芯片数据&测序数据

1.检测原理

在测序未普及前，芯片是最常使用的大规模筛查工具，如人基因表达谱芯片，一次实验就可以对人类已知的2~3万个基因进行筛查，找出关键差异基因。我们知道，芯片是基于探针与目标序列杂交结合的原理进行检测。由于探针序列是根据目标序列进行设计，是确定的，因此，芯片是个相对封闭的系统。换句话说，芯片只能对已知的序列进行检测。

①芯片探针与目标序列杂交

在整个芯片实验过程，目标序列未经历PCR扩增（见上图），因而检测到的杂交信号与目标序列的丰度保持良好的线性相关性，更适合做定量分析。

测序顾名思义是测定序列信息。因此，测序是个相对开放的系统，测序过程既会测到数据库已报道的序列，也会获得尚未被报道的序列。换句话说，不管被检测物种是否有参考序列信息，都可以开展测序实验。测序是目前快速获取物种序列最有效的方式。

②Illumina边合成边测序

在整个测序实验中，目标序列需要经历多次的PCR信号放大（如建库，如生成cluster，见上图），因此灵敏度更高，但也由于PCR过程的不均衡性，使得基于测序数据进行定量与真实丰度存在偏差。

2.检测场景

通过了解检测原理，我们可以知道，芯片和测序有相同也有不同的检测场景。比如研究参考序列较丰富物种的表达谱，虽然用芯片和测序都可以，但是用芯片进行定量会更为准确。又比如参考序列较少的物种，要做定量分析，选择测序就更为合适，既能测定序列又能做定量分析。如果想发现新的转录本，或者研究基因表达的可变剪接等，选择测序准没错。也有一些研究，会将两者结合，先用测序获得序列信息，再用芯片进行定量分析，发挥两种手段各自的优势。

3.实验周期

相比于测序，无论是实验过程还是数据分析过程，芯片都更为成熟和简单。因而芯片的实验周期通常约为测序的一半时间或者更短。

4.数据易用度

大多数研究者比起实验过程，更关心是否能拿到所需的实验数据，以及这些数据是否能马上上手使用。

做过测序的朋友，还记得你第一次看测序报告和数据的感受吗？当时是不是整个人都不好了？没事，大家都是这样过来的。因为测序产生的数据实在是太多，报告中有一半甚至更多的篇幅，是在说序列本身的故事。而这些对不是以研究序列结构为主的大部分研究者而言，无异于天书。花一周甚至几周理解测序报告和数据的含义是常有的事。如果遇到科研时间有限的研究者，可能几个月过去了，报告都没翻上几页。当然一旦你花了功夫，摸清了测序结果的门路，以后再做就会轻车熟路。

相比于测序，能用芯片做研究的朋友，简直是幸福到没朋友。看芯片结果，我们不用在序列上纠结，因为这些序列来自数据库，是确定的。即使是第一次看报告，也能马上找到自己感兴趣的数据。研究者只会把注意力放在筛选到的差异基因上，又因为序列是来自数据库，注释信息详细，参考资料丰富。当确定了感兴趣的基因，就可以马上开展下游的功能研究，因而能明显加快研究成果的发表。

芯片目前常用于医学研究中，说明在医学研究中，芯片相比于测序是更多被采用的。这其实和医学研究需要确定性是相关的，无论是筛选诊断标志物还是研究调控机理，都需要针对确定的基因展开研究。

回归研究的原点，能高效解决科学问题的，就是好手段。不论测序还是芯片，它俩只是两种检测手段，研究者应根据不同的研究需求去使用，而不是只用测序或是芯片。很多情况下，芯片因其稳定性，更短的实验周期，更易用的实验结果，更有利于医学研究者在少量的科研时间中发现关键基因，加速成果发表。

一些针对测序数据的在线数据库是否同样可以应用于芯片数据。比如：IPS（免疫表观评分）  ；GDSC（R包中的PRophetic估算半数抑制浓度IC50）；CMap（候选小分子药物）上下调重叠基因，预测药物诱导逆转特定的基因药物。