跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
科学。作者手稿；PMC 2010年8月17日发布。
以最终编辑形式发布为：
科学。2010年7月30日；329(5991): 533–538.
数字对象标识：10.1126/科学.1188308
预防性维修识别码：项目经理2922915
美国国立卫生研究院：美国国立卫生研究院211541
PMID：20671182

量化大肠杆菌单细胞中具有单分子敏感性的蛋白质组和转录组**

谷口裕一,1,* 保罗·乔伊,1,* 李伟基因,1,2,* 陈慧仪,1,三，* 莫汉·巴布,4 杰里米·赫恩,1 安德鲁·埃米利,4中，5和十、谢珊妮1,†
作者信息 版权和许可信息 PMC免责声明

关联数据

补充资料

摘要

在等基因细菌群中，蛋白质和mRNA拷贝数因细胞而异。然而，这些分子通常以低拷贝数存在，并且很难在单个细胞中检测到。在这里，我们使用新构建的黄色荧光蛋白融合文库，以单分子敏感性对单个细胞中的蛋白质和mRNA表达进行了全系统定量分析大肠杆菌我们发现，几乎所有的蛋白质数量分布都可以用两个拟合参数的γ分布来描述，在低表达水平下，这两个参数对转录率和蛋白质爆发大小有明确的物理解释。在高表达水平下，分布主要由外部噪声控制。令人惊讶的是，我们发现任何给定基因的单个细胞的蛋白质和mRNA拷贝数都是不相关的。

基因表达通常是随机的，因为基因调控发生在细胞内的单个DNA位点。这种随机性表现为细胞谱系内mRNA和蛋白质拷贝数随时间的波动，以及在特定时间遗传相同细胞群体中mRNA和蛋白拷贝数的变化(1,2,三,4). 由于随机性的两种表现是相互关联的，对后者的测量可以推断细胞中的基因表达动力学(5). 我们的目的是在系统水平上表征这种mRNA和蛋白质在单个细菌细胞中的分布。

而用cDNA微阵列进行单细胞mRNA分析(6)和mRNA-seq(7)，这些研究没有单分子敏感性，也不适用于以低拷贝数表达信使核糖核酸的细菌(8). 荧光蛋白报告文库酿酒酵母(9)已证明在蛋白质分析中非常有用(10,11). 然而，现有的流式细胞术或荧光显微镜技术缺乏敏感性，由于其拷贝数低，无法对三分之一的标记蛋白进行定量。近年来，单分子荧光显微镜被用来计数mRNA(12-16)或蛋白质(8,17)单个细胞中的分子，尤其是细菌中的分子。然而，这些方法仅适用于数量有限的特定基因。

在这里，我们报告了使用模型生物体的黄色荧光蛋白（YFP）融合文库对单分子敏感性的mRNA和蛋白质进行单细胞全局分析大肠杆菌.

YFP报告文库的单分子成像

我们创建了一个染色体YFP融合库(图1A)其中每个菌株都有一个带有YFP编码序列标记的特定基因。YFP可在活细菌细胞中以单分子敏感性检测(8,18). 我们转换了现有染色体亲缘标记的C末端标记大肠杆菌图书馆(19,20)至yfp公司平移融合使用λ-RED复合(21). 在尝试的1400株菌株中，1018株经测序确认，没有明显的生长缺陷。菌株列表见表S1(18).

保存图片、插图等的外部文件。对象名称为nihms211541f1.jpg

YFP融合库的定量成像。（A） 每个文库菌株都有一个黄色荧光蛋白（YFP）翻译融合到其天然染色体位置的蛋白的C末端。（B） 聚二甲基硅氧烷（PDMS）微流控芯片用于成像96个库菌株。大肠杆菌将每个菌株的细胞注入单独的通道，并固定在聚赖氨酸涂层盖玻片上，以实现单分子灵敏度的自动荧光成像。（C-E）覆盖在三个库菌株的相位对比图像上的代表性荧光图像，以及各自的单细胞蛋白水平直方图，这些直方图适合具有参数的γ分布一和b蛋白质水平由反褶积确定(18). †如正文和SOM中所述，测定每平均细胞体积的蛋白质拷贝数或浓度。（C） 细胞质蛋白Adk在细胞内均匀分布。（D） 膜蛋白，AtpD，分布于细胞外周。（E） 预测的DNA结合蛋白YjiE具有明确的细胞间定位。单个YFP可以通过定位检测可视化。注意，与（C）和（D）不同，如果一接近或低于统一。

为了促进YFP文库菌株的高通量分析，我们实现了一个基于微流体设备的自动化成像平台(图1B) (22)它保存着96个附着在聚赖氨酸涂层覆盖玻璃上的独立库菌株。用单分子荧光显微镜以每种菌株25 s内约4000个细胞的速率对每个设备进行成像(图1C). 低水平表达的膜结合YFPs的突然光漂白证实了单分子敏感性(图S14) (8,18,23). 进行自动图像分析以确定由细胞大小归一化的单细胞蛋白质丰度分布(图1D) (18). 为了解释细胞大小和基因拷贝数因细胞周期而发生的变化，必须通过细胞大小进行标准化。我们通过反褶积消除了细胞自身荧光的贡献(图S14) (18). 通过单分子荧光强度校准获得绝对蛋白质水平(图S1) (18)测定蛋白质浓度（每个平均细胞体积的拷贝数）。一项独立的报告分析证实，产生的荧光准确地报告了天然蛋白质的丰度(图S4).

荧光图像显示蛋白质的细胞内定位(图1C-E). 大多数细胞质蛋白定位于细胞的内部区域(图1C)而许多膜结合蛋白或周质蛋白沿细胞外轮廓定位(图1D，请参阅表S3). 其他蛋白质，包括一些DNA-结合蛋白和低拷贝膜蛋白，显示点状定位(图1E).

平均蛋白质丰度跨越五个数量级，从10到10不等-1个到104每个细胞的分子数(图2A). 必需基因的平均蛋白质丰度高于所有基因的蛋白质丰度。在库中的121种基本蛋白质中(24)，108在每个细胞中表达10个或更多分子(图2A)然而，大约一半的被测蛋白质在每个细胞中的分子数不到10(18). 到目前为止，在低表达基因中，60%已被注释(18)在最近的一项双基因敲除研究中，发现至少25%的基因具有相互作用(25). 拷贝数很低的蛋白质的流行表明，单分子实验对于细菌学是必要的。

保存图片、插图等的外部文件。对象名为nihms211541f2.jpg

蛋白质丰度和噪声的分析。（A） 1018个文库菌株的必需蛋白质（蓝色）和所有蛋白质（粉红色）的平均拷贝数的直方图。几乎所有必需蛋白质的平均表达量都高于10拷贝/细胞，而一些非必需蛋白质的丰度较低。（B） 蛋白质表达噪音(σ对2/μ对2)与每个单元格的平均拷贝数(μ对). 什么时候？μ对<10，蛋白质表达噪音与平均值成反比，噪音下限（红色虚线）与固有噪音相同。什么时候？μ对>10，由于外部噪声，噪声变得与平均值无关，并且始终高于～0.1（噪声限值由蓝色虚线表示）。（C） 实时观察蛋白质水平在比细胞周期更长的时间尺度上的缓慢波动，源于外部噪声。每一次荧光痕迹都根据细胞大小进行标准化，并代表表达AcpP-YFP菌株的细胞谱系。黑线遵循单一血统；其余的后代有一条较浅的线。每个圆圈代表一个细胞分裂事件。不同细胞之间的差异主要来自缓慢变化的外部噪声，因为一个细胞在一个细胞周期内的波动相对较小。（D） 同一细胞中两种不同蛋白质相关性的双色测量。GapA和AcpP这两种高表达蛋白分别在同一个蛋白中被Venus（YFP）和mCherry（RFP）标记大肠杆菌应变。蛋白质水平是相关的，相关系数为0.66，支持这样的假设，即在高表达水平下，对诸如核糖体等全局外源性因子的依赖性，而非基因特异性因子，支配着外源性噪声（参见(18)).

蛋白质分布分析

为了获得基因表达动力学的内在特性，我们分析了不同基因的蛋白质表达分布。我们考虑动力学方案

DNA→k个1信使核糖核酸γ1↓∅→k个2蛋白质γ2↓∅
(1)

在这里k个1和k个2分别是转录率和翻译率。γ1是mRNA降解率，以及γ2是蛋白质降解率。对于稳定蛋白质，包括荧光蛋白融合，γ2主要由细胞分裂导致的稀释率决定，对蛋白质寿命不敏感，这可能与融合蛋白和天然蛋白不同。每个细胞周期产生的信使核糖核酸的数量由下式给出一=k个1/γ2，每mRNA产生的蛋白质分子由b=k个2/γ1.理论上证明了这一点(5,26)如前所观察到的，在mRNA的泊松产生和呈指数分布的蛋白质爆发大小的稳态条件下(8,17),等式1导致蛋白质拷贝数的γ分布，x个，由平均细胞体积归一化。

对(x个)=x个一−1e（电子）−x个/bΓ(一)b一
(2)

在这里Γ是一个伽马函数。伽马分布具有以下特性一等于噪声的倒数(σ对2/μ对2)和b等于Fano因子(σ对2/μ对)，其中σ对2和μ对分别是蛋白质数量分布的方差和平均值。特定案例为伽马分布提供了实验支持，但尚未在系统范围内进行验证(17).

1018个菌株中的1009个菌株的分布可以通过伽马分布很好地拟合，等式2(图S20) (18). 与伽玛分布一致，低丰度蛋白质的观察分布与零峰倾斜，高丰度蛋白质具有非零峰(图1C-E). 我们注意到紫胶在大肠杆菌在一定诱导剂浓度下(23,27). 事实上，在我们的生长条件下，我们没有在1018株菌株中观察到明确的双峰分布，这表明双峰分布通常很少见。

我们注意到等式1给出了蛋白质拷贝数的负二项分布(26). 然而，由于负二项拟合对测量误差非常敏感，因此伽马分布在低表达水平下对实验数据提供了更稳健的拟合(18). 这两种分布在高表达水平上具有相似的拟合。对数正态分布等其他函数在现象学上被用来拟合单峰分布(10,18). 然而，对于低表达水平的蛋白质，γ分布比对数正态分布更适合(图S20) (18)同样适用于高表达水平的蛋白质。最重要的是，伽马分布允许从低表达水平的稳态分布的简单测量中提取动态信息。这个a-b公司1018个菌株的值和优良度见表S6.

内在和外在蛋白质噪声的全局标度

蛋白质噪音(η对2≡σ对2/μ对2)显示了两种不同的缩放特性(图2B). 每个细胞少于10个分子，η对2与蛋白质丰度成反比，表明存在固有噪声。相反，在较高的表达水平（每个细胞>10个分子）下，噪音达到约0.1的平稳期，并且不会进一步降低，这表明每种蛋白质的表达水平至少有30%的变化。

对于低表达的蛋白质，mRNA和蛋白质的简单泊松产生和降解，通常称为固有噪声，足以解释观察到的缩放σ对2/μ对2∝ 1/μ对(图2B) (10,11,28-30). 高表达酵母蛋白也观察到这种缩放特性(10,11). 我们通过监测单个细胞中几个表达水平较低的基因的实时蛋白质生成来验证泊松动力学(表S4) (18)这与之前关于受压迫者的研究一致紫胶操纵子(8,17). 观察到的噪音始终大于或等于1/μ对这表明，特定的监管方法并不能显著降低该限值以下的噪音。

对于丰富的蛋白质，1/μ对缩放不再适用，较大的噪声地板将压倒固有噪声贡献(图2B). 这意味着对这两个参数的解释一=μ对2/σ对2和b=σ对2/μ对作为突发频率(k个1/γ2)和突发大小(k个2/γ1)仅适用于低表达水平，而高表达水平的蛋白质分布主要由上述模型以外的其他因素决定。我们发现，噪声下限不是由单元尺寸效应引起的，也不是由测量噪声引起的(18).

我们将附加噪声归因于外部噪声(三)，即值的缓慢变化一和b我们通过实时观察四个随机选择的高拷贝文库菌株的蛋白质水平证实了这一点。高表达噪音的波动速度比细胞周期慢(图2C) (18)，使得等式1可以认为是细胞间的异质性。

假设存在静态或缓慢变化的异质性一和b，带有分发（f）(一)和克(b)蛋白质分布分别为

对(x个)=∫0∞∫0∞x个一−1e（电子）−x个/bΓ(一)b一（f）(一)克(b)护墙板
(3)

即使（f）(一)和克(b),η一2和ηb2,等式3仍然可以近似为伽马分布，这解释了数据的伽马分布拟合的一般性(18).

噪声平台图2B可以通过计算预期噪音来解释等式3(18,26,31)

η对2=〈b〉+〈b〉ηb2μ对+η一2+η一2ηb2+ηb2.
(4)

最后三项中的外部噪声等式4可能源于细胞成分的波动，如代谢物、核糖体和聚合酶(30,32)，并控制高拷贝蛋白质的噪音(μ对≫1,等式4.).

通过分析13对随机选择的基因表达水平之间的相关性，我们进一步证明了外部噪声对所有高表达基因都是全局性的。用YFP和红色荧光蛋白（RFP）融合作为一对报道者(图2D)，我们观察到所有基因对的表达水平之间存在统计上显著的相关性，证实了全局噪声因子的存在。观测到的相关性通过观测到的噪声层进行定量预测(18).

单分子RNA计数

为了检测单细胞mRNA的表达，我们进行了荧光检测就地具有单分子敏感性的杂交（FISH）(33) (图3A)使用一个通用的Atto594标记的20-mer寡核苷酸探针靶向yfp公司mRNA在我们的文库中。因为所有菌株都使用相同的探针，所以每个被测基因的优化杂交效率都是无偏的(18). 我们用RNA-seq证实了我们的转录测量的有效性(表S6) (18).

保存图片、插图等的外部文件。对象名称为nihms211541f3.jpg

在单细胞中具有单分子敏感性的YFP融合文库的mRNA图谱。（A） 标记基因的mRNA可以通过荧光检测就地针对yfp公司使用DNA寡核苷酸探针的mRNA序列，该探针用一个Atto594荧光团标记。（B） 同一基因的蛋白质（左）和mRNA（右）在同一固定细胞中同时检测。（C） RNA-seq（红色）和FISH（蓝色）测量的平均mRNA数与平均蛋白数相关。各自的皮尔逊相关系数(第页)分别为0.54和0.77。每个点是一个基因的平均值。FISH数据是针对每个细胞表达100份以上蛋白质的基因而获取的，而RNA-seq数据包括所有表达的mRNA，这些mRNA没有融合到yfp公司标签。（D） mRNA噪声(σ米2/μ米2)与mRNA平均数成反比(μ米)，并且高于泊松分布的预期。（E） 137个高表达基因的mRNA Fano因子直方图。mRNA Fano因子(σ米2/μ米)所测菌株的值相似，集中在1.6左右，表明非泊松mRNA的产生或降解。

我们表明YFP(黄色的)和mRNA(红色)在单个固定细胞内可以同时检测到同一基因，并进行光谱解析(图3B). 由于其拷贝数低，mRNA分子在细胞内稀疏分布，与YFP位置无关。通过测量每个荧光点的强度并计算每个细胞的荧光点数量，确定单个细胞的mRNA拷贝数。我们使用这种单分子FISH方法对137株高蛋白表达水平（>100蛋白/细胞）的文库菌株的mRNA丰度和噪声进行了量化。

在集合水平上，这137个基因的平均mRNA丰度在每个细胞0.05到5之间，并且在逐基因基础上与相应的平均蛋白表达水平适度相关（相关系数第页= 0.77) (图3C). 正如之前在其他生物体中所报道的那样，缺乏完全相关性通常归因于转录后调控的差异。在这里，由于能够确定每个细胞分子的绝对数量，我们确定了平均蛋白质丰度和平均信使核糖核酸丰度之间的比率为102到104.

在单细胞水平上，mRNA拷贝数分布比恒定速率的转录物随机生成和降解预期的泊松分布更广(18). mRNA噪声等级与平均mRNA丰度成反比(图3D)，但mRNA Fano因子值(σ米2/μ米)，接近~1.6(图3E)而不是像泊松案件所预期的那样统一。我们通过对细胞大小进行门控来排除基因剂量效应，以选择尚未进行染色体复制的细胞(18). 非泊松mRNA分布表明，mRNA生成或降解的速率常数在与典型mRNA降解时间相似或更长的时间尺度上波动，对于我们的生长条件而言，该时间尺度的平均值为～5-10分钟(18).

单个细胞中RNA和蛋白质的同时测量

我们现在检查了同一细胞中信使核糖核酸拷贝数和蛋白质水平的相关性。我们同时量化了单细胞mRNA和蛋白质水平(图3B).图4A显示了一个2D散点图，其中每个细胞被绘制为一个点，其mRNA和蛋白质水平分别位于X轴和Y轴上，用于TufA-YFP菌株中的翻译延伸因子EF-Tu。单个细胞中的mRNA和蛋白质拷贝数不相关(第页=0.01±0.03，扫描电镜，N个= 5,447). 事实上，在所调查的许多不同的高表达菌株中，相关系数都以零为中心(图4B)，表明单个细胞内同一基因的mRNA-蛋白相关性普遍缺失。

保存图片、插图等的外部文件。对象名称为nihms211541f4.jpg

在特定时间，单个细胞中的mRNA和蛋白质水平之间没有相关性。（A） mRNA（顶部）和蛋白质（右侧）水平的直方图。TufA-YFP菌株的蛋白质与mRNA拷贝数图，其中TufA标记有YFP。每个点代表一个应变单元。引人注目的是，相关系数为第页=0.01±0.03（平均值±SD，N个=5447）。（B） 129株高表达标记基因的相关系数直方图，相关系数的采样误差小于0.1。直方图表明，单个细胞中mRNA和蛋白质水平之间缺乏相关性是一种普遍现象。

mRNA-蛋白质相关性的缺乏可以用mRNA和蛋白质寿命的差异来解释。在大肠杆菌，mRNA通常在几分钟内降解(表S6) (18)而包括荧光蛋白在内的大多数蛋白质的寿命都比细胞周期长(34). 因此，任何时刻的mRNA拷贝数仅反映最近的转录活动历史（～几分钟），而同一时刻的蛋白质水平代表长期的累积表达历史（细胞周期的时间尺度）。然而，外部翻译噪声或调控网络也必须存在，以解释我们观察到的近零mRNA-蛋白相关性(18). 我们注意到，由于实验仅测量了单个细胞固定时存在的蛋白质和mRNA的拷贝数，因此出现了观察到的相关性缺失。这与中心法则并不矛盾，中心法则认为，长时间产生的mRNA分子应与同一时期产生的蛋白质分子相关，如图3C不同基因之间(11). 然而，我们的结果为解释单细胞转录组分析提供了警告，并论证了单细胞蛋白质组分析的必要性。

表达特性与生物因子的相关性

表达参数和所选基因特征之间的相关性显示在图5.小型一值对应的范围很窄b值和大一值对应的范围很广b值(图5A). 高表达蛋白（平均值>10）b低表达蛋白具有b值约为1(图5B). 蛋白质表达水平与密码子适应指数（CAI，第页=0.42），但与GC含量几乎没有相关性(第页=-0.06）和mRNA寿命(第页= 0.08). 这个一和b数值显示出对染色体位置的中度依赖性(图5F). 相关系数和Z轴这两个参数和其他参数之间的得分总结如下表S2.

保存图片、插图等的外部文件。对象名称为nihms211541f5.jpg

表达与基因特征的相关性。（A） 的相关图一和b(第页=0.01）和（B）平均蛋白表达与b(第页= 0.72).一和b值计算为一=μ对2/σ对2和b=σ对2/μ对分别使用平均值，μ对和标准偏差，σ对蛋白质数量直方图的。（C） 平均蛋白质表达与密码子适应指数（CAI）的相关性图(第页=0.40），（D）GC含量(第页=-0.06）和（E）mRNA寿命(第页= 0.08). （F） 染色体依赖性一和b值。Z轴得分超过3分（用红色表示）表示与>99.9%置信度的全基因组分布相比，该值明显更大，而Z轴分数小于-3（用蓝色表示）代表一个明显较小的值。

此外，我们描述了功能基因类别的表达和定位参数的统计偏差，通过Z轴-得分表1一些功能类别与参数密切相关。例如，基本蛋白质与高一(Z轴=7.5）和高b(Z轴= 5.3). 正如预期的那样，膜转运蛋白显示出高的边缘/内部比率(Z轴=7.3），转录抑制因子显示高点状定位(Z轴= 4.1). 没有已知蛋白质相互作用的蛋白质显著降低表达(Z轴= -4.7). 我们还发现，较短的ORF可能具有较高的蛋白质表达水平(Z轴= 4.1). 从与复制民俗运动平行的主导链转录的基因的RNA表达往往更高(Z轴= 4.0). 因此，表达式和定位属性可以与功能属性显著相关。

表1

表达水平和蛋白质定位的趋势。第张，共张Z轴以蛋白质和RNA平均值、RNA寿命、，一,b，边缘检测到的荧光与细胞内部相比的比率(电子/我)以及标点蛋白定位（DP）的程度。前导链对应于与复制叉相同方向的转录。PPI表示蛋白质相互作用。Z轴得分超过3分（用红色表示）表示与>99.9%置信度的全基因组分布相比，该值明显更大，而Z轴分数小于-3（用蓝色表示）代表一个明显较小的值。

类别n个蛋白质核糖核酸
平均值一b电气/仪表DP公司平均值生命周期
全部10180000000
必需基因1217.548.705.34-2.19-3.165.611.38
非必需基因894-2.74-3.16-2.020.741.30-1.99-0.32
酶4103.984.281.85-5.45-3.043.303.15
翻译174.043.363.30-0.86-3.523.30-2.44
营业额、降级133.053.602.08-0.99-1.762.372.14
转录因子980.611.270.71-2.95美元4.29-0.53-2.53
运输工具88-0.840.45-1.447.780.962.283.29
保温钢绞线425-1.42-1.95-0.820.74-0.07-4.42-3.63
主导股5931.121.620.61-0.640.023.963.17
基因长度<500 bp1934.061.093.34-1.06-2.982.67-1.65
基因长度>=500 bp825-1.92-0.55-1.720.571.45-1.260.73
已知PPI6033.733.751.37-3.69-3.771.900.58
无已知PPI415-4.68-4.65-1.734.284.43-2.25-0.61

比较大肠杆菌和酵母

利用流式细胞术对酵母中>2500个高丰度蛋白质的蛋白质丰度和噪声进行了研究(10,11). 单个细菌细胞中的单分子敏感性使我们能够表征大肠杆菌这在酵母中尚未实现。我们发现了大肠杆菌蛋白质通常比酵母蛋白质具有更大的噪声和Fano因子，即使是拷贝数相似的蛋白质(图S6) (18). 由于外部因素，两者都存在噪声平台，但外部噪声在大肠杆菌.

结论

我们在单细胞水平上对革兰氏阴性菌的蛋白质组和转录组中的丰度和噪音进行了定量分析大肠杆菌鉴于细菌细胞中一些蛋白质和大多数功能基因的mRNA拷贝数较低，我们的测量提供的单分子敏感性对于理解随机基因表达和调控是必要的。我们发现低丰度蛋白质有很大的波动，高丰度蛋白质也有常见的外部噪音。此外，我们发现在单个细胞中，同一基因的mRNA和蛋白质水平是完全不相关的。这一惊人的结果突出了单细胞蛋白质组和转录组分析之间的脱节，以及单细胞蛋白质组分析的必要性。综上所述，单细胞基因表达谱的定量和整体解释正在出现。

补充材料

标准操作手册

单击此处查看。（120万，pdf）

表S1

单击此处查看。（625K，xls）

表S2

单击此处查看。（23K，xls）

表S3

单击此处查看。（620K，xls）

表S5

单击此处查看。（125K，xls）

表S6

单击此处查看。（494K，xls）

致谢

我们感谢L.Xun、N.K.Lee、D.Court、C.Zong、R.Roy和J.Agresti的实验援助；以及E.Rubin、L.Cai和J.Elf进行了有益的讨论。这项工作得到了盖茨基金会和NIH先锋董事奖的支持。Y.T.感谢日本科学促进会、上原纪念基金会和丸红研究促进基金会的额外支持；约翰和范妮·赫兹基金会的P.J.C。

脚注

**这份手稿已被《科学》杂志接受出版。此版本尚未进行最终编辑。请参阅记录的完整版本http://www.sciencemag.org/未经AAAS事先书面许可，不得以任何不属于《版权法》合理使用条款范围的方式复制或使用手稿。”

工具书类

1Rao简历，Wolf DM，Arkin AP。自然。2002年11月14日；420:231.[公共医学][谷歌学者]
2Raser JM，O'Shea EK公司。科学。2004年6月18日；304:1811. [PMC免费文章][公共医学][谷歌学者]
三。Rosenfeld N、Young JW、Alon U、Swain PS、Elowitz MB。科学。2005年3月25日；307:1962.[公共医学][谷歌学者]
4Pedraza JM、van Oudenaarden A。科学。2005年3月25日；307:1965.[公共医学][谷歌学者]
5Friedman N，Cai L，Xie XS。体检报告。2006年10月20日；97:168302.[公共医学][谷歌学者]
6Tietjen I等人。神经元。2003年4月24日；38:161.[公共医学][谷歌学者]
7Tang F等人。自然方法。2009年5月；6:377.[公共医学][谷歌学者]
8于杰，肖杰，任X，老K，谢XS。科学。2006年3月17日；311:1600.[公共医学][谷歌学者]
9Huh WK等人。自然。2003年10月16日；425:686.[公共医学][谷歌学者]
10Bar Even A等人。自然遗传学。2006年6月；38:636.[公共医学][谷歌学者]
11Newman JR等人。自然。2006年6月15日；441:840.[公共医学][谷歌学者]
12Levsky JM、Shenoy SM、Pezo RC、Singer RH。科学。2002年8月2日；297:836.[公共医学][谷歌学者]
13Raj A、Peskin CS、Tranchina D、Vargas DY、Tyagi S。《公共科学图书馆·生物》。2006年10月；4：e309。 [PMC免费文章][公共医学][谷歌学者]
14Golding I、Paulsson J、Zawilski SM、Cox EC。单元格。2005年12月16日；123:1025.[公共医学][谷歌学者]
15Maamar H、Raj A、Dubnau D。科学。2007年7月27日；317:526. [PMC免费文章][公共医学][谷歌学者]
16Zenklusen D、Larson DR、Singer RH。自然结构分子生物学。2008年12月；15:1263. [PMC免费文章][公共医学][谷歌学者]
17蔡磊，弗里德曼N，谢XS。自然。2006年3月16日；440:358.[公共医学][谷歌学者]
18方法和讨论可作为科学在线的支持材料。
19Butland G等人。自然。2005年2月3日；433：531。[公共医学][谷歌学者]
20胡鹏等。《公共科学图书馆·生物》。2009年4月28日；7：e96。 [PMC免费文章][公共医学][谷歌学者]
21Yu D等人。美国国家科学院院刊。2000年5月23日；97:5978. [PMC免费文章][公共医学][谷歌学者]
22McDonald JC等人。电泳。2000年1月；21:27.[公共医学][谷歌学者]
23Choi PJ、Cai L、Frieda K、Xie XS。科学。2008年10月17日；322:442. [PMC免费文章][公共医学][谷歌学者]
24Baba T等人。分子系统生物学。2006;2:2006 0008. [PMC免费文章][公共医学][谷歌学者]
25Butland G等人。自然方法。2008年9月；5:789.[公共医学][谷歌学者]
26保尔森J，埃伦伯格M。体检报告。2000年6月5日；84:5447.[公共医学][谷歌学者]
27Novick A，Weiner M。美国国家科学院院刊。1957年7月15日；43:553. [PMC免费文章][公共医学][谷歌学者]
28保尔森J。自然。2004年1月29日；427:415.[公共医学][谷歌学者]
29Thattai M，van Oudenaarden A。美国国家科学院院刊。2001年7月17日；98:8614. [PMC免费文章][公共医学][谷歌学者]
30Elowitz MB、Levine AJ、Siggia ED、Swain PS。科学。2002年8月16日；297:1183.[公共医学][谷歌学者]
31Shahrezaei V，Swain私人有限公司。美国国家科学院院刊。2008年11月11日；105:17256. [PMC免费文章][公共医学][谷歌学者]
32Swain PS、Elowitz MB、Siggia ED。美国国家科学院院刊。2002年10月1日；99：12795。 [PMC免费文章][公共医学][谷歌学者]
33Femino AM、Fay FS、Fogarty K、Singer RH。科学。1998年4月24日；280:585.[公共医学][谷歌学者]
34科赫L，利维人力资源。生物化学杂志。1955年5月12日；217:947.[公共医学][谷歌学者]