He notado que la amplificación por PCR se realiza comúnmente antes de analizar la muestra de ADN con micromatrices o biosensores.
Sin embargo, ¿los errores o sesgos de amplificación no estropearán los resultados del perfil de expresión génica que se obtienen de un microarreglo? En segundo lugar, ¿eso significa que la amplificación solo le permite obtener información cualitativa de, por ejemplo, un biosensor electroquímico? (en lugar de información cuantitativa real sobre la concentración de ADN)
Cada vez que tiene PCR en un protocolo, sí, puede estropear la cuantificación. Así que haces la menor PCR posible, para que se mantenga en el rango lineal, preservando las diferentes abundancias de plantillas (después de todo, qPCR es el estándar de oro para cuantificar la expresión), y esperas que haya sesgos mínimos de PCR entre plantillas.
Sí, lo hace.
Es por eso que debe incluir controles positivos y negativos y repetir los experimentos varias veces para luego promediar los resultados.
En general, la amplificación por PCR está sesgada por la eficiencia de dependencia de la secuencia. Por varias razones (entre las que se encuentran el contenido de GC, los desajustes de hibridación del tampón de PCR y el tiempo y las temperaturas de los pasos de ciclado) una plantilla en particular puede sobreestimarse o subestimarse.
Por ejemplo, si una secuencia se amplifica un 10 % más que otra en una ronda, será 1,1^30 = 17,4 veces más abundante después de 30 ciclos de amplificación.
Aquí algo de literatura sobre el tema:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2292241/ https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3628873/ https://www.ncbi.nlm. nih.gov/pmc/articles/PMC3129672/ https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2727727/ https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4433096/
Esto no significa que no pueda obtener información cuantitativa. La PCR se utiliza para obtener resultados cuantitativos en muchos campos de investigación. "Solo" tienes que estar seguro de que lo estás haciendo correctamente. Tenga en cuenta que los factores de confusión experimentales pueden estropear sus resultados, así que sea crítico cuando analice sus propios datos.