HSV-tk基因/GCV系统治疗肿瘤的旁观者效应与缝隙连接关系的研究

目的 探讨单纯疱疹病毒胸苷激酶（HSV－tk）基因／丙氧鸟苷（GCV）系统杀伤肿瘤细胞时旁观者效应与细胞间缝隙连接的关系。方法 用PA317细胞包装STK质粒（逆转录病毒载体介导的HSV-tk基因），形成假逆转录病毒颗粒，转染有缝隙连接的大鼠胶质瘤细胞C6和无缝隙连接的入宫颈癌细胞 Hela，制成 C6 tk+和 Helatk+细胞，将不同比例的C6和 C6 tk+、Hela和 Hela tk+细胞混合，每种比例8孔，培养 24h后 4孔加入含0．5μg/mlGCV的培养基，4孔作对照，6d后用MTT法测量细胞存活率。在两个培养皿中放入周围粘有33mm高滤纸的载玻片，分别接种 C6、C6 tk+细胞。细胞 80%汇合后将载玻片互换，并加入含0．5μg/ml GCV的培养基，6d后观察细胞形态。结果C6细胞组存在旁观者效应，Heal细胞组不存在旁观者效应。培养皿中tk+细胞大部分被杀死,tk-细胞无变化。结论HSV-tk基因/GCV系统杀伤肿瘤细胞时旁观者效应与细胞间缝隙连接有关。     

压电基因传感器检测芽孢杆菌靶序列研究

在石英晶体微天平(QCM)上用生物素亲和素法和自组装法2种不同的方法固定寡核苷酸探针,构建压电基因传感器,对芽孢杆菌靶序列进行实时检测。结果表明:生物素亲和素法固定探针效果更好,靶序列浓度为0.05~0.5μmol/L时,有很好的线性关系,线性回归方程为Y=93.88X+10.88(R=0.989 0,N=6,P<0.001),非线性误差为±4.7%。该传感器特异性较好,能够识别错配3个碱基的序列。     

生物芯片技术的应用与展望

生物芯片技术是20世纪90年代中期发展起来的一项尖端技术,已经成为科学界的研究热点之一。简述了生物芯片的概念与主要分类,主要介绍了生物芯片技术在基因测序与基因表达分析、基因突变和多态性检测、转基因食品的检测、食品中微生物的检测、临床医学、疫苗研制等方面的最新应用,并对其在中药研究以及农业、环保、司法鉴定、基因武器等领域的发展前景作了预测及展望。     

cDNA芯片缺失值处理对基于基因表达谱的疾病分类的影响

选取了4套cDNA芯片数据,分别运用补零和K近邻的方法,对有检测缺失的基因进行了补缺失值处理,分析了不同处理对支持向量机、K近邻分类器、决策树三种分类器分类效能的影响.结果显示: 在cDNA基因表达谱数据中,对检测缺失率不高于5%的基因补缺失值是一种较好的策略,这样可以保留较多的基因供后续的功能分析,同时仍然能够保持很高的疾病分类效能.     

鲤鱼(Cyprinus Carpio) 促性腺激素基因的克隆、原核表达及多克隆抗体制备

采用逆转录-聚合酶链式反应(RT-PCR)方法,从鲤鱼脑垂体获得了两种GtH β亚基的cDNA, 克隆在pMD18-T载体.经测序确证后,将这两个基因克隆到原核表达载体pET -32(a)中,转化E.coli表达菌BL21(DE3),以IPTG诱导融合蛋白的高效表达.利用初步纯化后的抗原免疫新西兰大白兔,制备多克隆抗体.应用制备的兔抗血清与抽提的鲤鱼脑垂体的总蛋白分别进行Western-blot及ELISA分析,结果显示获得的多抗能特异识别各自的天然蛋白.该结果为纯化天然GtH蛋白提供了有效的检测手段,为进一步制备GtH单克隆抗体奠定了基础.     

真鲷肌肉生长抑素(MSTN)基因的克隆及表达分析

采用同源克隆的策略,设计了3对引物,首次分离、克隆了2820bp的真鲷肌肉生长抑素(MSTN)基因组序列,该序列在GenBank上注册(注册登录号为AY965686).经过剪接、比较,分析了真鲷MSTN基因的序列和结构特征.真鲷的MSTN基因具有3个外显子、2个内含子,整个开放阅读框编码着384个氨基酸,第1个外显子上有一个连续11个Q氨基酸的残基,C-末端具有9个保守的半胱氨基酸及一个RVRR的蛋白酶解加工位点.在第1、第2内含子和3'非翻译区上分别具有一个微卫星重复序列.RT-PCR分析表明,MSTN基因在真鲷不同组织中都有表达,但表达量具有明显的差异;MSTN在肌肉中表达量最高,其次是脑、小肠、头肾、鳃和性腺,心脏、眼睛、肝脏中只有极少量表达,脾脏中没有检测到MSTN的表达.     

基因微阵列数据中的聚类技术研究

微阵列技术是后基因时代功能基因组研究的主要工具。由于采用了高效的并行杂交技术,每次实验可以得到大量丰富的数据,因此其结果分析成为一项很有挑战性而且具有重要意义的工作。聚类分析是微阵列数据分析中使用最为广泛的一类方法。微阵列实验得到的大量数据通过聚类分析,可以得到很多有用的信息,其成功应用已广泛涉及到基因功能研究和生物医学研究中的各个领域。文中介绍了基因微阵列数据的聚类分析方法及其重要应用。     

基于优秀基因传播的免疫优化算法

对文献[5]的工作进行改进，改进基因重组策略，增加免疫基因传播操作，使得算法能够更快更好的搜索最优解．核心思想是区分成熟抗体中高层次抗体和低层次抗体，低层次群体不断更新，高层次群体相对稳定，但不断从低层次群体中学习优秀基因完善自身．本文详细介绍了该算法的设计思想和具体实验，实验结果说明本算法具有较好的问题求解能力．     

遗传编程局部最优化问题分析

本文介绍了遗传编程的一般步骤，指出程序在遗传的过程中存在的局部最优问题，分析了局部最优状态产生的机理，并提出了局部最优状态的发现方法以及解决方法。     

Orphan gene finding—an exon assembly approach

This paper introduces an algorithm for finding eukaryotic genes. It particularly addresses the problem of orphan genes, that is of genes that cannot, based on homology alone, be connected to any known gene family and to which it is therefore not possible to apply traditional gene finding methods. To the best of our knowledge, this is also the first algorithm that attempts to compare in an exact way two DNA sequences that contain both coding (i.e. exonic) and non-coding (i.e. intronic and, possibly, intergenic) parts. The comparison is performed following an algorithmical model of a gene that is as close as possible to the biological one (we consider in this paper the “one ORF, one gene” problem only). A gene is seen as a set of exons that are pieces of an assembly and are not independent. The algorithm is efficient enough: although the constants are higher than for usual sequence comparison, its time complexity is proportional to the product of the sequences lengths while its space complexity scales linearly with the length of the smallest sequence.