La expresión génica y su regulación son muy importantes para entender el comportamiento de las células en diferentes condiciones. Varias técnicas se utilizan hoy en día para estudiar la expresión génica, pero la mayoría están limitados en términos de proporcionar una visión global de la expresión de todo el transcriptoma. Microarrays de ADN ofrecer una tecnología de investigación rápida y económica, lo que da una visión completa de la expresión génica global y tienen un gran número de aplicaciones, incluyendo la identificación de nuevos genes y factores de transcripción sitios, la caracterización de la actividad transcripcional de las células y también vinculantes ayudar en el análisis de miles de los genes (en un solo experimento). En el presente estudio, las condiciones para el análisis del transcriptoma bacteriana de cosecha de células para el análisis de microarrays de ADN han sido optimizados. Teniendo en cuenta el tiempo, los costos y la precisión de los experimentos, esta plataforma tecnológica resulta ser muy útil y universalmente applicabale para estudiar transcripto bacterianames. Aquí, realizamos el análisis de microarrays de ADN con Streptococcus pneumoniae como un caso-estudio comparando las respuestas transcripcional de S. pneumoniae cultiva en presencia de diferentes concentraciones de L-serina en el medio. El ARN total se aisló utilizando un método de Macaloide utilizando un kit de aislamiento de ARN y la calidad del ARN se comprobó mediante el uso de un kit de comprobación de la calidad del ARN. Se preparó ADNc utilizando transcriptasa inversa y las muestras de ADNc se marcaron utilizando uno de los dos colorantes fluorescentes de amina reactiva. Hechas en casa de ADN de microarrays diapositivas fueron utilizados para la hibridación de las muestras de ADNc marcadas y los datos de microarrays se analizaron mediante el uso de un marco de pre-procesamiento de datos de microarrays de cDNA (Microprep). Finalmente, Cyber-T se utilizó para analizar los datos generados usando Microprep para la identificación de estadísticamente significativas genes expresados diferencialmente. Paquetes de software Además, construido en la casa (pimienta, FIVA, DIVULGAR, FISCAL, Genome2D) se utilizaron para analizardatos.