<sub id="znb55"></sub>
  • <i id="znb55"></i>
      <rp id="znb55"><menuitem id="znb55"></menuitem></rp>
      <ins id="znb55"></ins><ins id="znb55"><noframes id="znb55"><cite id="znb55"></cite>
      <ins id="znb55"></ins><ins id="znb55"></ins>
      <menuitem id="znb55"><span id="znb55"><menuitem id="znb55"></menuitem></span></menuitem>
      <del id="znb55"><noframes id="znb55">
      <ins id="znb55"><noframes id="znb55"><ins id="znb55"></ins><var id="znb55"><span id="znb55"><var id="znb55"></var></span></var>
      <ins id="znb55"><noframes id="znb55"><cite id="znb55"></cite>

       

       

      Smart-seq2 单细胞转录组测序通过 SMART 扩增技术对单个细胞中的 mRNA 进行逆转录和 PCR 扩增,结合转座酶建库技术,最终使用高通量测序手段,对单细胞中 mRNA 进行基因表达定量、功能富集、代谢通路等分析。它可以解决传统 RNA 定量技术在早期胚胎发育、干细胞、癌症、免疫等研究领域中存在的样品量极低或细胞异质性的问题,是在单细胞水平研究基因表达强有力的工具,极大地拓展了RNA-Seq 的应用范围。
       
       
       
       
       
      应用领域
       
       
      1. 单个细胞样本全转录本信息获取
      2. 基因注释及筛选
      3. 基因结构分析
       
       
       

       

      技术路线

       

       

      分析内容

      标准信息分析  高级信息分析
      1. 测序质量评估与原始数据过滤,去除接头序列及低质量reads
      2. 比对参考基因组或参考基因序列
      3. 测序与比对评估: 数据比对统计,测序饱和度分析,测序随机性分析
      4. 基因表达统计:基因覆盖度,表达量,表达量丰度分布
      5. 新基因的转录本预测及注释(需有参考基因组)
      6. 样本关系分析:主成分分析(PCA)、相关性检验、样本聚类图
      7. 差异表达基因分析(两个或两个以上样品): 差异表达基因筛选、差异基因表达模式聚类分析(热图)、差异基因GO功能显著性富集分析、差异基因Pathway显著性富集分析
      1.  SNP分析
      2. 基因结构优化(需有参考基因组)
      3. 基因可变剪切鉴定(需有参考基因组)

       

       

       

      样品要求

      1. 真核生物,mRNA具有poly-A结构。
           细胞:推荐1-500个单细胞(可检测1-10000个);
           微量RNA: 10 pg-100ng纯化后的带poly A序列的总RNA;
      2. RNA质量:一般要求28S/18S≥1,RIN≥7,浓度>50pg/uL。
       
       
       
       
      项目周期
      标准流程完成时间为50个工作日。
       
       
       
       
      参考文献

      [1] Picelli S, Faridani O R, Björklund Å K, et al. Full-length RNA-seq from single cells using Smart-seq2[J]. Nature protocols, 2014, 9(1): 171.

      [2]Yan L, Yang M, Guo H, et al. Single-cell RNA-Seq profiling of human preimplantation embryos and embryonic stem cells[J]. Nature structural & molecular biology, 2013, 20(9): 1131.

      [3]Usoskin D, Furlan A, Islam S, et al. Unbiased classification of sensory neuron types by large-scale single-cell RNA sequencing[J]. Nature neuroscience, 2015, 18(1): 145. Björklund Å K, Forkel M,

      [4] Picelli S, et al. The heterogeneity of human CD127+ innate lymphoid cells revealed by single-cell RNA sequencing[J]. Nature immunology, 2016, 17(4): 451.

       

       

       

       

       

      Q1: 10X单细胞转录组与smart-seq技术的区别和优劣势在哪里?

      A:核心区别在于通量高低和研究内容不同,10×通量更高,smartseq可以做定量还可以做转录本结构分析。

       

      Q2: 如果研究的样本细胞比较大(骨骼肌、心肌、破骨细胞、脂肪细胞)怎么做单细胞测序?

      A:第一,提核后做单细胞转录组;第二,做smart-seq的单细胞转录组。

       

       

       

       

       

      案例一:Sm art-seq2揭示人cn 121+先天淋巴细胞的异质性

      先天性淋巴细胞 (IL C s) 被认为是体内平衡和炎症的重要参与者。研究表明,IL C 群体具有可塑性和异质性。

      流式分选患有阻塞性睡眠呼吸暂停综合症患者扁桃体组织中648个IL C s和自然杀伤细胞 (N K cells) , 并进行Smart-seq2测序。细胞聚类为4个亚群:ILCl 、IL C 2、IL C 3、NK , 差异分析结果显示共有差异基因的表达量在C D 127+ IL C s中要明显高于比N K 细胞;对IL C 3中1,958个免疫基因进— 步分析,发现了新的免疫细胞类型C D 62L + ILC3。

       

      案例二:lOx scRNA-seq联合Smart-seq2绘制小肠细胞图谱

      肠道发挥着很多功能,它依赖千很多特化细胞的特定活性和细胞间的相互作用。其中的一 些细胞是众所周知的,但有些细胞至今仍不熟悉。

      首先利用 l Ox scRNA-seq 分析了从小鼠小肠或肠道类器官中分离的 53193 个 EpC A M + 上皮细胞,细胞聚类成 15 个clusters; 利用 Smart- seq2 分析 1522 个上皮细胞,验证了 l Ox scRNA-seq的数据,并且每个细胞具有更高的覆盖。聚类分析确定了8 个簇,与基千 l Ox 的聚类一 致,但由千细胞数量较少,肠上皮细胞没有更好地区分开。同时文章分析了每种细胞类型的表达特征,包括验证已知的 marker 基因和鉴定新的marker 基因。

       

      参考文献:

      [1] Bjorklund AK, Forkel M, Picelli S, et al. The heterogeneity of human CD127+ innate lymphoid cells revealed by single-cell RNA sequencing[J]. Nature Immu- nology, 2016

      [2] Haber AL, Biton M, Rogel N, et al. A single-cell survey of the small intestinal epithelium[J]. Nature, 2017

       

       

      任你躁在线精品免费,天天摸天天做天天爽视频,男女免费观看在线爽爽爽视频,亚洲欧美中文日韩在线v日本 网站地图