如何通过tsa数据得到基因全长
现代生物研究中的高通量技术如microarray、蛋白质组学或NGS能够让科学家们检测到几乎所有的mRNA，蛋白质或DNA序列的变异，从而获得成千上万的数据。分析数据结果的复杂程度和所需要的时间误持希上期传坏危木静元也随之直线上升，科学家们往往会陷入如何从海量的实验数据中挖掘到该体系到底发生了纸板他屋外练什么的泥潭中。想充分挖掘实验数据中的价值，需要来自科学家多方面的知识和技能，既要从生物学角度去阐释整个实验系统，又要理解系统变化的原因和效应等。科学家们通常只去寻找实验数据中360问答发生差异表达的基因的上游调控子，如转录因子或调控的microRNA。但要完全理解实验结果的效应，科学家们必须进一步分析差异基因所调控的分子通路，生物学功能，已知的毒理学效应并对某些特定的关键分子进行进一主步的全面调研（i.e.后续靶标或生物标志物）。
以前科学家们可以依赖于个人的生物学专业知识并辅以检索最新既吧娘所市象否波文献来进行简单的数据分析。但随着文献的研究领域静劳末伯分类更加细化，知识的积累和文献任搞的调研变得不再那么简单。现在，科学家们开始使用基于互联网的软件工具，包括专业的网站（i.e.PubMed）和一些免费的或商业化的分析工具（i.e.DAVID,Ingenuity-IPA）来帮助收集并分析数据。常规的高通量数据的分析和进必一步的实验假设，一般均从阅读尽可能多的相关文献并调研实验结果中变化最大的基因开始。然而这样的重白挥缺达分析策略往往会大量遗漏关键的信息，很多时候是因为相关的分子数据库和实验数据相关的文献量非常大，以至于科学家们无法面面俱到。而二代测序（NGS，如RNA-sequencing）的数据相当于为microarray实验提供了更加精确的转录本和同源基因信息，使获得信息变得更加复杂。因此，能够深度挖掘实验数据、将各种来源的背景信息整合在一起并提供灵活易用的工具服身读操进行查询的软件对理解实万验结果变的日益重要。
标签：tsa
