人类基因组 标准寡核苷酸库基因序列的选择和探针的设计
• 介绍：
人类基因组 标准寡核苷酸库针对人类基因组中 20,726个确证的基因设计了22,740个 70mer的寡核苷酸探针。每一个探针都经过了严格设计和优化，从而确保了基因表达阵列分析能得到非常好的结果。
人类基因组 标准寡核苷酸库以 60个384孔板的形式提供。每一孔含有600pmol的探针。每一板中都含有一个阴性对照。
人类基因组 标准寡核苷酸探针库中寡核苷酸探针序列从 NCBI人类标准序列数据库（Human Reference Sequence）（November 2002）中得到。其中包括了一组能够检测1300多个基因的选择性剪接mRNA异构物的探针组。
目标基因的精心选择和探针的严格设计对于任何一组寡核苷酸探针组都至关重要。本文将简要介绍 Illumina标准寡核苷酸探针组目标基因选择和探针设计的方法。
• 基因序列的选择和特点分析
2.1 人类基因
Illumina建立了一套生物信息学方案能够对选定的DNA和RNA序列信息整合成一个综合的基因信息库。这一信息库排除了冗余基因并包含有转录本结构信息，它对于设计高质量的全基因组基因表达探针组尤为必要。
这一数据库的建立有如下一些要求：
• 序列准确性（ Sequence accuracy）：从标准序列数据库中挑选的序列都准确可靠。
• 标注质量（ Annotation quality）： 经确证的标注优先于自动生成的标注。
• 稳定性及更新频率（ Stability and update frequency ）：基因鉴定的方法不同，稳定性也不同。自动生成的结果每一次公布时都可能不一样。而经过验证过的序列则有根可寻。我们在选择基因时都尽可能地从稳定的数据库中选择序列。
• 序列特异性：在基因特异性表达探针选择时避免使用相似的基因序列。
• 选择性剪接：提供各选择性剪接产物特异的探针，同时提供与某一基因不同剪接体都能杂交上的通用探针。
2.2 数据来源
数据主要来源于 NCBI的人类标准序列数据库。它由两部分独立的亚库组成，分别具有不同的质量和特点。
• 经确认的标准序列（ C-REFSEQ）
这一资源库是基因序列信息的参照标准。 C-RefSeq用NCBI的LocusLink方法来支持基于合作的人工确认程序。每一基因序列在确认的不同阶段都有记录（例如预测期，提供期，核实期）。每一C-RefSeq转录本（用NM_前缀以便识别）都加上一个经人类基因命名委员会（Human Gene Nomenclature Committee, HGNC）同意的基因符号。通过对同一基因的不同选择性剪接产物的确认可以对生产相对与每一种RNA分子的标识。因此C-RefSeq RNA序列是高质量且稳定的数据库。它包含有超过15,300个基因的信息。
• 基因组评注数据库（ Genome Annotation RefSeq，GA-REFSEQ）
GA-REFSEQ通过自动化处理完成，而不经过人工验证或修改。数据通过对转录本（如RefSeq RNAs及GenBank中的RNA和EST序列）的注释和基因预测算法（GenomeScan）得到。尽管人类基因组测序已快完成，而且普遍认为质量不错，但基因鉴定仍有得有失。GA-RefSeq转录本又被称为模式mRNAs，用XM_作为前缀以便识别。
我们用人类 ESTs来验证并进一步注释GA-SefSeq以使得序列更准确，并验证转录本结构。这提供了可选择的UniGene，它可以避免基因链中的错误和错聚（misclustering）。
