人类全基因组甲基化测序_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
人类全基因组甲基化测序
|暂无简介|
北京诺禾致源生物信息科技有限公司于2011年...|
总评分0.0|
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
你可能喜欢The resource cannot be found.
Server Error in '/news' Application.
The resource cannot be found.
Description: HTTP 404. The resource you are looking for (or one of its dependencies) could have been removed, had its name changed, or is temporarily unavailable. &Please review the following URL and make sure that it is spelled correctly.
Requested URL: /news/newsdetails.aspx
Version Information:&Microsoft .NET Framework Version:4.0.30319; ASP.NET Version:4.0.Viva Bioscience
Immune Tech
ImmunoReagents
US Biological
SouthernBiotech
Equitech-Bio
AAT Bioquest
Cell Signaling
Proteintech
分子生化产品
细胞生物学产品
免疫学产品
植物学产品
艾美捷科技有限公司
地址:武汉市洪山区光谷大道35号光谷总部国际二期时代1栋13楼
邮政编码：430074
电话：+86-027-
& 全国免费技术支持: 400-
& 传真：+86-027-
鄂ICP备号&&相关问题：比如相关的snp/单体型/...-疾病分析会不会完全被固定、标准化的流程取代？那么那时候，基因组学、生物信息学将何去何从？---本题已收录进知乎圆桌 >>，欢迎关注讨论。
看来提问题的人关心的是对研究的影响。其实，影响最大的，个人认为是临床。如果我是厂商，我会把产品做得足够便宜，可以卖进每个医院，每个诊所。这对双方都是个财路。对于研究者，比如搞生物信息学的，价格能降下来只是一个方面，最重要的，是技术标准化，并被普遍接受。这样才有可能进一步的大规模整合数据，进入更系统更深度的数据分析与建模。因为生物信息学（和系统生物学）研究者长期一来就面临一个双线做战的问题，就是他们一方面要研究如何对数据进行分析，以帮助相关的生物/医药研究（毕竟这个才是工作的最终意义），一方面又要不停的追赶技术的脚步，应对不停变化的数据。虽然说高通路生物检测技术的呑吐量像摩尔定律一样在窜升，但是，兼容性与售后服务比如芯片公司可差了不是一点半点的。没人知道在人家实验室里用研究透了的样本作出来的“成熟”产品，放到你的样本上产生的数据，会是个什么样子。每个新平台推出，它的技术指标，可靠性，潜在问题，都要你去研究和摸索。更糟的，相信很多处理过数据的人，遇到过要整个新旧数据的恼人问题。我去一个做癌症预后的公司，一个人先跟我说，我们这里样本很多，收集了大量数据，大有可以研究的。另一个人转头又跟我抱怨说，这测序平台一出，以前的样本就不匹配了（样本用光了，不能来补做测序），测序平台一升级，以前的样本又做废...搞生物信息学的，就一面干着收集新数据的新技术抓虫的辛苦活儿，一面研究更好的数据分析方法。如果真的能把价格稳定了，数据收集的流程模式固定了，其实是个好事。那时候，真正的研究才开始了。现实肯定是，这是不可能的。只是看谁在这两方面平衡的好了。
那对单细胞组学的发展将是多么广阔的前景。。。群体测序的异质性已经太阻碍我们认识很多情况的本质了，以至于对于细微的差异根本察觉不到，而这些差距又是非常之关键的。就比如说对于干细胞、肿瘤以及衰老这些现在热门的生物学问题，都已经有人做过单细胞水平的测序了。其实对于单细胞水平的测序，其核心问题就在于扩增这一步反应，以及是否有钱去测很多个单细胞克隆的DNA，如果将测序费用降至500RMB或以下，那么单细胞的大量测序反应就不是梦了。这里可以稍微科普一下单细胞测序为什么是未来的热门。（PS:这里的单细胞指的也不是仅仅一个细胞，而是极少量的细胞的DNA，比如pg级别的DNA）&br&
从肿瘤开始说起好了，肿瘤难以完全治疗的特点不仅在于其基因组的复杂性，还在于其复杂性所延伸而出的异质性，异质性其实就是肿瘤基因组复杂性导致的一种表型性质。异质性一般分两种情况讨论，第一种情况指的是：同一个病人的肿瘤细胞具有异质性。处于肿瘤发生的不同时期的肿瘤细胞的基因突变情况不同，造就了每一个肿瘤细胞群体内还有许多亚群（subclones），肿瘤细胞在通过转移时，就会有属于不同亚群的肿瘤细胞去侵入新的地方，形成新的肿瘤。这里，就要引入CTC（循环肿瘤细胞）（circulating tumor cells）的概念。见下图一，现在有观点认为，CTC是肿瘤初级细胞造成肿瘤转移的主要诱因。CTC细胞有着普通肿瘤细胞许多没有的特性，例如会体积更大，会拥有“干性”，或是会更容易进入EMT（上皮细胞间质化）途径等。研究表明，CTC与肿瘤的发展进程有以下关系：一、CTC的数量可以作为推测肿瘤的发展进程的标记物（marker）；二、血液中高CTC数量会加快肿瘤的进程并会减少肿瘤复发的时间；三、CTC还能作为临床指标，用于指导治疗进程。然而，如此重要的细胞却因为获取难而难以研究，因为它们在血液中的含量极其地少。例如，在得晚期乳腺癌的病人中，只有1.43%的病人会在每7.5ml血液中有500个以上的CTC。这就意味着对于CTC的研究就会有着很多障碍，因为细胞的量太少。第二种情况指的是：除了同一病人的不同肿瘤细胞会造成肿瘤的异质性外，肿瘤的异质性还体现在不同病人可能得了相同的肿瘤，但是那个“相同”未必真是相同——仅仅是表型相同，不代表着基因型也相同。下图二就是肿瘤异质性的反应，不同颜色代表着不同的肿瘤亚群，不同亚群的肿瘤侵入到不同的地方形成新的肿瘤“进化”（应理解为发展）分支，造就了肿瘤的异质性；以及不同的病人之间得的肿瘤之间也有异质性。&br&&img src=&/bbc6cdaff1ed8_b.jpg& data-rawwidth=&297& data-rawheight=&267& class=&content_image& width=&297&&&img src=&/c6a3eb206e34d0b6baf80bbd_b.jpg& data-rawwidth=&326& data-rawheight=&220& class=&content_image& width=&326&&&p&
在论述为何要用单细胞水平的基因组测序方法解决问题之前，我们需要再一次地把我们所面临的问题再梳理一遍：1.肿瘤基因组太复杂了，突变多，不同时期突变还不一样，异质化严重，如果还是以一大批肿瘤细胞的基因组拿去测序，得到的混合结果往往会干扰判断。2.肿瘤转移相关的重要细胞类群CTC在血液中的含量极少，而且不同CTC之间也有异质性——因此一方面是较难得到大批的CTC细胞的基因组，另一方面是即使得到了相关信息依旧不能说明问题。&/p&&p&
鉴于要解决这两个问题，能更好地为肿瘤病人提供更精准的个性化治疗，笔者发现利用单细胞测序法确实能很好地（目前看来至少是概念上）部分解决这些问题。&/p&&p&
最早的时候方法是由Roger Lasken领导的研究组，优化建立了MDA(多重置换扩增)第一代试剂盒。该技术应用耶鲁大学专利化的Phi29 DNA聚合酶。该酶具有多重置换的特性——在反应中，后一引物的延伸能超越其前面已经结合的DNA而不受其阻挡；该酶还具有超强的模板DNA结合能力，能连续合成10 kb到50 kb长的产物，最大可达100 kb，同时具有3'-5'外切酶活性和自我修复错误的能力，从而具有高保真性。然而，由于起始基因组DNA的量极小，直接用于扩增会因为某些片段（例如GC含量较少）特别容易扩增，因此会有较强的扩增偏好性（Amplification Bias），导致了对基因组的覆盖度会减小，MDA法就不能很好地解决该问题。2012年哈佛大学终身教授谢晓亮院士开发了一种新的单细胞基因组测序方法——MALBAC(multiple annealing and looping-based amplification cycles)。它可以大大减少扩增偏好性，下面我就来简单介绍一下其原理，见下图&/p&&img src=&/3e9b484f6f3b24b1a6b54_b.jpg& data-rawwidth=&366& data-rawheight=&410& class=&content_image& width=&366&&&br&&p&MALBAC法的核心步骤：依旧利用MDA方法中的酶（可以用于替代原来延伸好的链）。但用的引物却是自己事先设计好的，这段引物在基因组上随机的结合，并且延伸。假设以一条链作为基础看，它在引物结合后延伸了一次后会在5‘端留下引物的序列，接下来会有更多的引物结合上来，当一条链被引物结合了2次并能一直延伸到原来链的5‘端，那么就会延伸出一段能和原引物序列互补的序列，当在58摄氏度温度下，该链DNA就会自身形成头尾互补的结构，之后的引物就不会再结合上来。这样就几乎达成了一种线性扩增DNA的效果，也可以避免已经扩增过一定次数的DNA再一次重复扩增，因为有可能那一段特别好扩增，从而会导致扩增偏好性。在5个线性扩增的循环之后，基因组DNA再进入传统的PCR扩增中。这样既可以保证DNA的质（尽量多的覆盖基因组），又可以保证DNA的量。&/p&&p&
北大在2013年末发表了一篇PNAS，内容就是利用该方法对肺癌病人做了CTC的单细胞测序，并发现了各个CTC细胞的SNVs和INDELs的异质现象，为个性化疗法提供了较好的选择。但却发现对于同一病人，肺肿瘤中和该病人转移到身体其他地方的肿瘤拥有相似的CNV形式。并且不同病人的同类肺腺癌（ADC）自身也会共享CNV的形式。以及发现了小细胞肺癌和肺腺癌的CNV形式是不一样的。这也就暗示着基因座位上的CNV可能是被转移的肿瘤有一定选择性的，并且可能是各种癌症中特异的。&/p&&p&这个发现不仅在研究癌症的机理上，给了我们一个很好的启发——利用单细胞水平的测序可以发现许多曾经发现不到的基因组突变规律；在临床上也给予了我们较好的启示——也许利用单细胞测序来检测肿瘤SNVs和INDELs，可以用于个性化治疗，并更好地理解肿瘤的发展情况；而检测CNV的时候则可能不必利用单细胞测序就能判断肿瘤的种类，并帮助病人对症下药，更好地预防、治疗。&/p&&p&
除了基因组，转录组的单细胞测序也是非常关键的，国内同济大学的孙毅教授是这个领域的专家，最近有幸听了她的报告，甚是膜拜。贴个她最近的工作：&/p&Genetic programs in human and mouse early embryos revealed by single-cell RNA sequencing.&a href=&///?target=https%3A//www.ncbi.nlm.nih.gov/pubmed/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Nature.&i class=&icon-external&&&/i&&/a& 2013 Aug 29;500(. doi: 10.1038/nature12364. Epub 2013 Jul 28.&br&
为了不跑题，就不再说单细胞RNAseq的问题了，其实对于一个还未踏入研究大门的菜鸟笔者本人来说，我更看好single cell的RNAseq，最好还能玩起dUTP链特异性等方法，这样发起文章来肯定一篇又一篇。。。。当然为了更好地进行单细胞测序，如果这个测序费用能降到跟构载体送测序的测序费用一样就更好了，哈哈。。。。&br&&br&参考文献：&br&&p&1.Navin N, Kendall J, Troge J, et al. Tumour evolution inferred by single-cell sequencing[J]. Nature, 41): 90-94&/p&&p&2.Vogelstein B, Papadopoulos N, Velculescu V E, et al. Cancer genome landscapes[J]. science, 27): .&/p&&p&3.Zong C, Lu S, Chapman A R, et al. Genome-wide detection of single-nucleotide and copy-number variations of a single human cell[J]. Science, 14): .&/p&&p&4.Ni X, Zhuo M, Su Z, et al. Reproducible copy number variation patterns among single circulating tumor cells of lung cancer patients[J]. Proceedings of the National Academy of Sciences, ): .&/p&&p&5.Plaks V, Koopman C D, Werb Z. Circulating tumor cells[J]. Science (New York, NY), 51).&/p&&p&6.Cristofanilli M, Budd G T, Ellis M J, et al. Circulating tumor cells, disease progression, and survival in metastatic breast cancer[J]. New England Journal of Medicine, ): 781-791.&/p&&p&7.Baccelli I, Schneeweiss A, Riethdorf S, et al. Identification of a population of blood circulating tumor cells from breast cancer patients that initiates metastasis in a xenograft assay[J]. Nature biotechnology, ): 539-544.&/p&
那对单细胞组学的发展将是多么广阔的前景。。。群体测序的异质性已经太阻碍我们认识很多情况的本质了，以至于对于细微的差异根本察觉不到，而这些差距又是非常之关键的。就比如说对于干细胞、肿瘤以及衰老这些现在热门的生物学问题，都已经有人做过单细胞水…
谢邀，今天和导师闲聊关于这个话题很久，也没得出太多结论。先说一说我的观点：我认为如果仅限于“&b&测序成本的降低&/b&”对“&b&基因组学领域内&/b&“的影响，那么只能说比较有限。但是一旦考虑到对领域外科研、产业界再到更广泛的日常生活，其影响恐怕会逐渐扩大到无法估计。&br&&br&对于基因组学研究，我认为不会有质的变化。原因是，在巨大的投入下，&b&前沿科学研究是可以不计成本的&/b&，尤其对于本领域的核心技术。&br&&br&当下个人基因组测序是约5000USD的情况下，那么想要知道降100倍会怎么样，可以参考以前成本更高时的状况，通过比较自然能得出部分结果。&br&&br&大约20年前还没有illumina等高通量测序技术的时候，人类基因组的测序预算约为1美元/碱基，一个基因组要30亿美刀。当时甚至在美国各地建立了基因组测序工厂，雇佣了上千名员工，用五年时间来测一个基因组。&br&&img src=&/bd48b02bfb85a51c09b0671b_b.jpg& data-rawwidth=&426& data-rawheight=&323& class=&origin_image zh-lightbox-thumb& width=&426& data-original=&/bd48b02bfb85a51c09b0671b_r.jpg&&当第一个人类基因组序列完成的时候，还没有高通量测序技术。而如今我们的人类基因组参考序列（hg19），几乎都是来自于那一次测序。&br&&br&到了2005年前后，第二代测序技术开始涌现出来。这下成本一下子下降几万倍啊！那么它们带来了什么影响？首先是千人基因组计划（1000 Genomes Project），既然便宜了上万倍，那么”给你少一点预算，再去测一千个来看看“是一个很容易想到的事。然后是带动生物信息学的发展，这个也很好理解，数据一下子爆炸了，需要更高效地分析比较来挖掘得到更多深层次的结论，比如SNP啊，单倍型啊等等。这些影响持续至今，已经变成基因组学研究的主流。&br&&br&如果测序成本进一步降低至500RMB，也不过近百倍，所以可预测的影响是很有限的：不会超出上一段所提到的两方面。具体的来讲，&b&一方面，能测得更深更广。&/b&比如，一个国家政府就可以轻松承担一个千人或者万人基因组计划；我们可以把常见动植物统统拿来测一遍；把一个动物或人每隔一段时间就测一下基因组和转录组，看看时序性差异……&b&另一方面，充足的数据将推动生物信息学研究从个体走向群体，从群体走向群体间。&/b&比如，把一个科里的所有属的代表物种都测了，就可以推算出这些属之间在进化上的关系；结合人类学研究一下人类起源；功能基因组学等等……&br&&br&进一步地讲，&b&基因组学中很多前沿的问题不是单单靠测序成本的降低就能解决的&/b&。比如另一位答主提到的非编码RNA。现在以平均5000USD的成本，我们已经得到了上千个个人基因组序列。理论上来讲，数据量足够我们鉴定并标记出绝大多数未知的非编码RNA，但为什么我们现在还做不到？是因为我们对非编码RNA缺乏认识。反观编码蛋白质的基因，我们有着充分的认识，从序列结构的共性（三碱基的密码子、内含子和外显子、启动子以及转录因子结合域）以及功能（蛋白质相关的研究）。这些认识大多来自于上世纪60年代开始遗传学、分子生物学等其他领域研究的结晶。在人类基因组计划启动前，科学家已经对各个物种上万个基因逐个克隆到载体上进行过研究。所以，&b&要先在分子水平把基因从结构到功能研究清楚了，我们才有资格提出研究基因&/b&&u&&b&组&/b&&/u&（组这个字要大写）&b&。&/b&所以，想要研究非编码RNA，第一步是把它们一个个作为个案来仔细研究，而不是上来就高通量。同样地，染色质三维重构、单细胞基因组学等前沿方向的瓶颈统统不是测序成本。&br&&br&综上所述，一个领域的发展不仅需要领域内核心技术的突破，更需要相关领域的积淀来推动。&br&&br&============================================&br&当然，测序成本的进一步降低确实可以对领域外科研、产业界再到更广泛的日常生活产生更大的影响，也非常值得大家讨论。但是：1）这不是我专业范围。2）不好意思，离题了。
谢邀，今天和导师闲聊关于这个话题很久，也没得出太多结论。先说一说我的观点：我认为如果仅限于“测序成本的降低”对“基因组学领域内“的影响，那么只能说比较有限。但是一旦考虑到对领域外科研、产业界再到更广泛的日常生活，其影响恐怕会逐渐扩大到无法…
已有帐号？
无法登录？
社交帐号登录
《选·美》主播 (ipn.li/xuanmei)势不可挡的基因公司Illumina到底有多牛！--百度百家
势不可挡的基因公司Illumina到底有多牛！
分享到微信朋友圈
很年轻，却是行业翘楚；很任性，却引领测序潮流；很努力，他将上亿的费用降至1000美元；很上进，他从不满足于曾经获得的成绩。没错，就是他，一个集科技与创新于一身的基因公司---Illumina。
很年轻，却是行业翘楚；很任性，却引领测序潮流；很努力，他将上亿的费用降至1000美元；很上进，他从不满足于曾经获得的成绩。没错，就是他，一个集科技与创新于一身的基因公司---Illumina。
成立于1998年的Illumina公司，总部位于美国圣地亚哥，从事开发、制造及销售用于分析遗传变异和生物功能的综合系统，主要仪器平台为高通量测序仪、高通量生物芯片仪、PCR仪以及配套的试剂及相关消耗品，目前，已经拥有基因组测序仪市场近70%的份额。
高通量测序仪是近几年来生命科学最大的革命性技术之一，它的出现使得过去需要数亿美金完成的个人基因组测序现在只需要数千美金就可以完成，这项技术的迅猛发展使得个体化医疗真正成为可能，这个市场无疑将是巨大和充满诱惑的。
公司三大产品线
Illumina公司的产品线主要分为三大类，高通量生物芯片检测仪，高通量测序仪及定量PCR仪。
高通量生物芯片技术是Illumina公司成长的第一个里程碑，在人类基因组计划完成后，生命科学研究进入后基因组时代，对于SNP的研究成了基因功能研
究的主要技术手段，国际上也有了专门针对SNP研究的Hapmap计划，而Illumina公司的高通量芯片称为Hapmap计划的主要技术平台，所有
Hapmap的数据，80％以上都来自于Illumina的高通量芯片平台，全世界科学家选择Illumina芯片平台的主要原因也在于此。
高通量测序仪可谓是Illumina最大的产品线，高通量测序技术的出现和发展可以说是近五年时间内生命科学领域最具有革命性发展的技术之一，它极大的加
速了整个科学研究的进程，也改变了应用领域和临床研究及诊断的思路。目前，公司主打产品有MiSeq测序仪、HiSeq X Ten测序仪、Miseq
FGx测序仪、NextSeq 500/550桌上型测序仪、MiniSeq台式测序仪等等。
定量PCR仪Eco，是Illumina公司在2010年收购另外一个定量PCR仪厂家而扩增的产品线。定量PCR仪是目前分子生物学实验中常用的核苷酸检测设备，已经被广泛应用于生命科学领域的各个方面，包括新药开发研究、药物疗效研究、药物预后指标研究等等。
近年关注的产业方向
1. 单细胞测序
单细胞测序能做的就是，把病变组织的所有细胞全都测一遍，这样一来，就可以全面掌握疾病的信息，甚至可以预测疾病的发展动向，其使用价值也就一目了然了。
虽然早在几年前就开始有研究团体在宣传、推广单细胞基因组及转录组测序技术，但是这些技术是最近这两年才开始被大范围接受。目前，Illumina与
CAR-T治疗巨头Juno、测序黑马10X Genomics以及华大基因都在触及这一领域。
2. 癌症早诊研究及其市场化
早在2015年9月Illumina就与纪念斯隆-凯特琳癌症中心（Memorial Sloan
Kettering，MSK）开展合作，而今年1月，Illumina对外宣布组建血液基因检测公司Grail，企图通过对血液中DNA片段深度测序，发
现没有临床表现的早期癌症。Illumina联合微软创始人比尔盖茨和亚马逊创始人杰夫贝佐斯，共同为Grail注入1亿美元的A轮投资。
3. 着眼于消费产品领域
目前，Illumina计划开发出一款可直接插入智能手机中的芯片，希望可以开启个人化的基因医疗。在“湿式和干式科学”之间寻找生物兼容的接口是目前面
临的最大挑战之一，Illumina公司的研究人员们已经着手打造这一解决方案。与此同时，由于某些应用可能产生高达100GB的数据，如何处理云端连接
也是该研究所面临的另一主要问题。
销售额持续增长
2012年，Illumina公司的总收入为11.5亿美元，利润为1.513亿美元。同亿美元收入相比增长8%左右，并超出了当时华
尔街普遍预期的11.4亿美元。其产品收入从9.873亿美元跃升至10.6亿美元，服务和其他收入从6830万美元增长至9270万美元。
2013年，Illumina收入达到14.2亿美元，增长24%。其中，第四季度，总收入为3.87亿美元，与去年同期的3.09亿美元相比，增长
25%，同时也超出了分析师预计的3.82亿美元，产品收入3.36亿美元，服务及其他收入为2090万美元，与2012年第四季度的3030万美元相比
增加68%，净利润8070万美元。
2014年，Illumina收入达18.6亿美元，净收入3.534亿美元，公司营收同比增长31%，净利润增长182%。其中，第一季度收入4.2亿
美元，同比增长27%，每股盈利0.53美元，同比增长15.2%；第四季度收入达5.124亿美元，同比增长32.3%。其中产品收入上涨34%，服务
收入上涨22%。
2015年，Illumina公司收入增长至22.2亿美元，同比增长了19%，净收入上升到4.616亿美元。其产品的收入从2014财年的16.2亿美元增长至18.9亿美元;而服务及其他的收入从2.418亿美元跃升至3.291亿美元。
收购先进技术企业
Illumina成立之初，主要是以基因分型和微阵列为主要技术，并一直以此为研发方向。经过10年的发展，Illumina意识到，尽管此方向的市场增
长较快，但是随着更全面的基因测序技术的快速发展，微阵列芯片的潜力毕竟有限，为了拥有自己先进的基因测序技术，Illumina决定在强化自身研发的同
时（2015研发投入4亿美元），还需并购其它技术公司，从而达到垄断市场的目的。
从2005年开始，Illumina 公司用在收购上的投入总计超过12亿美元。通过6亿美元收购
Solexa（索雷克萨公司），Illumina得到了其所需的全球销售网络，且在第一年的收入便达到了1亿美元，更为重要的是，Solexa加入后第一
年，Illumina 就将其竞争对手远远甩在了身后。
之后，又于2011年收购了生产基因测序试剂的Epicentre（埃皮森特）公司，2012年收购了专注于染色体筛选诊断的Bluegnome（蓝色地
精）公司，尤其是在2013年，更是大手笔地收购了包括 Verinata（维里纳塔健康）、Advanced Liquid
Logic（先进液体逻辑）、NextBio在内的三家公司，这三家公司专注的技术领域分别为繁殖和遗传健康、微流样品处理以及基因组信息学。
对收购的企业所从事的技术领域进行分析，也可以看出Illumina未来的发展趋势 ：涵盖包括基因测序技术的各个方面，包括测序技术、测序试剂、测试样品处理、以及测试数据分析等；向染色体筛选、繁殖和遗传健康等临床诊断市场扩展。
专利布局从未停歇
公司自1998年成立，便开始申请专利。1998年至2012年，公司的专利申请数量保持快速增长，2012年申请的专利数量已增至78件，是1999年
的近4倍。这些专利保护的技术范围主要包括液滴操作、射流装置、测试样品存储器件、测序系统、测试成像方法、样品加热器件、数据分析方法以及核苷酸的合成
等，这些技术大部分致力于提高测试的速度、降低测试成本和提高测试的准确性。
其中，一半的专利申请来源于Illumina自身，另外一半则来源于Illumina近几年频繁的收购活动（这些公司在被收购的同时，相关的专利技术也都
归于Illumina名下），从而为其积累了大量的专利技术财富。善用专利运营，通过收购可以整合软件资源，使企业快速发展壮大，从而提高企业的竞争力。
Illumina公司在快速发展的同时自然不会忽视广阔的中国市场，于2005年进入中国市场，并在北京设立办事处，之后，随着业务的发展，2010年底
正式在上海成立中国分公司。对中国这块巨大市场的重视程度在专利上更是可见一斑。Illumina在中国有近50件专利申请，约占其申请总量的4%。
通过对 Illumina
公司产品线、年销售额、历年收购以及专利情况的总结，我们可以看到，作为行业翘楚的Illumina在基因产业方面已逐渐拥有领军地位，发展势头迅猛。在
2014年美国权威杂志《麻省理工科技评论》中所评出的“2014年度全球创新企业50强”中，Illumina超过众多知名企业，高居榜首。
Illumina的逐渐走强，对我国生物技术领域具有借鉴意义。我国生物技术经过近二十年的发展，虽然取得了较为丰硕的成果，但相比美国等发达国家的生物技术产业还存在不小的差距。如何将产业集中化、规模化，科研-产出紧密度得以提升等问题需要进一步加大力度思考和探索！
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：17万
热门文章HOT NEWS
最近，高盛经济学家哈继铭在一个论坛上表示，“中国已被逼到墙角”...
花儿街参考
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻