随着人类基因组研究的不断深入，科学家和临床医生能够更加准确地分析大规模人群的遗传变异。基因芯片技术（Microarray）作为一种强大的平台，在预测基因组学研究中展现了巨大的潜力。本文将探讨基因芯片技术的基础、其在基因组关联研究（GWAS）中的应用，以及与下一代测序（NGS）的对比。

基因芯片技术利用设计好的寡核苷酸探针，这些探针专门靶向参考基因组中的多态性位点。这些探针固定在固体表面，允许目标DNA的杂交，随后通过高度特异的连接反应来确定多态性位点的基因型。这种方法可以同时对数十万甚至数百万个遗传变异进行高通量基因分型，且具有高精度。

“Imputation-aware”的基因芯片提供了通过直接基因分型与对未分型标记的填充策略相结合来探测整个基因组的能力。这种方法增强了对一个或多个种群的基因组覆盖范围和成本效益，同时保持了高精度，使其成为大规模基因组研究的理想选择。

图1. 高密度芯片的imputation-aware marker选择能力

Imputation是一种统计技术，用于根据参考面板中已知基因型个体的连锁不平衡（Linkage Disequilibrium, LD）模式推断未分型的遗传标记。LD是指不同基因座的等位基因的非随机关联，这意味着某些等位基因比预期更有可能一起遗传。

通过分析参考panel中的LD模式，imputation算法可以利用已分型标记和未分型标记之间的相关性来估算最可能的基因型。这使得在不需要直接对每个标记进行基因分型的情况下，扩展可供分析的变异集合成为可能。

Axiom基因芯片使用了一种专有的imputation-aware SNP选择方法，优化选择了一组有效的标记，覆盖了适当人群中的常见和低频变异。这些算法已被实施用于设计在包括UK Biobank、中国台湾精准医学计划、韩国生物银行项目、美国退伍军人事务部百万退伍军人计划和FinnGen项目等人群规模研究中使用的微阵列。

通过利用针对目标人群的定制reference panel，Axiom基因芯片设计可以更好地代表目标人群内的遗传多样性，从而提供更准确的imputation结果和下游分析中的增强灵敏度的能力。

图2. Imputation精确度和SNP密度

另一种常用于GWAS和人群研究的方法是下一代全基因组测序（NGS）。然而，与高深度测序相关的显著成本，加上对广泛的生物信息学支持、计算能力和数据存储基础设施的需求，使得NGS在大规模人群研究中成本效益较低。

最近，低覆盖率测序（LPS）结合基因型填充被建议作为获取全基因组变异数据的替代策略。然而，与基因芯片相比，极低覆盖率（0.1x）的LPS在整个频率范围内显示出较低的全基因组填充准确性。更昂贵的0.5–1x覆盖率显示出与约800,000个高信息标记的填充感知基因芯片设计相当的全基因组填充准确性，但在几个关键诊断应用的高度复杂和具有挑战性的基因组区域的调用准确性方面表现不佳。此外，由于LPS基因型全部基于填充，LPS在难以填充的低频和罕见变异的准确性方面表现不佳。

图3. 低频变异的非参考等位基因一致性

基因芯片为人群研究提供了成本效益高且准确的解决方案。当基因芯片专门为优化填充而设计时，其能力在不降低准确性的情况下得到增强，消除了对更大、更昂贵阵列的需求。Applied Biosystems™ Axiom™ PangenomiX™ Array专为全基因组填充设计，具有多样化和全球人群覆盖。超过800,000个标记被选择用于高基因组覆盖，适用于欧洲、非洲、混合美洲、东亚和南亚人群。

通过提供高准确性的直接测定，基因芯片成为大规模人群基因分型研究的首选平台。对于希望在基因组学研究中实现高效、准确和成本效益的研究人员来说，填充感知基因芯片提供了一个强大的工具。

欢迎点击“阅读原文”，了解更多关于基因芯片用于人群规模检测的信息。

想了解更多技术白皮书内容？请扫描下方二维码获取完整电子版，我们将抽取10位提交者赠精美礼品米家洗手机一个！