家系图 pedigree 表明亲缘与婚姻关系的图。家系图常根据不同情况而采用不同的样式。一般男用□表示,女用○表示;□、○以横线连结的称为婚姻线,表示为夫妇;从婚姻线的近中点向下作垂线,下端连上子女记号,子女如在二人以上,可按出生顺序从左向右排列,世代数在图左端以罗马数字标出,并在各人记号的右肩接各世代顺序记以阿拉伯数字。完全的家系图应一个不漏地包括死亡者、流产者和性别不明者。具有特别性状的人以■●表示,或加斜线、纵线等以示区别;始端者附以箭头或手指图等记号。
初学系解,推荐图谱一本,谢~
解剖图谱分为实体图谱和绘图图谱
个人感觉绘图的更直观,容易理解
可以买中国医科大学编的
如何构建知识图谱
自己建吗可以下载图谱软件构建
http://www.cnblogs.com/R0b1n/p/5224065.html可以参考一下这个
SPSS: 大型统计分析软件,商用软件。具有完整的数据输入、编辑、统计分析、报表、图形绘制等功能。常用于多元统计分析、数据挖掘和数据可视化。
Bibexcel: 瑞典科学计量学家Persoon开发的科学计量学软件,用于科学研究免费软件。具有文献计量分析、引文分析、共引分析、耦合分析、聚类分析和数据可视化等功能。可用于分析ISI的SCI、SSCI和A&HCI文献数据库。
HistCite: Eugene Garfield等人于2001年开发的科学文献引文链接分析和可视化系统,免费软件。可对ISI的SCI、SSCI和SA&HCI等文献数据库的引文数据进行计量分析,生成文献、作者和期刊的引文矩阵和实时动态引文编年图。直观的反映文献之间的引用关系、主题的宗谱关系、作者历史传承关系、科学知识发展演进等。
CiteSpace: 陈超美博士开发的专门用于科学知识图谱绘制的免费软件。国内使用最多知识图谱绘制软件。可用于追踪研究领域热点和发展趋势,了解研究领域的研究前沿及演进关键路径,重要的文献、作者及机构。可用于对ISI、CSSCI和CNKI等多种文献数据库进行分析。
TDA: Thomson Data Analyzer(TDA)是Thomson集团基于VantagePoint开发文献分析工具。商用软件。具有去重、分段等数据预处理功能;可形成共现矩阵、因子矩阵等多种分析矩阵;可使用Pearson、Cosine等多种算法进行数据标准化;可进行知识图谱可视化展示。
Sci2 Tools: 印第安纳大学开发的用于研究科学结构的模块化工具可从时间、空间、主题、网络分析和可视化等多角度,分析个体、局部和整体水平的知识单元。
ColPalRed: Gradnada大学开发的共词单元文献分析软件。商用软件。结构分析,在主题网络中展现知识(词语及其关系);战略分析,通过中心度和密度,在主题网络中为主题定位;动态分析,分析主题网络演变,鉴定主题路径和分支。
Leydesdorff: 系类软件。阿姆斯特丹大学Leydesdorff开发的这对文献计量的小程序集合。处理共词分析、耦合分析、共引分析等知识单元体系。使用“层叠图”实现可视化知识的静态布局和动态变化。
Word Smith: 词频分析软件。可将文本中单词出现频率排序和找出单词的搭配词组。
NWB Tools: 印第安纳大学开发的对大规模知识网络进行建模、分析和可视化工具. 数据预处理;构建共引、共词、耦合等多种网络;可用多种方法进行网络分析;可进行可视化展示.
Ucinet NetDraw: Ucinet是社会网络分析工具。包括网络可视化工具Net Draw。用于处理多种关系数据,可通过节点属性对节点的颜色、形状和大小等进行设置。用于社交网络分析和网络可视化。
Pajek: 来自斯洛文尼亚的分析大型网络的社会网络分析免费软件。Pajek基于图论、网络分析和可视化技术,主要用于大型网络分解,网络关系展示,科研作者合作网络图谱的绘制。
VOSviewer: 荷兰莱顿大学开发的文献可视化分析工具。使用基于VOS聚类技术技术实现知识单元可视化工具。突出特点可视化能力强,适合于大规模样本数据。四种视图浏览:标签视图、密度视图、聚类视图和分散视图。
[4]陈悦, 刘则渊, 陈劲等. 科学知识图谱的发展历程[J]. 科学学研究, 2008, (03): 449-460.
[5]Shiffrin, R.M., and Katy Börner. Mapping Knowledge Domains[C]. Proc. Proceedings of the National Academy of Sciences of the United States of America pp. 5183-5185.
[6]Börner, K., Chen, C.和Boyack, K.W. Visualizing knowledge domains[J]. Annual review of information science and technology, 2003, 37, (1): 179-255.
[7]CM, C. CiteSpace II: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the American Society for Information Science and Technology, 2006, 57, (3): 359-377.
[8]陈悦和刘则渊. 悄然兴起的科学知识图谱[J]. 科学学研究, 2005, (02): 149-154.
[9]邱均平. 信息计量学[M]. (武汉大学出版社, 2007. 2007).
[10]沙勇忠和牛春华. 信息分析[M]. (科学出版社, 2009. 2009).
[11]塞沃尔, 建军和煦. 链接分析: 信息科学的研究方法[M]. (东南大学出版社, 2009. 2009).
[12]Egghe, L.和Rousseau, R. Introduction to informetrics: Quantitative methods in library, documentation and information science[J]. 1990
[13]韩家炜, 坎伯, 裴健等. 数据挖掘: 概念与技术[M]. (机械工业出版社, 2007. 2007).
[14]Wasserman, S. Social network analysis: Methods and applications[M]. (Cambridge university press, 1994. 1994).
[15]Persson, O., R. Danell, J. Wiborg Schneider. How to use Bibexcel for various types of bibliometric analysis[C]. Proc. International Society for Scientometrics and Informetrics., Leuven, Belgium2009 pp. 9–24.
[16]Yang, Y., Akers, L., Klose, T.等. Text mining and visualization tools–impressions of emerging capabilities[J]. World Patent Information, 2008, 30, (4): 280-293.
[17]Börner, K., Huang, W., Linnemeier, M.等. Rete-netzwerk-red: analyzing and visualizing scholarly networks using the Network Workbench Tool[J]. Scientometrics, 2010, 83, (3): 863-876.
[18]廖胜姣. 科学知识图谱绘制工具:SPSS和TDA的比较研究[J]. 图书馆学研究, 2011, (05): 46-49.
[19]Scott, M. WordSmith tools[M]. (Oxford: Oxford University Press, 1996. 1996).
[20]Batagelj, V.和Mrvar, A. Pajek - Program for Large Network Analysis[M]. (1998. 1998).
[21]Borgatti, S.P., Everett, M.G.和Freeman, L.C. Ucinet for Windows: Software for social network analysis[J]. 2002
[22]Van Eck, N.J.和Waltman, L. VOSviewer: A computer program for bibliometric mapping[J]. 2009
大家好,我是大一医学生,准备学习系统解剖学,请问是不是要买本图谱好点?听别人说学习完系解,图谱就没
系统解剖学图谱:
1、图谱可以在学习系解时作为加强对各部分结构的认识。
2、我们大一是学习委员负责团购系解,最好不要自己买盗版的,便宜但是有错别字。
3、因为系统解剖学本身作为一门医学基础课,就是沿用一生的,图谱可以当做一本好的藏书。
histcite是一种什么工具
使用Histcite可以快速定位关键文献,事半功倍!
利用Histcite可以了解最先被提出的问题;里程碑似的文献;相互关系;重要科学家及机构;关键词变迁(无关键词的重要文献)……
DNA指纹技术应用了什么原理?
DNA指纹技术原理:
一般要通过以下几点来完成:
1、将送检的各种生物学检样,如毛发、血痕、精斑、人体组织或白骨等,把其中所含的DNA 提取出来。
2、选用与探针配对的限制性核酸内切酶,在长链DNA 位置上加以切割,使分子量很大的DNA 长链切短成许多长度不同的小片段。
3、在胶板尺寸较长的凝胶电泳仪中,对酶解完全后的DNA 片段进行电泳,各酶切片段就会按其长度大小在电场中进行分离。
4、先用碱性溶液使凝胶板中分离开的双链DNA 片段变性为单链片段,然后将凝胶板夹在尼龙膜中,使这些单链DNA
片段印溃(blot-ting),转移并永久性地固定在尼龙膜上。
5、让放射性DNA探针与尼龙膜上的单链DNA片段进行分子杂交。
6、用放射性胶片与尼龙薄膜叠放,尼龙膜上的放射性探针便会发出X 射线使胶片曝光,从而使杂交有探针的长度不同的DNA片段位置显影在胶片上。这样的特征
DNA片段条状图谱,便是所谓的DNA指纹。
1 DNA指纹图的建立及发展
近百年来的研究认为,任何遗传分析都是以遗传标志为基础的,而任何一个遗传标志的价值又在于其变异 性(即多态性)的大小。有关遗传多态性的研究对促进人类学、遗传学、免疫学以及法医学的发展, 以及对阐明某些疾病的发病机理乃至协助诊断等方面都起了十分重要的作用。但以往的研究都是利用各种外部表现型、生理缺陷型、同工酶、多态蛋白等作为遗传标志,用间接分析来推论相应的遗传基因。
70年代末,限制性内切酶和重组体DNA技术的出现以及分子生物学的飞速发展,使人们对遗传标志的研究转向DNA分子本身。由于各种遗传信息都蕴藏在DNA分子上,生物个体间的差异在本质上是DNA分子的差异,因此DNA被认为是最可靠的遗传标志。某些DNA序列的差异可通过限制性酶切片段长度的改变来反映,此即限制性片段长度多态性(restriction fragment length polymorphisms,RFLP),其产生是由于点突变、DNA重排、插入或缺失引起的〔1〕。随着对RFLP研究的深入,人们发现了基因组中最有变异性的一类序列——高变异DNA序列,使DNA遗传标志的发展和应用得到了一次飞跃。
1980年,Wyman和White描述了第一个多等位性的具有高度多态性的人类DNA标志。不久,在胰岛素基因(Insulingene)的5′端区域、致癌基因(C-Haras I Oncogene)的3′端分别发现了相同的高度可变的标志(hypervariable marker)。在α-球蛋白(α-globin)基因群周围还发现了其它三个标志〔2〕。1982年,Bell等〔3〕证实:这些高度多态性区域串联着重复的短序列单位,重复单位数目的差异导致了这种高度的可变性,由于这些结构特征,人们称这些区域为小卫星(minisatellite)或高度可变区域(hypervariable)或可变数目的串联重复(variable number of tandem repeats)。
1985年,Jeffreys 等〔4〕用肌红蛋白基因第一内含子中的串联重复序列(重复单位含33bp)作探针,从人的基因文库中筛选出8个含有串联重复序列(小卫星)的重组克隆。序列分析表明,这8个小卫星重复单位的长度和序列不完全相同,但都有相同的核心序列(core sequence)即GGCCAGGA/GGG。他们先后用两个多核心小卫星(poly coreminisate
-llite)33.6和33.15探针进行southern杂交,在低严谨条件下杂交得到了包含10多条带的杂交图谱,不同个体杂交图谱上带的位置就象人的指纹一样千差万别,Jeffrey称之为DNA指纹(DNA fingerprint)〔5〕,又名遗传指纹(genetic fingerprint)。
RFLP DNA指纹分析技术由于方法繁杂、周期长、实验条件高等缺陷而无法大范围推广。1990年,Williams等〔6〕首次报道了AP-PCR技术,Welsh和McCelland〔7〕亦独立地进行了这方面的工作,从而使DNA指纹技术应用更加广泛。AP-PCR技术是采用随意设计的1个或2个引物,对模板DNA进行PCR扩增,一般先是在低严格条件,即在高Mg2+浓度(大于传统PCR Mg2+浓度1.5mmol/L)、较低退火温度(36℃~50℃)下进行1~6个循环的PCR扩增,随后在严格条件下进行PCR扩增,产物经2%琼脂糖凝胶电泳或6%变性聚丙烯酰胺凝胶电泳分离,可得到DNA指纹图谱。其基本原理是:在低严格复性条件下,引物与模板DNA非完全互补序列形成错配,错配引物在DNA聚合酶作用下沿模板链延伸,合成新链,当在一定距离内模板DNA另一单链也发生引物错配时,即可对两错配引物间的DNA进行扩增。但是此种错配并非随机发生,引物和模板间,特别是在引物3′端必须存在一定的互补序列,即可产生不同的扩增片段或组合,通过DNA指纹图谱,可得到配对DNA样品中的差异片段,用于克隆、测序、染色体定位和基因片段的生物学功能研究。
我国杨建厂等〔8〕利用PCR的原理成功地建立了一种全新的DNA指纹检测技术,称之为随机引物PCR人DNA指纹检测技术(arbitrarily primed PCR human DNA fingerprinting,APHDP),此外还开发出处理DNA指纹数据应用软件,应用于个人识别、遗传素质与疾病的相关特征研究等。
2 DNA指纹技术所用的探针
自DNA指纹技术建立以来,这一技术迅速在动植物的进化关系、亲缘关系分析以及法医学方面得到广泛应用。也正是由于DNA指纹技术在核酸分析中显示出了强大的生命力,因而许多学者围绕此技术所用的探针作了大量的工作,除Jeffrey等〔5〕的探针外,用人工化学合成或从生物组织中提取后再扩增的办法生产出了一批高水平的探针。迄今,在DNA指纹技术中所用的探针大概有probe33.15、33.6〔5〕、bacteriophage MB〔9〕、pig repetitire clone p83、PGB 725、poly(GT) containing 18.1、(GTG)5/(CAC)5〔10,11〕、(CAC/TA)4及(GT)12等。同时,在探针的标志上也有了很大的发展,根据它们的结构可大致分为小卫星探针和简单重复序列探针,简单重复序列包括微卫星探针(microsatellite probe)和寡聚核苷酸探针。小卫星探针的核心序列为33bp,常定位在人常染色体前的末端(proterminal)区域,微卫星探针则在10~20bp之间,而寡聚核苷酸探针在10bp以下,普遍散布在人类整条染色体上,或者在基因间区域或者位于内含子内。
1988年,我国伍新尧等〔12〕根据DNA指纹是人基因组中重复序列的RFLP的原理和人与鼠的髓鞘碱性蛋白(MBP)基因cDNA同源序列性高于90%的事实,选用鼠MBP cDNA3′端的一段序列(非表达区高度重序列,与人基因组中该类重复序列几乎完全同源),长度为0.81kb的片段作探针,检测用HaeⅢ酶解的人DNA限制性片段(RF),在人群中可分出22条谱带,受检 的30例无血缘关系的个体之间没有两个人的谱带是完全相同的,显示这一方法的高度个体特异性,这是国内首次用自已的力量找到DNA指纹的探针。
3 DNA指纹的应用3.1 法医学方面 同以往的血型测定法相比,DNA指纹技术在法医学领域上具有无可比拟的优越性。已成为鉴定犯罪、亲子鉴定和确定个体间亲缘关系的工具〔5,13〕。随后,国内学者李伯龄〔14〕、姜先华〔15〕、伍新尧等〔12〕也先后对此项技术进行了研究,并应用于实际案件的鉴定中,解决了过去无法解决的疑难案例,如微量血痕、部分腐败的碎尸块的个人认定等。
3.2 在动植物科学中的应用
3.2.1 生物种群学研究 利用DNA指纹图可以估算连锁不平衡,比较等位基因的频率,还能估计不同个体之间的重组率,在种群学研究上有助于建立某一个体在种群中的地位和关系,特别是对真菌的种群研究,有很多真菌可以通过有性和无性的方式繁殖,但是何时以何种方式繁殖,程度如何,并不清楚,而利用DNA指纹图就能区分以有性和无性方式产生的后代,并能确定某一区域真菌的自然分布〔1,16〕。
3.2.2 测定物种之间的遗传距离、物种分类鉴定 Jeffreys等〔5〕认为在一个群体的不同成员间拷贝数的串联重复序列(VNTR)由于多态性程度高,在遗传分析中尤其适合作为多态性标志,简单重复的不稳定性可导致VNTR长度的迅速变化,根据家族中或育种群体中VNTR的分离重组频率,可以测定出遗传距离,可用统计学公式确定个体间的亲缘关系:D=2Nab/(Na+Nb),,D值越大,亲缘关系越近,遗传距离就越小;D值越小,亲缘关系越远,遗传距离就越大。为此,运用DNA指纹技术可检测不同物种、同种及同种不同个体的亲缘关系,用于物种分类鉴定,也可用于杂交后代亲本决定,杂交后代群体分开,检测近等基因系(或同类系)种的多态性,并对检测基因进行定位。Welsh等〔7〕对布氏疏螺旋体菌株的DNA指纹进行分析,发现这种lyme病的病原菌实际上是由三个不同的种群组成。罗超权等〔12〕运用AP-PCR鉴定弓形虫虫株,在国内开创了运用DNA指纹技术作生物分类的先例。
3.3 在流行病学方面的运用 由于DNA指纹具有以下几个特点:①能反映基因组的变异性;②具有高度的变异性;③具有简单的稳定的遗传性;④DNA指纹谱具有体细胞稳定性。所以,它同一般的流行病学方法相比较而言,具有无比的优越性,使其成为流行病调查的一种有效工具。Jan DA等〔17〕,Denise Chevrel-Dellagi等〔18〕运用IS6110序列作探针对结核病分支杆菌株进行DNA指纹分析,调查国际间结核病的种型、分析流行情况,改进了控制结核病的方法。而ZhenHua Yang等〔19〕从67个病人中分离出结核病分支杆菌株进行DNA指纹分析,发现分离到PTBN12型时易查明流行环节,从而为快速进行疾病控制提供了一个有力证据。在我国,童笑梅等〔20〕采用随机扩增多态DNA指纹图技术对医院内感染的14例新生儿进行病原流行病学分析,发现患儿体内携带的与医务人员鼻中携带的华纳葡萄球菌菌株的DNA指纹图完全一致,从而证明此次感染的病原菌为华纳葡萄球菌,传染源是携带病菌的医务人员。郭永建等〔21〕在6个月内对121名产科新生儿中的30名检出的31株铜绿假单胞菌进行RAPD指纹图谱分析和血清学分型,结果表明,铜绿假单胞菌在产科新生儿中暴发流行,0∶6/R∶1型为暴发流行性菌株,对医院感染病原菌分型、精确确定传染源、阻断传播途径、控制和预防医院感染具有重要的指导意义。
3.4 疾病诊断及治疗 鉴于DNA指纹所具有的上述特点,故DNA指纹广泛应用于一些疾病的诊断及治疗。Morral〔22〕等发现CF基因9号外显子侧翼含有一小卫星区,且此等位基因2.6带常与△F508连锁,相伴率为50.6%、41.6%,△F508是最主要的致病突变,可疑患者电泳图只要发现2.6等位基因,就可对此病进行初步诊断。现已在Wilson病、外周神经纤维瘤、成人多束肾、多巴性肌紧张、Frecbreich共济失调、Kallmunm综合征性连锁、视网膜病等基因内或旁侧发现有高度的小卫星区域,从而可进行基因诊断。Okamoto R〔23〕用DNA指纹法预测慢性粒cell性白血病骨髓移植术后复发,取得了成功。
3.5 肿瘤的研究 肿瘤是多因素、多阶段的变化过程,病因复杂、变化多样,但归根到底还是在DNA的变化上。一般说来,癌组织、转移灶与正常组织或外周血细胞DNA指纹有差别,常见的是某条带或几条带的缺失,某一条或某几条带密度降低,或者癌组织中出现新的带。Thein等〔24〕用33.6和33.15为探针研究患者DNA指纹谱变化,发现胃肠肿瘤患者癌组织DNA指纹谱全有改变,并认为体细胞突 变还有种属特异性。刘霜等〔25〕应用RAPD(随机扩增多态性DNA)分析技术对6例肝癌患者的癌组织与非癌组织进行分析,发现所有肝癌组织基因组DNA的RAPD指纹图谱均存在差异,其中3例配对肝癌基因组中均存在一相同的0.9Kb的随机扩增片段。杨建厂等〔8〕用APHDFF技术对28例确诊为鼻咽癌病人血DNA指纹图的检测,发现有3条DNA片段出现的频率明显低于健康人群。王黛等〔26〕用LE11.8、MYO和Mb探针,经Southern杂交法检测12例儿童急性粒cell白血病患者的外周血或骨髓细胞的基因重排,结果发现初始或复发与完全缓解时的DNA指纹图相比,谱带有增加或减少,从而认为急性粒细胞白血病患儿的白血病细胞存在基因重排。
参考资料:http://zhidao.baidu.com/question/13180448.html
什么是基因组扫描
全基因组扫描
遗传分析仍是当前对致病相关基因识别、鉴定的主要方法,分为连锁分析和关联研究两种。由于人类基因组多态性的研究以及SNP分型技术的发展,目前全基因组连锁分析和关联研究亦变得切实可行。根据研究规模的大小,可以将疾病遗传分析分为以下几类,即定位克隆、连锁不平衡基因定位、全基因组候选基因分析、候选基因关联研究和定位候选基因克隆,其中定位克隆、连锁不平衡基因定位和全基因组候选基因分析均属于全基因组扫描。
不管是单基因疾病还是多基因疾病,通常是先行全基因组扫描(genome scanning);将疾病相关位点定位于染色体某个区域,然后再行候选基因策略或连锁不平衡分析,确定致病基因位点。如果利用家系进行连锁分析,即采用定位克隆;若是利用群体样本,则应用连锁不平衡分析进行基因定位。全基因组扫描已成功地应用在许多疾病的致病相关基因克隆上,并取得了一定的成果。
全基因组扫描所利用的是在人类基因组大量存在的微卫星或SNP,虽然当前使用较多的仍是微卫星,但由于芯片技术的发展,全基因组高分布密度的商品化SNP芯片相继面世(如Affymetrix公司的10k,100k和500k人基因组SNP芯片),越来越多的研究者使用SNP进行全基因组扫描。由于这些高密度的SNP芯片价格昂贵,不是一般的实验室所能承受。
微卫星全基因组扫描的原理是利用特定的引物将某条染色体上特定位置的微卫星扩增出来,并进行分析。这种分析所使用的微卫星通常具有较高的多态性,在不同的个体其长度不尽相同(也就是微卫星基本单位重复次数的不同),而不同长度的PCR产物则代表某一位点不同的等位基因。该种分析方法实际上是利用平均分布于各条染色体上的密度约为10cM的微卫星,检测每个微卫星是否存在与其邻近的疾病相关基因座位连锁。全基因组扫描并不能直接搜寻具体的疾病相关基因,而是通过研究均匀分布于整个基因组的微卫星标记来间接选择其相关的基因座位。在得到阳性结果后,又可在这些阳性位点附近再加密微卫星标记或利用SNP,用同样的方法来确定哪一个多态性位点与疾病连锁的可能性最大等等。这样在不断地缩小分析范围后,疾病相关基因定位的范围也越来越精细。由于人类基因组序列已知,一旦发现了与疾病相关基因连锁两侧的遗传标记,根据标记位点的具体位置,我们就可以知道定位区域内所有的基因。因此,当定位区域确定后,在该区域内选择候选基因直接进行测序,对所发现的突变在病人和对照组进行分型并分析,搜寻致病基因。另一个方法是直接从公共数据库挑选候选基因编码区、调控区(包括内含子)中的SNP,进行连锁不平衡分析,确定致病基因。
虽然单个SNP的多态信息量(polymorphism information content,PIC)不如微卫星,但在相同的PIC值的要求下,SNP图谱的密度为微卫星图谱的2.25—2.5倍。因此在相同的信息提取效果下,利用10cM间隔的微卫星图谱即300个左右的微卫星标记进行初期定位,与4cM分辨率的约750个SNP图谱差不多,显然后者对基因定位的范围更精细,因此利用SNP标记能检测出微卫星标记不能探测到的疾病相关区域。随着人类基因组的重测序和DNA芯片技术的不断完善,目前已有应用于全基因组扫描的SNP芯片,如Affymetrix公司的GeneChip Mapping 500K ArraySet、100kArraySet和10k的SNP芯片(SNP数目分别约为50万、10万和1万)。显然这些芯片的SNP分布密度以及信息度大大高于定位克隆常规使用的微卫星,并已成功应用于疾病相关基因的研究。预计随着SNP芯片的进一步完善和成本的降低,将是未来疾病相关基因研究的主流技术。
全基因组扫描用的成套微卫星引物,可多达上千个。引物的5’末端标记在激光激发下可发出不同颜色光的荧光素标记,如此可进行多重PCR,加速实验的进程。每一样本的PCR产物长度大小可以通过ABI或MegaBACE等测序仪进行检测。通过收集每一个个体的相关信息,经软件分析后即可得到结果。而采用Affymetrix公司的全基因组高密度的SNP芯片,操作更为简单。每个个体的DNA经酶切、PCR扩增、荧光标记、杂交扫描后即可得到每个个体上万个SNP的具体信息,经遗传分析后就可得到定位结果,且定位的区域一般比微卫星定位的小很多。
什么是定位克隆?谢谢
定位克隆首先是获取基因在染色体上的位置的信息,然后采用各种实验方法克隆基因和进行定位。基因的定位克隆策略大体上可以分成四个步骤。①通过家系连锁分析资料或染色体微小缺失(杂合性丢失,LOH)等数据,确定基因在染色体上的位置;②通过染色体步移(chromosome walking)、染色体区带显微切割等技术,获得基因所在区段的DNA片段叠连群(contig),绘制出更精细的染色体图谱;③确定含有候选基因的染色体片段;④从这些片段中进一步筛选目的基因,并作突变检测验证和功能分析。
转载请注明出处51数据库 » 家系图谱软件 如何画家系图