在生物基礎(chǔ)研究中，由于對細胞系的命名缺乏統(tǒng)一的標準，因此造成了細胞系鑒定錯誤，交叉污染以及缺乏注釋等問題，zui終這些問題嚴重影響了科研的產(chǎn)出效率。

歷*使用的細胞系的名字都由*個發(fā)明它的科學家所貢獻，而直到zui近才有一些相關(guān)的科學命名建議被提出。這些古老的命名方式十分不精練，缺乏科學性，而且本身的一致性又較差。比如一種叫做SK-BR3的細胞系，如果用"SK-BR3" 作為關(guān)鍵字在NCBI pubmed中進行搜索，zui多只能找到81篇文章，而如果把中間的連接符去掉，使用"SKBR3"進行搜索，則能夠找到645篇文章，這種問題比比皆是。

細胞系命名的不一致還對數(shù)據(jù)的整合與分析造成了影響，隨著近年來細胞數(shù)量與實驗數(shù)量的上升，這一問題變得格外明顯。比如，如果比較Sanger數(shù)據(jù)庫與癌細胞系百科數(shù)據(jù)庫中的細胞類別，可以得到454株相同的細胞系，而在這454株細胞中，有59株（13%）的細胞在兩個數(shù)據(jù)庫中的名字是不一致的（像Panc-03-27與Panc23.27等）。這在數(shù)據(jù)分析過程中很容易造成重復引用問題。

然而不僅僅是名字，細胞系的其它一些性質(zhì)（比如組織, 物種,疾病類型以及病理特征等）均存在描述不夠嚴謹?shù)膯栴}。比如說"adenocarcinoma."根據(jù)所有數(shù)據(jù)庫的資料，總共有80余種細胞系可以被定義為"adenocarcinoma"，這說明這種描述根本不夠確切。

為了解決這一問題，來自美國Genetech公司的Richard M. Neve等人開發(fā)出一種新的，適用于科研界與商業(yè)界的細胞描述方法。

簡單來說，作者們首先從各大數(shù)據(jù)庫(ATCC, DSMZ, JCRB, ECACC)中收集到了初始的細胞系信息（6857株細胞），根據(jù)名字的重復與否進行去除冗余步驟得到3,587株參考細胞系。之后，作者通過手動的方式將細胞的大小寫，標點等符號性的區(qū)別加以去除，細胞系攜帶的疾病特征描述信息通過參照疾病分類數(shù)據(jù)庫等的標準加以矯正，再此過程中再一次去除冗余的細胞。在經(jīng)歷上述步驟后，如果還有同一類細胞系在不同的數(shù)據(jù)庫中名稱不同的情況，那么久翻閱zui初發(fā)現(xiàn)者的相關(guān)文章，以其中對這一細胞的命名為標準。如果原始文獻的標準也不統(tǒng)一，那么就以zui簡單的名稱為準。

經(jīng)過篩選后的細胞系下一步準備進行錄入。錄入時需要提供四項基本信息：1. *的細胞名稱；2. 物種來源；3. zui原始組織來源；4. 組織的病理特征。

作者們還提出了一個"C-name"的概念。在zui簡單的情形下，C-name就是細胞系的名稱。如果某一類新的細胞系同另一類細胞系中衍生得到，那么它們擁有同一個C-name，但是新建立的細胞系還要擁有一個新的子名稱。如果有多種細胞從同一患者的同一組織中衍生得到，它們擁有同一個C-name，否則需要分別建立各自的C-name。

另外，為了解決細胞系之間因交叉污染導致來源不清楚的問題，作者優(yōu)化了STR（simple tandem repeat）以及SNP（single nucleotide polymorphism）的方法進行細胞系的鑒定。在此不再贅述。

聯(lián)合上述兩項方法，作者希望能夠為細胞命名的改革提供一個基本的平臺，讓我們以后的基礎(chǔ)科研更加有序與