转录组分析

简介：

转录组（Transcriptomics）是利用高通量测序，对生物细胞、组织、器官或者个体中所有转录和表达的基因进行分析定量的技术。转录组具有通量高、快速、稳定可靠等优点，能对基因的整体表达情况进行定量和定性，同时能够获得详细的基因结构信息，为生物学研究和检测提供了强有力的手段，目前广泛应用于生物基础研究、医学诊断、药物开发和分子辅助育种等领域。

技术流程:

根据用户需求，可制定不同的检测方案。转录组数据分析主要包括有参转录组分析、无参转录组分析等。

技术保障：

1.    测序仪器：基因芯片、PCR芯片及实时定量PCR，Nanopore，Pacbio等

2.    一对一用户样品采集指导：提供用户采样部位、采样方法、送样方法专业指导。

3.    样品采集-样品前处理-样品测试-数据分析全流程经验积累和配套管理。

4.    与多家科研院所和高校建立密切合作关系，保障技术在本领域的先进性。

结果展示：

1、生物学重复样本间的相关性评估：

生物学重复之间的一致性是整个实验结果可靠性的保证，是检验实验操作可重复性的一个重要指标。利用这项分析可以筛选出异常样品，对后期差异基因分析的结果进行初步评估。

2、基因差异表达分析：

样品间差异表达的基因是造成生物学差异的根本原因，是研究人员关注的重点。筛选差异基因的通常标准是：Fold Change≥2，FDR<0.01。如果样本有生物学重复，可以使用DEseq对样品组间差异表达的基因进行分析；如果没有生物学重复，可以采用EBseq差异分析差异基因。

3、基因聚类分析：

根据基因的表达模式，对相同表达特征的基因聚集在一起，从而对基因的整体表达特征进行分析。相同表达特征的基因可能功能类似，或者参与相同的生物学过程，因此可以对未知基因功能进行判断和筛选。

4、基因GO分类

GO注释系统把基因分为生物过程（biological process）、细胞组分（cellular component）和分子功能（molecular function）三大类，每个下面又分为很多小类，根据GO注释分类统计结果，可以了解每个分类的数量分布。可以分析差异基因在每个功能和通路上的富集情况，了解基因表达变化背后隐藏的生物学意义。

5、基因互作网络分析：

根据已知的蛋白质-蛋白质互作数据库，获得差异表达基因之间的对应关系，构建目的基因的互作网络。

样本要求：

RNA样品：样品浓度≥ 100 ng/uL；总量≥5ug；样本无 DNA 及杂质污染，无降解或轻微降解， 满足 2 次或 2 次以上建库用量。

生物样品：样品新鲜采集、快速超低温冷冻、干冰寄送。详细步骤根据样品特点和检测目的在采集和送样前咨询相关工作人员。

合作客户：

到目前为止，转录组学已经开展了全国范围内的客户服务。技术服务涉及的科研院所多达几十家，遍布全国十几个省市自治区，如清华大学、山东大学、协和医科大学、海南大学、内蒙古大学、中国医学科学院药用植物研究所、中科院微生物研究所、中科院生物物理研究所、中科院植物研究所等。