用二次表达谱相关系数的方法对这类数据进行评估.评估的结果用基因功能的GO注释进行验证,有56﹪的被基因芯片数据验证的调控关系同时能被GO注释验证,这说明利用基因芯片数据验证转录调控关系的有效性,并提示同时结合基因芯片数据和GO注释数据进行调控关系的评估能得到更好的效果.38条已知转录调控关系大都同时被基因芯片数据和GO注释数据支持,这也进一步说明评估的有效性.从转录因子在染色体上结合位点的分析发现,离转录因子比较近的基因更容易受其调控.对可信度低的转录调控关系研究发现转录调控网是一个鲁棒的(robust)网络,这些转录调控关系的引入只是改变了网络的末端结构,而不影响整个网络的框架. 第二,本文把寻找一致性子网的概念应用到了由基因芯片数据推测基因关系网络的研究.基因表达数据包含了基因之间的相互关系,从表达数据推测基因关系网络一直是个课题.许多以前的研究通过整合的基因芯片数据进行构建调控网络的研究,但是不能避免在不同的实验条件下,基因间的关系变化的情况.因此,通过整合的基因芯片数据推导的基因之间的关系有时无法反映特定条件下基因之间的关系.但是,可以通过整合的基因芯片数据推导出在各个条件下结构都保守的基因调控关系,这些调控关系可以更准确的反映基因之间的真实关系.本文提出了一个可扩展的高效算法,这个算法基于次序统计、min-hashing和locality-sensitive等统计学方法,从整合的基因芯片数据中发现一致性子网结构.本文考虑了一致性子网中变量两两之间的一致性统计意义上的相关性.结果显示,在一致性子网中,基因间的相关性强,并日稳定,这说明这些基因之间的关系紧密.很多一致性子网中的基因的GO注释富集于特定的基因功能GO term中,说明这些类是有生物学意义的. 第三、本文首次提出了检测mRNA和ncRNA表达的联合芯片,并分析了线虫中 ncRNA基因的表达,以及ncRNA基因的表达与mRNA基因表达的关系.小的非编码 ncRNA基因是在RNA水甲发挥生物功能的基因,在许多物种中已经发现了数百种 ncRNA基因.本文系统的研究了线虫(C elegans)中除了microRNA之外的小ncRNA基因的转录谱.线虫的大量的ncRNA位于编码基因的内含子中,所以本文还分析了这些ncRNA和相关的宿主mRMA基因表达的相关性.通过能够同时检测ncRNA和mRNA水平的联合芯片发现,很多ncRNA在不同的发育条件和刺激下的表达是显著性变化的,即使是对于那些被认为是看家基因的ncRNA(例如,snRNA和snoRNA),这个结果说明这些ncRNA的表达在不同发育阶段或刺激条件下是受到调控的.对ncRNA和宿主mRNA表达的分析发现,那些有前端保守序列的ncRNA基因的表达水半远远大于其对应的mRNA的表达水甲.对于没有前端保守序列的ncRNA基因,虽然它们的表达和宿主基因之间有明显的相关性,但是在表达上也有惊人的独立性,特别是对于某些特定功能的基因.总之,联合芯片给出了关于ncRNA基因表达的一个全面、细致的图谱,可以被应用于其他物种的研究上. 最后,利用ncRNA基因芯片和免疫沉淀技术,本文第一次系统的分析了线虫的ncRNA的5-端2,2,7-三甲基鸟苷(m<,3>G)的帽子结构.在5-端具有m<,3>G帽子结构的RNA通常有重要细胞功能的RNA,如snRNA等.本文利用免疫共沉淀和ncRNA的基因芯片,系统地检测了线虫ncRNA基因的m<,3>G帽子结构.所有在其他物种已发现的带有m<,3>G帽子结构的ncRNA都被检测到,这个结果说明了方法的有效性.与剪接相关的ncRNA家族,即SL RNA和Sm Y RNA,和8个C/D盒的snoRNA也有m<,3>G帽子结构.进一步分析发现,SL RNA、Sm Y RNA和U5 sngNA具有更加保守的Sm蛋白结合位点(AAU<,4-5>GGA),与其他U系列的RNA的Sm蛋白结合位点略有不同.而13个具有m<,3>G帽子结构的ncRNA序列中没发现Sm蛋白结合位点,这说明在这些ncRNA中,Sm蛋白的结合并不是m<,3>G帽子结构成熟的必要条件.预测由RNA多聚酶Ⅱ转录的ncRNA大都有m<,3>G帽子结构,而由RNA多聚酶Ⅲ和通过内含子剪接的ncRNA-般没有m<,3>G帽子结构,这说明:m<,3>G帽子结构的形成和ncRNA的生物合成有关系.有m<,3>G帽子结构的ncRNA的表达水平一般大于无.m<,3>G帽子结构的.另外,有6个具有m<,3>G帽子结构的ncRNA没有被功能注释,本文的研究可以为它们的功能研究提供帮助.