转录组测序 
  
 
  
转录组测序(transcriptome sequencing)的研究对象为特定细胞在某一功能状态下所能转录出来的mRNA的集合,可从整体水平研究基因功能以及基因结构,发现不同生理或者病理状态下细胞、组织或个体内差异表达的基因。目前已广泛应用于基础研究、分子育种、临床诊断和药物研发等领域。 
  
  
方案设计 
 
  
转录组实验设计思路为差异比较,常见的类型即为实验组与对照组(case vs control),进行两两比较;如果再将时空因素考虑在内,比如按照不同生长发育阶段或者疾病发生发展整个过程进行比较,即进行多重比较分析。在进行取样 时,每一组样品建议设置至少3个生物学重复。在常规信息分析之外,公司还提供多种高级分析项目。 
技术线路
高级分析内容 
 
  
| 
 高级分析内容  | 
 要 求  |  
| 
 基因共表达网络分析  | 
 样本数大于24个  |  
| 
 PCA分析  | 
 提供相关影响因素  |  
| 
 差异mRNA蛋白互作网络分析  | 
 指定关注基因  |  
| 
 转录因子分析  | 
 适用于植物物种  |  
| 
 样本特异表达及共有表达基因分析  | 
 提供分组信息  |  
| 
 样品间相关性分析  | 
 提供分组信息  |  
| 
 Q-Q plot分析  | 
 提供分组信息  |  
| 
 mRNA与miRNA互作分析  | 
 提供miRNA数据  |  
| 
 mRNA与lncRNA互作分析  | 
 提供lncRNA数据  |  
| 
 不同样品间基因的eggNOG比较分析  | 
 提供分组信息  |  
| 
 不同样品间差异基因的GO比较分析  | 
 提供分组信息  |  
| 
 DEU分析  | 
 适用于有生物学重复  |  
| 
 组间共有特有差异基因可视化  | 
 实验分组≥3  |   
  
  
高级分析结果展示 
 
  
基因共表达网络分析:WGCNA(Weighted correlation network analysis)是相关性网络分析的一种。用于分析不同样品中高度相关的基因形成的模块、这些模块的表征基因(module eigengene)和关键节点基因(hubgene)、基因模块与表型之间的关系等。常用来寻找潜在的生物标记分子(biomarker)或治疗靶标。部分结果展示如下: 
  
  
  
  
间共有差异基因网络调控图:组间共有差异基因分析,不同颜色的圆圈代表不同组的两两比较,并列出差异基因,交叉的部分代表不同组之间的共有差异基因。 
  
  
  
  
  
*组间共有差异基因网络调控图   |