多组学分析FAQ汇总

• • 前5种多组学分析方法

  基因组学+转录组学 结合 RNA-Seq 可以帮助研究人员对变异进行注释和优先排序，以进行功能分析，了解疾病机制。功能基因组学的多组学方法可以帮助推动药物靶标识别和生物标志物发现。 基因组学+表观遗传学 全面的表观遗传分析可以揭示基因调控模式，以帮助发现 GWAS 识别的变体的功能。将甲基

• • 什么是RNA-Seq？

  RNA-Seq是一种利用下一代测序技术进行转录组分析的方法。RNA-Seq提供了每个样品中RNA序列的全面、定量和无偏倚的视图，是目前可用于分析基因表达的最强大的工具。相关服务:多组学整合分析

• • 转录组测序——接受哪些起始材料？

  我们建议从总RNA开始。但是，我们在从各种材料（包括细胞团块、新鲜冷冻组织、血液和FFPE载玻片）中提取RNA方面拥有丰富的经验。我们还接受用于超低输入RNA-Seq的分选细胞。相关服务:多组学整合分析

• • 转录组测序——用什么方法去除核糖体RNA？

  由于核糖体RNA（rRNA）占总RNA的大部分，因此去除它对于其他RNA种类（如mRNA、长链非编码RNA（lncRNA）和小RNA）的高效测序是必要的。 对于标准和链特异性RNA-Seq，您可以选择poly-A选择或rRNA耗尽方法。Poly-A选择对于真核生物中mRNA的研究是足够的。分

• • 转录组测序——我的实验需要多少次读数？

  所需的读取次数取决于基因组大小、已知基因的数量和转录本。通常，我们建议小基因组（例如细菌）每个样本读取500万至1000万次，大基因组（例如人类、小鼠）每个样本读取2000万至3000万次。中等基因组通常取决于项目，但我们通常建议每个样本进行1500万至2000万次读取。对于从头转录组组装项

• • RNA-Seq项目有哪些生物信息学服务？

  我们为所有项目提供FASTQ文件的原始数据。我们还拥有先进的生物信息学能力，可提供可选的数据分析服务，包括： 标准RNA分析包：图谱、差异基因表达、可变剪接和基因本体分析； 基因融合发现； SNP/INDEL检测； 新转录本发现； 无参考的序列的从头转录组组装。相关服务:多组学整合分析

• • 单细胞RNA-Seq与标准RNA-Seq和超低输入RNA-Seq有何不同？

  标准RNA-Seq产生所有细胞平均转录状态的代表性快照。传统RNA-Seq需要注意的是单个细胞和细胞亚群的分辨率的丢失。单细胞RNA-Seq使研究人员不仅可以鉴定细胞亚群，还可以在异质样品中的单细胞水平上进行全面查询。 与标准RNA-Seq类似，超低输入RNA-Seq提供整个细胞群的批量表达

• • RNA-Seq使用哪些测序平台？

  标准（Standard）、链特异性（Strand-Specific）、单细胞（Single-Cell）、小型（Small）和超低输入（Ultra-Low Input）RNA-Seq在Illumina平台上使用短读测序，例如NovaSeq和HiSeq。Iso-Seq在PacBio Sequel

• • 基于Illumina的RNA-Seq与PacBio上的Iso-Seq相比如何？

  一般来说，当对定性终点感兴趣时，Iso-Seq优于Illumina方法，例如选择性剪接、选择性多聚腺苷酸化、基因组注释和新转录本检测。对于定量评估（例如，一个样本中转录本A与B的表达，或样本1与样本2中转录本C的表达），推荐使用短读方法，因为可以获得更多的读取次数。相关服务:多组学整合分析

• • 你们能从相同的总RNA样本中制备出小RNA库和标准RNA库吗?

  可以，如果提供足够的材料并且总RNA样本中含有小RNA。由于Standard RNA- seq和Small RNA- seq使用不同的文库制备方法，所以必须对总RNA样本进行拆分。相关服务:多组学整合分析