晶片巨人的逆襲 - 死亡交叉

這個週三參加了一個小小的產品說明會，說明會出席的不到十個人，不過多是有非常多實戰經驗的技術人員，而且說小也不小，想當年他們可是叱咤風雲的基因體主流技術(Affymetrix) 。當世界全都向NGS看齊時，這個昔日晶片界的巨人是不是氣數已盡，等著被死亡交叉了呢？其實本來我也是很悲觀的不抱希望，不過Lucas畢竟是跟著這個技術一起成長的人，聽說他們要來硬是擠出時間來看看這個老朋友吧！意外的是聽完之後，Lucas對NGS跟Array有了全新的想法，跟大家分享一下。

Array 的死亡交叉到了嗎？

當新技術與舊技術的執行成本相當，而新技術結果更優時，就有正當的理由汰換設備投資新技術平台，也就是舊技術要被淘汰的時間點。也就是之前Lucas 提到的『死亡交叉』，最近觀察RNA-seq 要取代 Expression Array 似乎已經是時機了，RNA-seq 要做到Array 的定量，其實是只要 2~30 millions reads ( 參見)，成本來大概只要3-40,000 NTD，這跟Array  的成本很接近了，RNA-seq 號稱可以作定量，定性，Alternative splicing等等的分析，結果優於Array，那麼是不是該跟Array 說再見了？

我想還沒，先不說資料分的複雜度，就技術面而言，RNA-seq 要作到那些特異功能，其實是需要很深的定序深度才能達成的，並不是那個便宜的定序套餐可以作到的，從這角度來看NGS/Array的死亡交叉還沒到。如果你只是作基因表現的定量，其實我還是會推薦Array，畢竟那是一個已經千錘百鍊的成熟技術，分析的方法成熟，而且可以讓你用同樣的錢，上更多的samples，又不要到處求人幫你整理海量的NGS Data。如果你想找的序列的上的關鍵差異，NGS的確是唯一的方法，但你必須要有NGS Data 會給你上萬個位點的心理準備，離你的終點仍然很遠。

資料越多真得越好嗎？

對每個分析者而言，數據當然是越多越好，數據越多代表著他們可以觀察角度越多，越不可能遺漏關鍵的環節，這也是NGS受到注目的原因，不過，也許生物學家沒有料到，不斷追求觀察數據的週全程度，最後會導致他們需要電腦專家幫忙才能看懂他們自已的資料，Lucas最近才收到一批Exome-seq 的data 六個樣品，將近 300 Gb 的資料量（對！就是這種感覺）。但我們真得需要這麼多的資訊嗎？就許多研究最終的目的是要去找出某些基因表現量的差異，明明是一片晶片就可以作到的事情，郤要花好幾倍的成本做NGS，拿到Data後花好幾百倍的時間分析，最後其實表現量的變化就已經看不完了，根本沒有時間去看序列層次的變化，或者那個關鍵序列變化埋在百萬個背景變化中，根本撈不出來。

資訊太多這件事，作研究的只需要裝作沒看見就是了，做臨床的可就沒法裝作看不見了，如果你明明知道病人的基因有一個缺損，但又不知道這缺損會帶來什麼問題，你是否有權利不告訴病人？還是你要這樣跟病人這樣說：『我們發現你的基因出現了一些問題，但我也不知道這些缺損在未來會發生什麼事情，我只能勸你看開一點，還有要提醒你一下，即然你已經知道你健康上的疑慮了，我想你可能不能去保險了，以免被判詐保！』。

晶片巨人的逆襲

Affymetrix 年度獲利圖 (http://www.wikinvest.com/stock/Affymetrix_(AFFX)/Data/Revenue)

NGS技術的不成熟，其實這幾年觀察晶片主要廠商的業績就可以看到一些端倪，從NGS 開始普及的2008到2011這段時間，晶片的業績的確受到了NGS的排擠，一直在下滑，本來以為等著被割喉割到斷，但是神奇時從2012開始晶片的業績又重新反彈了，這個現象也出現在服務供應商的接單情況上，這些回頭的客戶不乏已經使用過NGS技術的研究者。而回頭的原因最主要的是花了大錢，結果拿到了一堆無法消化的資料，缺乏分析的方法及人才，最後夢碎只能回頭用 Array來結案。

Lucas 一點也不否認 NGS 會是明日最主要的技術，Array 終究有可能會被取代，但是我想時間不會那麼快，如同傳統的核型分析(karyotyping)到現在依然是主流，沒有被 aCGH,　SNP chip, NGS 等技術取代，更何況晶片大廠內人才濟濟，也不會坐著等人割喉，最起碼這個產品說明會中拿出的壓箱寶，的確讓人眼晴為之一亮，容我在後續的文章中，再幫大家開箱介紹，本是想寫開箱文的，不過，說明會後我說來兩片試試吧！結果想也知道，並沒有拿到Free samples （謎之音：幾萬塊的東西你以為買西瓜，還可以試吃的啊，也不看看自已是什麼咖！）, 所以只有介紹文了啦。