1. 归一化 lncRNA芯片采用的归一化的方法为quantile normalization。 2. 差异LncRNA的筛选 lncRNA芯片中既有lncRNA的探针又有mRNA的探针,分别做差异基因的筛选,筛选方法同表达谱的筛选方法是一致的,参见表达谱的差异基因筛选。 3. 差异lncRNA的重注释 lncRNA芯片注释不完善,因此需要将筛选出来的lncRNA进行重注释。将差异lncRNA在基因组上位置上下游延伸,以寻找lncRNA附近的有功能的基因。差异lncRNA重注释示例 4. 差异lncRNA靶基因的预测 lncRNA可能通过调控相应的mRNA发挥功能,因此有必要预测lncRNA的靶基因。我们提取差异lncRNA和mRNA的序列,首先用blast进行初筛,之后用RNAplex进行进一步筛选,以预测lncRNA可能调控的mRNA。差异lncRNA靶基因预测结果示例 5. 差异lncRNA与靶基因共表达网络 预测出lncRNA的靶基因后,并可进一步在mRNA的数据中探寻该mRNA是否发生表达量的变化。由此构建差异lncRNA与靶基因相互作用网络图。差异lncRNA与靶基因相互作用网络图。方框代表lncRNA,圆形代表mRNA。连线表示可能的调控关系。节点面积越大,表示调控的mRNA越多,预示该lncRNA在调控网络中所起的作用可能越大。 6. 差异lncRNA与差异mRNA的共表达分析 SBC Human lncRNA芯片能同时检测出差异表达的lncRNA和mRNA。我们将差异lncRNA和差异mRNA在一组样品中进行共表达分析,可以发现与某个lncRNA具有相同表达模式的mRNA。 要求:每组数据3个或3个以上生物学重复
1. 归一化 microRNA芯片采用的归一化的方法为quantile normalization,loess normalization。2. 差异基因筛选 microRNA的差异筛选,同表达谱的筛选方法是一致的,参见表达谱的差异基因筛选。3. miRNA靶基因预测 microRNA结合在靶基因的3’ UTR,下调靶基因.miRNA靶基因预测有多种方法.我们利用TargetScan数据库关联microRNA的靶基因。对microRNA 进行靶基因预测的结果表格4. miRNA与靶基因网络图将显著性功能与显著性Pathway所包含的靶基因取交集后与microRNA构建基因与microRNA调控网络(待确认),可以在全局的水平上直观的反应基因之间的相互关系,同时反映了基因调控网络的稳定性。根据网络中microRNA的位置函数计算出microRNA在网络中的关系强度,即microRNA的网络特征值。特征值最高microRNA处于网络的枢纽性地位,该microRNA调控能力最强,对网络结构和样本性状有重要的调控价值,同时从网络中也可以得到被microRNA调控的关键靶基因。5. miRNA-GO NetworkmiR-GO Network利用靶基因的功能注释与microRNA-mRNA靶向调控关系,构建microRNA功能调控的网络图。网络图可发现MicroRNA调控的多种基因功能,并通过网络分析,得到核心调控microRNA以及microRNA调控的核心基因功能。6. miRNA-Pathway NetworkmiR- Pathway Network与miR-GO Network类似.利用靶基因的Pathway间相互作用关系,与microRNA-mRNA靶向调控关系,构建miR- Pathway调控的网络图。网络图可发现MicroRNA调控的多种信号通路,并通过网络分析,得到核心调控microRNA以及microRNA调控的核心信号通路。7. miRNA的转录因子的预测为了研究miRNA的调控机制,首先预测miRNA的promoter区域,根据miRNA的promoter区域,利用HMM来预测结合的转录因子。8. miRNA与表达谱芯片平台的联合分析miRNA与表达谱芯片平台的联合分析除了和甲基化与表达谱芯片分析类似外,还可以将miRNA预测的靶基因和表达谱芯片的差异基因取交集,进行miRNA-DiffGene-Network。
1. 关联分析 1)Manhattan plot全基因组关联研究(Genome-wide association study,GWAS)是用来检测全基因组范围的遗传变异与可观测的性状之间的遗传关联的一种策略。在GWAS研究中的Manhattan图可以用来观测各个染色体中显著差异SNP探针的数据分布。显示在X-轴为基因组坐标,显示在Y-轴为每个单核苷酸多态性的关联P-值的负对数。Ikram MK, Xueling S, Jensen RA, Cotch MF, Hewitt AW, et al. (2010) Four Novel Loci (19q13, 6q24, 12q24, and 5q14) Influence the Microcirculation In Vivo. PLoS Genet 6(10): e1001184. doi:10.1371/journal.pgen.1001184.2)Chromosome plot每条染色体上minP的分布,横坐标为染色体上位置, 纵坐标为-log10(minP), 每个点代表一个通过筛选的SNP, 位于棕色线上方的点minP
一、 染色质免疫共沉淀测序概述染色质免疫共沉淀技术(Chromatin Immunoprecipitation,ChIP)是研究体内蛋白质与DNA相互作用的有力工具,通常用于转录因子结合位点或组蛋白特异性修饰位点的研究。将ChIP与新一代测序技术相结合的ChIP-Seq技术,能够高效地在全基因组范围内检测与组蛋白、转录因子等互作的DNA区段。ChIP-Seq首先通过染色质免疫共沉淀技术(ChIP)特异性地富集目的蛋白结合的DNA片段,并对其进行纯化与文库构建,然后对富集得到的DNA片段进行高通量测序。研究人员通过将获得的数百万条序列标签精确定位到基因组上,从而获得全基因组范围内与组蛋白、转录因子等互作的DNA区段信息。二、 染色质免疫共沉淀测序技术优势 检测覆盖范围广:全基因组范围内扫描目标区域; 检测分辨率高:更利于精确定位目标区域; 样本需要量低:需要的免疫沉淀后的DNA量可低至5-10ng; 可靠性好:避免了非特异性杂交,背景低; 性价比高:花费较少即可检测全基因组,获取准确丰富的信息。 三、 染色质免疫共沉淀测序研究内容 通过富集peak检测,研究转录因子、RNA 聚合酶或其它蛋白在基因组上结合位点及其相关基因。提取peak区域的序列,寻找结合位点的motif,并对peak 进行基因、CpG 岛、GO和KEGG 等注释和分析。对于多个样品,可进行差异分析;用于组蛋白修饰的表观遗传学研究。通过不同的特异性抗体检测DNA链的某一位置会出现何种组蛋白修饰,以及组蛋白修饰与基因表达的关系。
Illumina Human 甲基化芯片服务目前,人类甲基化芯片研究服务中,增至两款高性价比芯片产品:A. Infinium®HumanMethylation450 BeadChip 经典!(代称“450K”)B. Infinium®HumanMethylationEPIC BeadChip New!(代称“850K”) 产品名称850 K450K位点1、可检测853,307个CpG位点2、特别加强了增强子区以及基因编码区的探针覆盖;3、涵盖Infinium Methylation 450 BeadChip芯片中的>90%的内容。1、450,000多个甲基化位点;覆盖了96%的CpG岛;2、Methylation 27 BeadChip的>90%的位点。样本数每张芯片平行检测8个样本每张芯片平行检测12个样本模板量可低至250ng1µgFFPE样本适用适用正在促销中~