• • 服务名称：

    LncRNA测序

  • 提供商：

    illumina

                             长链非编码RNA(long coding RNA，lncRNA)是一类转录本水平超过200nt、不编码蛋白的RNA。LncRNA起初被认为是基因组转录的“噪音”，不具备生物学功能。然而，近几年的研究表明lncRNA能在表观遗传、转录及转录后水平上调控基因表达、参与了X染色体沉默、基因组印记以及染色质修饰、转录激活、转录干扰、核内运输等多种重要调控过程，与人类疾病的发生、发展和防治都有密切联系。
       现阶段，利用高通量测序技术进行lncRNA测序，并结合生物信息学的预测工具进行lncRNA分析，有助于科研工作者更快发现那些具有重要调控功能的lncRNA，分析其与特定生物学过程的关系。该方法可以更加高效地获取lncRNA序列以及位置信息，且突破了常规lncRNA芯片检测技术的使用范围限制，还可对新的lncRNA进行预测及功能分析，极大促进lncRNA的深入研究。
  
  中康博技术优势

  ---

  ● 技术重复性高：同一样本重复建库相关性Pearson值大于0.993
  ● 高特异性：使用特定方法降低样本中rRNA的丰度
  ● 高准确度：构建链特异性转录组文库，快速、高效、准确地获取样本中几乎全部的lncRNA序列及其位置信息
  ● 分析严格：系统鉴定已知lncRNA，设置严格的筛选条件用于发现新的lncRNA
  ● lncRNA深入分析：lncRNA cis和trans调控机制以及ceRNA调控机制等
  ● 经验丰富：已对多种动植物的lncRNA进行测序分析
  
  
  推荐测序模式

  ---

  ● 测序平台：Hiseq X 10
  ● 测序类型：PE150
  ● 测序数据量：10 Gb/样本
  
  
  lncRNA测序实验流程

  ---

   
  
  
   

   

  lncRNA测序分析流程

  ---

  
  
   

   

  样品要求（RNA）

  ---

  1) 样品纯度：OD 260/280值应在1.9～2.2 之间。
  2) 样品浓度：最低浓度不低于100ng/ul。
  3) 样品总量：每个样品总量不少于2µg。
  4) 样品溶剂：总RNA溶解于DEPC-水或者RNase-free的缓冲液中。
  5) 样品运输： RNA用冻存管保存，并用干冰或液氮运输。
  6)适用范围：有参考基因组物种。
  lncRNA测序结果展示

  ---

  标准分析：

  ---

  1) 原始数据预处理：去除接头污染、低质量序列得到clean data，去除核糖体RNA数据，数据产出统计及测序数据质量评估。
  2) 序列拼接比对：比对分析、数据拼接为后续做准备；基因组mapping，转录本组装。
  3) lncRNA筛选及注释：已知lncRNA（采用NONCODE、lncrnadb、Ensembl、NCBI、UCSC等多个lncRNA数据库的集合或者自定义数据库筛选并注释已知lncRNA；）；多种算法（PhyloCSF预测算法与CPC预测算法）预测新的lncRNA。
  5) lncRNA定量及差异分析：差异分析需2个或2个样品以上。
  6) 差异lncRNA靶基因预测：通过共表达或者位置关系分析lncRNA的靶基因。
  7) 差异转录本分析：利用软件比较各转录本在不同样本间的差异表达，筛选差异转录本。
  8) 结构分析：AS/SNP/InDdel分析，分析转录本结构变化。
  9) 功能通路富集分析：差异lncRNA靶基因的GO analysis；差异lncRNA靶基因的pathway analysis。
  
  
  高级数据分析

  ---

  ● Gene Expression Trend Analysis (时序分析)

  ---

     对于按照处理时间、浓度、疾病恶化程度顺序设计的序列实验，为了筛选出随样本顺序变化影响最显著、最主流的lncRNA群，需要对样品的差异lncRNA进行表达趋势分析。应用模糊聚类等机器学习方法，计算出随着时间、浓度梯度或恶性程度等变化过程中lncRNA的表达趋势，得到相应的主流表达趋势，其所属lncRNA的表达变化与时间、浓度、恶性程度具有显著性联系的lncRNA，主流表达趋势所属lncRNA将作为进一步研究的目标基因。

  

  ● Co expression Network(lncRNA-mRNA)

  ---

      Co expression Network是分析lncRNA与mRNA相互作用关系的创新工具。Coexpression Network根据lncRNA及mRNA的实测值，通过共表达计算方法构建网络。通过lncRNA周边与其共表达的mRNA来预测未知lncRNA的功能。Coexpression Network可以帮助发现lncRNA与mRNA之间可能存在的作用关系，能够找到影响mRNA表达的lncRNA，从而发现网络中起中心调控作用的lncRNA及发现lncRNA可能存在的新作用机制。由于共表达调控网络是基于芯片的实测表达值运算的结果，故而突破了传统分析中基因注释不齐全的限制，大大增加了研究的创新性。结果样式如下：
   

  

  ● lncRNA Target Pathway Network

         根据差异lncRNA和被调控靶基因的显著性通路，利用lncRNA和靶基因通路的属性，构建lncRNA Target Pathway Network。该网络反映目标lncRNA对Pathway的作用关系。根据网络中各lncRNA的位置函数计算出网络特征值。特征值最高的lncRNA处于网络的枢纽性地位，该lncRNA对多个Pathway和样本状态有重要的调控价值，同时，评价Pathway在网络中的特征值，可以发现差异lncRNA所调控的核心通路。

  

  ● ceRNA Network

  ---

       分别对miRNA与mRNA、miRNA与lncRNA进行靶向预测，并根据表达趋势取负相关。根据结果找出具有mRNA-miRNA-lncRNA关系的mRNA/lncRNA对。计算差异基因和差异lncRNA间的共表达关系，挑选出互为正相关的基因与lncRNA。根据上述分析结果，选出存在于mRNA-miRNA-lncRNA关系中，并互为正相关的mRNA/lncRNA对。这对mRNA/lncRNA即可能互为ceRNA，再通过MREs的数量和结合分值评估ceRNA的竞争能力。结果样式如下：
   

  
  
  
   

  
  

LncRNA测序信息由北京中康博生物科技有限公司为您提供，如您想了解更多关于LncRNA测序报价、型号、参数等信息，欢迎来电或留言咨询。

注：该产品未在中华人民共和国食品药品监督管理部门申请医疗器械注册和备案，不可用于临床诊断或治疗等相关用途