尊龙凯时
-
基因组测序>
-
建库测序>
-
人类基因组测序>
-
动植物基因组测序>
-
微生物基因组测序>
-
-
转录调控测序>
-
表观组测序>
-
单细胞测序>
-
空间转录组>
-
基因分型>
-
质谱分析>
-
蛋白组学分析>
-
代谢组学分析>
-
免疫定量>
-
-
多组学联合分析>
-
分子育种>
-
基因合成>
真核无参转录组-用优质转录本测序探秘无参物种
真核无参转录组测序（RNA-seq）采用Illumina测序平台，对真核生物特定组织或细胞在某个特定状态下转录的所有mRNA进行测序，拼接出最长的转录本为unigene，以unigene为参考序列进行后续分析，为研究无参考基因组物种的转录水平变化提供有力的技术手段。应用方向
-
无参物种基因组组装
对于无参考基因组的物种，对转录组测序数据进行拼接组装、功能注释等 胁迫研究
研究胁迫环境下的机体响应机制差异性状研究
寻找不同处理导致差异性状或表型相关联的主要功能基因互作关系研究
通过转录水平寻找到关键调节的基因或者代谢通路，研究宿主与寄主之间相互作用关系
尊龙凯时优势
-
1. 样本起始量低
RNA 0.4 μg/建库 -
2. 周期快、质量好，稳定性高
尊龙凯时真核无参转录组测序基于优质的测序平台，利用国际认可的拼接软件进行转录本拼接、注释后，全方位分析基因表达水平和结构信息，实现无参物种研究内容最大化，并实现快速、稳定的测序数据分析及交付。≤24
样本量35天
项目周期PE150
测序读长≥85%
测序质量Q30
-
3. 方案设计专业，质控严格
尊龙凯时真核无参转录组测序针对不同的物种和组织部位，采用合适的提取方法；根据不同的需求可提供不同的建库方式；严格要求测序数据质量：Q20＞90％，Q30＞85％。从材料选取，建库测序，到数据分析，每一步都经过科学、缜密的设计，以保障高质量研究成果。同时尊龙凯时高性能计算平台（High Performance Computing，HPC）采用DELL计算节点和Isilon存储的高效组合，实现快速稳定的测序数据分析及交付。 随着公司业务的发展，高性能计算平台将会持续更新并扩容，以保证高效的数据处理和安全的数据存储。材料选取
RNA样品
≥0.4μg
文库构建（普通转录组文库/链特异性文库）
PE150测序
6-12Gb
信息分析
-
4.项目文章以及物种经验丰富
尊龙凯时已经成功对水蚤、樱桃、木兰、鲫鱼、夜蛾等几百个无参考基因组物种进行了转录组测序分析，助力研究者在Plant biotechnology journal、Scientific Reports 、BMC Genomics等著名期刊发表高水平文章多篇。80人
分析团队10年
项目经验5000+
结题项目1对1
项目服务
信息分析
尊龙凯时真核无参转录组测序项目信息分析，经过严格数据质控保证数据分析可靠性，信息分析分为表达水平分析和结构水平分析。表达水平分析包括CDS预测分析、基因表达量分析、相关性分析、 差异基因及其富集分析、GSEA分析、WGCNA分析等，结构水平包括变异位点分析、SSR分析。| 有参转录组 | 分析内容 | 解决问题 |
|---|---|---|
| 标准分析 | 测序数据质量评估 | 过滤掉低质量数据，保证数据质量 |
| 转录本拼接 | 拼接获取后续分析的参考序列 | |
| CDS预测 | 预测编码蛋白产物的序列 | |
| 基因表达水平分析 | 分析基本的表达量 | |
| 样本相关性分析 | 分析样本间的相关性大小 | |
| 差异基因分析 | 寻找不同比较组合间的差异基因 | |
| GO/KEGG富集分析 | 差异基因的GO，KEGG富集分析 | |
| 蛋白互作网络分析 | 差异基因蛋白互作网络的分析 | |
| WGCNA基因共表达网络分析 | 分析模块与样本间的相关性，寻找关键模块和hub基因 | |
| SNP/Indel分析 | 分析变异位点 | |
| SSR分析 | 简单重复序列预测 |
送样建议
| 样本类型 | 普通转录组/真核链特转录组 |
|---|---|
| 新鲜植物组织干重 | 叶片、花 ≥ 0.3g； 根、茎、种子等其他组织 ≥ 0.5g |
| 新鲜动物组织干重 | 内脏组织、脑组织 ≥ 0.08g； 脂肪、皮肤、骨头、血管等其他组织 ≥ 0.3 |
| 新鲜培养细胞 | >≥5*106个 |
| 新采集的全血(加入 TRIzol) | >≥5mL |
| 新采集的全血 (液氮速冻) | >≥2mL |
| PAXgene 采血管 | ≥1 管 |
| 石蜡切片 | 厚度在5-10μm,含组织面积大于25mm2的切片12张。 |
| 菌体/菌丝 |
>3*106个 >0.3g |
| 半固体细菌 | ≥ 0.5mL |
常见问题
-
1.真核无参转录组测序（RNA-seq）CDS和ORF的区别?
- 在真核无参转录组测序中，CDS是编码蛋白质的一段序列，ORF是从起始密码子到终止密码子的一段序列，不是所有的读码框都能表达出蛋白质，也就是说CDS一定是ORF，但ORF不一定是CDS， 一般ORF只是理论上的一个编码区，CDS则比较接近实际情况。在预测CDS的时候是先跟数据库比对，比对上的直接提取CDS序列，比对不上的再用软件预测。
-
2.真核无参转录组测序（RNA-seq）为什么不对每一个转录本都进行注释？
- 可变剪切，等位基因，同一个基因的不同拷贝，homelog，ortholog等在RNA-seq拼接过程中，因为有着相同的序列来源，被分配为同一基因，一般而言，最长的转录本通常能更好的代表该基因coding信息。故尊龙凯时从拼接结果文件TRINITY.fasta中挑选出最长的一条作为该基因的代表，称为Gene，并以此进行后续的注释分析。但是定量分析的参考序列仍为TRINITY.fasta。该方法为目前RNA-seq分析中的主流方法，也是Trinity软件所推荐的，后面的差异、富集分析都是做的基因水平，所以注释也只需要做到基因水平的。
-
3.真核无参转录组测序（RNA-seq）7大数据库的注释准确性如何？
- 我们用7个数据库进行了基因功能的注释，每个数据库的注释的筛选条件非常严格(比如blast Evalue<1e-5)，且注释的程序都是官方认可的软件(blast2go,KAAS等)，因而每个数据库的注释 (都算比较可靠，但每种注释关注的侧重点不同(比如PFAM针对蛋白的结构域、KEGG针对基因参与的代谢通路等等)。
-
4.真核无参转录组测序（RNA-seq）项目中Corset聚类后，选取最长的cluster序列，这一步是如何操作的？
- 经过Trinity拼接得到Trinity.fa，Trinity.fa过Corset软件，根据转录本间Shared Reads将转录本聚合为许多cluster，再结合不同样本间的转录本表达水平及H-Cluster算法，将样本间 有表达差异的转录本从原cluster分离，建立新的cluster，最终得到cluster_all.fasta（详细参见 （Corset轻松搞定无参转录组差异基因）。在cluster_all.fasta中，选取最长的转录本 作为最终的unigene.fasta。
更多内容，可扫描侧边栏"一对一业务咨询"二维码添加科研服务经理咨询。
售后服务可联系侧边栏"在线客服"、电话400-6581585，或发送邮件至 service@novogene.com
Copyright@2011-2024 All Rights Reserved 版权所有：尊龙凯时 京ICP备15007085号-1
