杨平：给基因表达分析研究的建议

　　

生物通报道：到目前为止，虽然基因表达分析手段评估一种癌症的发展情况方面已经取得了显著的进步，但是美国Mayo Clinic的研究人员对目前肺癌研究中的分析方法的一项研究表明，这种技术还不能超过传统的评估肺癌患者存活方法的精确度。这篇文章发表在11月的Cancer Epidemiology, Biomarkers and Prevention (CEBP)。文章的主要作者是华裔博士杨平（Ping Yang）和孙智富（Zhifu Sun）。

自从2003年人类基因组计划的完成，医学领域中基因表达分析的成为一大热点。研究人员提醒说，基因表达分析学目前还只处于婴儿期，尤其是在对肺癌的分析上。

目前，比较肺癌传统预测方法和基因分析的研究还很少。人们仍然需要分析肺癌基因表达分析是否能够替代或与现有的评估工具抗衡，以及它是否能够改善患者的治疗情况。

针对肺癌研究中基因表达分析的情况，研究人员发现以下问题：

1 以基因表达为基础的预测精确度在多项研究中变动很大。

2 大多数研究缺少独立的确认实验。

3 基因表达奋迅哈和病理学特征的临床结果预测交叠在一起。

目前的分析法则主要集中在高度表达的基因上，这些基因中的大部分都与肿瘤的分化有关，并且可能与临床治疗结果无关；相反，低水平表达的基因或微笑的差异常常被忽略了，它们可能与临床结果关系更为密切。

这篇文章的作者还为从事医学研究的科研工作者在进行基因表达分析工作时给出了几点建议：

1 明确研究目的。芯片研究中的主要焦点应该是探索具有类似临床和病理学特征的患者群中不同临床结果的分子机理。

2 列出并比较多种研究设计。

3 根据尺寸、质量和明确的临床结果，小心选择样本。

4 了解DNA芯片方法的局限性。

5 从研究结果提供临床相关解释，并且考虑到实际应用价值。

这项研究由美国健康研究院癌症研究所和Mayo Clinic资助。（生物通杨遥）

全球首个胰岛素植物增敏剂在中国问世

高校低就业率专业将缩减招生名额

“973”糖尿病专项基金资助北大糖尿病中心