真核轉(zhuǎn)錄組學測序分析

產(chǎn)品介紹

二代真核轉(zhuǎn)錄組采用Illumina測序平臺，對有參、無參真核生物特定細胞在某一功能狀態(tài)下轉(zhuǎn)錄的所mRNA進行測序。在定量層面，有參可以對基因進行定量分析，無參只能對Unigene（優(yōu)化的轉(zhuǎn)錄本）進行定量分析，并進行下游的差異基因分析和功能注釋等；在結(jié)構(gòu)層面，有參可進行可變剪切、SNP分析、基因結(jié)構(gòu)優(yōu)化、新基因預測。目前已廣泛應用于基礎研究、臨床診斷、藥物研發(fā)和分子育種等領域。

專業(yè)項目方案設計 深度解析數(shù)據(jù)

轉(zhuǎn)錄組可搭配任意其他產(chǎn)品進行多組學的分析，同時為了沖刺高分可選擇大樣本量方案進行設計。從選材到后續(xù)研究內(nèi)容相關(guān)信息的挖掘，整個流程嚴謹進行，全程跟蹤。

• 實驗設計

• RNA提取

• 建庫測序

• 數(shù)據(jù)分析

• 售后答疑

百邁客云，個性化分析全面升級！

可視化操作、交互性基因深度挖掘，關(guān)注哪里“點”哪里。【基本操作】基因功能、基因名稱、序列和ID的檢索、關(guān)鍵基因功能及通路分析、WGCNA分析等基因功能挖掘?！緜€性化挖掘】個性化差異分析方案，個性化圖表優(yōu)化、共表達趨勢分析、基因結(jié)構(gòu)分析。

結(jié)果展示

數(shù)據(jù)質(zhì)控

為確保Reads有足夠高的質(zhì)量，將下機原始測序數(shù)據(jù)（raw reads）去掉含有帶接頭的、低質(zhì)量的reads，得到clean reads，保證后續(xù)分析的準確性。測序因受測序儀本身、測序試劑、樣品等因素影響，存在一定的錯誤率。堿基測序錯誤率分布圖可以反映測序數(shù)據(jù)的質(zhì)量。

參考序列比對

將Clean Reads與參考基因組進行序列比對，獲取在參考基因組或基因上的位置信息，定位區(qū)域分為Exon（外顯子）、Intron（內(nèi)含子）
和Intergenic（基因間區(qū)）。比對到參考基因組上的Reads稱為Mapped Reads，Mapped Reads占Clean Reads的百分比，可以評估所選參考基因組組裝是否能滿足信息分析的需求。

重復相關(guān)性評估

生物學重復的相關(guān)性不僅可以檢驗生物學實驗操作的可重復性，還可以評估差異表達基因的可靠性和輔助異常樣品的篩查。

差異表達基因分析

差異表達基因以火山圖、MA圖、韋恩圖、聚類熱圖、蛋白互作圖等形式呈現(xiàn)，通過火山圖（Volcano Plot）可以快速地查看基因在兩個（組）樣品中表達水平的差異，以及差異的統(tǒng)計學顯著性。對于有生物學重復的樣本，我們采用DEseq進行樣品組間的差異表達分析，獲得兩個生物學條件之間的差異表達基因集；對于沒有生物學重復的樣本，使用EBseq進行差異分析。篩選差異基因標準一般為：Fold Change≥2，F(xiàn)DR<0.01。

差異表達基因聚類分析

聚類分析用于判斷差異基因在不同實驗條件下的表達模式，可通過將表達模式相同或相近的基因聚集成類，從而識別未知基因的功能或已知基因的未知功能，同類基因可能具有相似的功能或共同參與同一代謝過程。

差異表達基因GO分類

差異表達基因GO注釋分類統(tǒng)計圖，直觀的反映出在生物過程（biological process）、細胞組分（cellular component）
和分子功能（molecular function），所有基因和差異基因注釋GO term的個數(shù)分布?？缮钊胪诰虿町惢虻墓δ芗八诘男盘柾?，篩選關(guān)注差異基因注釋情況。

差異表達基因蛋白互作網(wǎng)絡

STRING收錄多個物種預測的和實驗驗證的蛋白質(zhì)-蛋白質(zhì)互作的數(shù)據(jù)庫，包括直接的物理互作和間接的功能相關(guān)。結(jié)合差異表達分析結(jié)果和數(shù)據(jù)庫收錄的互作關(guān)系對，構(gòu)建差異表達基因互作網(wǎng)絡。

測序數(shù)據(jù)組裝

對于無參轉(zhuǎn)錄組，過濾得到的高質(zhì)量clean reads需通過Trinity軟件進行組裝得到轉(zhuǎn)錄本序列。轉(zhuǎn)錄本測序深度除了受測序數(shù)據(jù)量等影響，還與該轉(zhuǎn)錄本的表達豐度有關(guān)。為了使各樣品中表達豐度較低的轉(zhuǎn)錄本組裝得更完整，對于同物種的測序樣品推薦合并組裝可以間接增加測序深度，從而使轉(zhuǎn)錄結(jié)果更完整，同時也有利于后續(xù)的數(shù)據(jù)分析；而對于不同物種的樣品，由于基因組間存在差異，推薦采用分別組裝或分開分析。

差異表達基因KEGG通路富集

差異表達基因的KEGG Pathway富集分析，系統(tǒng)分析基因產(chǎn)物在細胞中的代謝途徑以及這些基因產(chǎn)物功能，把基因及表達信息作為一個整體的網(wǎng)絡進行研究。利用富集因子（Enrichment Factor）分析Pathway的富集程度，并利用超幾何檢驗方法計算富集顯著性。

常見問題

項目經(jīng)驗豐富，碩果累累

公司成立多年以來，擁有豐富的項目分析經(jīng)驗，據(jù)不完全統(tǒng)計，完成轉(zhuǎn)錄組項目10000+，完成樣本數(shù)200000+；年處理樣本數(shù)10000+；農(nóng)學物種涉及糧食作物、果蔬、觀賞植物、害蟲、家禽牲畜、水產(chǎn)動植物等，醫(yī)學物種涉及人、鼠，研究方向包括發(fā)育調(diào)控、環(huán)境適應、突變表現(xiàn)、遺傳進化、疾病發(fā)生發(fā)展機制、耐藥機制和藥物的研發(fā)診斷等各種領域?？筛鶕?jù)項目需要選擇方案，保障結(jié)果精準。

50+項目分析人員

深度數(shù)據(jù)挖掘

豐富的項目分析案例

優(yōu)化的交互式報告

多年+項目分析經(jīng)驗

專業(yè)而熱情的售后服務

三個分布式集群服務器

閃電般的分析速度