Nat Meth：如何让基因表达分析更快更便宜？

　　

生物通报道：最近，耶鲁大学的一个研究团队，开发了一种简单的方法，能明显降低大规模基因表达分析的时间和成本。相关研究结果三月二日发表在Nature旗下子刊《自然方法》（Nature Methods）。

该研究团队由耶鲁医学院放射治疗学助理教授、医学博士Abhijit Patel带领，他们创建了一种工具，利用新一代高通量DNA测序技术，使我们能够更容易的同时测量大量细胞或组织中的基因活性。而DNA被认为是生命的蓝图，知道在不同条件下哪些基因被激活或关闭，是我们理解生物学和疾病的基础。延伸阅读：Nature子刊：新型计算方法大大加速基因表达估算。

这种方法称为模块化早期标记扩增（META）RNA谱，可以在许多样本中同时量化各种microRNA或mRNA，而且比现有的数字分析技术需要更少的测序深度。这种方法可在反转录过程中分配定量标签，以在竞争性扩增和深度测序之前使前期样本混合。这种简单的、可扩展的、便宜的方法，提高了大规模基因表达研究的实用性。

基因表达分析是临床试验中常用的。例如，在乳腺癌患者中，往往通过检测肿瘤标本中的基因表达来预测复发的可能性，以确定化疗是否是有益的。Patel说，另外有研究验证，这种高通量的方法可用来同时测量许多患者肿瘤的基因表达。最后，该方法能够减少这种检测的成本，使他们更加的广泛可用。

本文资深作者Patel说：“为了得出关于复杂基因表达模式的有意义的结论，通常需要对大量的临床或实验样品进行统计分析。我们相信，这项新技术将有助于此类工作的开展。我们很兴奋，因为这种方法使得大规模RNA谱研究更加实用，并且更容易为大多数研究人员和临床实验室所用。”

这项研究是由耶鲁癌症中心、Honorable Tina Brozman Foundation和美国国家先进科学转化中心的Clinical and Translational Science Award资助支持。

（生物通：王英）

生物通推荐原文摘要：
High-throughput RNA profiling via up-front sample parallelization
Abstract: We describe a method called modular, early-tagged amplification (META) RNA profiling that can quantify a broad panel of microRNAs or mRNAs simultaneously across many samples and requires far less sequence depth than existing digital profiling technologies. The method assigns quantitative tags during reverse transcription to permit up-front sample pooling before competitive amplification and deep sequencing. This simple, scalable and inexpensive approach improves the practicality of large-scale gene expression studies.