RNA 測序技術概覽(RNA-seq)

前言

轉錄組測序(RNA-seq)是當下最流行的二代測序(NGS)方法之一,使科研工作者實現在轉錄水平上定量、定性的研究,它的出現已經革命性地改變了人們研究基因表達調控的方式。然而,轉錄組測序(RNA-seq)其實是廣泛的概念,面對眾多的RNA-Seq技術,常常難以選擇最合適的方法。本文將概述幾種主要的 RNA-Seq 技術,并探討它們的應用和優勢。

轉錄組測序技術(RNA-seq Tech.)

下面的表格比較了幾種常見的 RNA-Seq 測序方法,并對每種方法進行了簡述。熟悉這些技術將有助于我在設計實驗時做出明智的決定

RNA-Seq分析方法比較

類型目標RNARNA選擇方法起始材料相對成本
mRNA-SeqmRNAPoly(A)選擇:利用mRNA尾部的poly(A)尾巴進行分離總RNA、細胞、組織🙂
總RNA-SeqmRNA + lncRNA去除核糖體RNA,留下其他類型的RNA總RNA、細胞、組織🙂🙂
鏈特異性 RNA-SeqmRNA和/或lncRNAPoly(A)選擇或rRNA去除總RNA、細胞、組織🙂🙂
小RNA-Seq小非編碼 RNA(miRNA、siRNA、piRNA)尺寸分級分離(通過大小分離小RNA,并連接接頭到5’磷酸用于測序)總RNA、細胞、組織🙂🙂
超低起始量RNA-SeqmRNAPoly(A)選擇總RNA(<500 ng)或細胞(<10,000)🙂🙂🙂
單細胞RNA-SeqmRNA分離單個細胞后的Poly(A)選擇 補充說明:用于研究單個細胞的基因表達差異。細胞/細胞核🙂🙂🙂🙂
Iso-Seq全長 mRNAPoly(A)選擇總RNA🙂🙂🙂🙂

mRNA = 信使RNA,編碼蛋白質的RNA
lncRNA = 長鏈非編碼RNA,不編碼蛋白質但具有調控功能的RNA
miRNA = 微小RNA,調控基因表達
siRNA = 小干擾RNA,參與RNA干擾
piRNA = Piwi相互作用RNA,與生殖細胞發育相關
rRNA = 核糖體RNA

信使RNA測序 (mRNA-Seq)

在真核生物中,成熟mRNA轉錄本具有5’端帽子結構和3’端多聚腺苷酸尾,可通過poly(A)選擇特異性富集。具體步驟包括:首先提取總RNA,隨后利用寡聚(dT)偶聯的磁珠/柱進行雜交,或使用寡聚(dT)引物進行逆轉錄。由于多聚腺苷酸化的RNA分子在大多數物種中僅占總RNA的1-5%,因此poly(A)選擇后的樣品濃度通常會降低20-100倍。純化的mRNA隨后被轉化為cDNA文庫,并通過PCR擴增以提高文庫濃度。值得注意的是,PCR擴增可能引入偏差,建議使用最少的擴增循環數(通常12-15個循環)。此外,poly(A)選擇可能導致3’端偏差,特別是在RNA部分降解的樣本中。盡管存在這些局限性,poly(A)選擇仍是真核mRNA文庫制備中最經濟且最廣泛使用的方法。

總RNA測序 (Total RNA-Seq)

總RNA-Seq適用于對蛋白質編碼RNA和各類非編碼RNA進行全面分析。這些非編碼RNA包括長鏈非編碼RNA (lncRNA)、環狀RNA (circRNA)和其他調控RNA。特別是lncRNA,它們在基因組中具有重要的表觀遺傳調控功能,但由于很多lncRNA缺乏poly(A)尾,在常規mRNA-Seq中往往被忽略。在總RNA-Seq中,需要先去除占比高達80-90%的核糖體RNA (rRNA)。主要的rRNA去除方法包括:

  1. Ribo-Zero技術:使用與rRNA互補的生物素化探針;
  2. RNase H方法:使用DNA寡核苷酸引導RNase H特異性降解rRNA;
  3. rRNA反義寡核苷酸捕獲法:使用互補序列直接捕獲并去除rRNA;

鏈特異性RNA測序 (Strand-Specific RNA-Seq)

轉錄本的極性信息對于基因功能注釋和轉錄組分析至關重要。由于真核基因組中存在大量重疊基因和反義轉錄本,識別轉錄本的來源鏈可以提供重要的調控信息。然而,在標準RNA-Seq文庫制備過程中,轉錄本的極性信息常常丟失。鏈特異性RNA-Seq通過特殊的文庫制備方法保留了這些關鍵信息。主要的鏈特異性文庫構建方法包括:

  • dUTP第二鏈標記法:在第二鏈cDNA合成時加入dUTP,后續選擇性降解含U鏈(如下圖);
  • 5’端接頭連接法:利用RNA分子5’端的帽子結構定向連接接頭;
  • 3’端接頭連接法:在RNA片段化后進行定向接頭連接;
  • 鏈特異性測序可以與mRNA-Seq或總RNA-Seq結合使用,能夠:準確鑒定反義轉錄本;分析重疊基因的表達;研究順式/反式調控元件;提高轉錄組拼接的準確性等;
    在這里插入圖片描述

鏈特異性RNA文庫制備。在第二鏈合成過程中摻入dUTP以及隨后的尿嘧啶特異性消化可以選擇性地保留第一鏈cDNA

小RNA測序 (Small RNA-Seq)

小 RNA,如 microRNA (miRNA) 和小干擾 RNA (siRNA),在基因調控中發揮著重要作用。Small RNA-Seq 通過尺寸分級分離從總 RNA 中選擇小 RNA 進行測序。文庫制備通常包括將測序接頭連接到 Dicer 修飾的小 RNA 5’ 磷酸末端。小 RNA 片段隨后被逆轉錄成 cDNA 并進行測序。由于小 RNA 分子長度較短 (可短至 21 個核苷酸),可以使用較少的測序循環數 (例如 1×50 bp)。

超低起始量RNA測序 (Ultra-Low Input RNA-Seq)

標準 RNA-Seq 方法通常需要大量的完整 RNA (>500 ng)。對于 RNA 產量低或降解的樣品,需要額外的擴增步驟和更高的測序深度以提高數據輸出,但這容易導致轉錄偏差。超低起始量 RNA-Seq 方法能夠選擇性擴增全長轉錄本,同時最大限度地減少偏差,使得研究人員能夠對少量細胞的樣品進行 RNA-Seq。

單細胞RNA測序 (scRNA-Seq)

與傳統的“批量”RNA-Seq 不同,scRNA-Seq 能夠捕獲單個細胞的轉錄組,揭示復雜細胞群體中基因表達的異質性。scRNA-Seq 通常使用微流體(華大、10X等)或微孔技術(華大、BD、新格元等)分離單個細胞,并在文庫制備過程中為每個轉錄本添加唯一的條形碼,以便通過生物信息學分析追溯到其來源細胞。
在這里插入圖片描述

全長轉錄本測序 (Iso-Seq)

Iso-Seq 技術,例如 PacBio? 開發的平臺,使用長讀長測序技術對全長轉錄本進行測序,無需組裝。 這使得能夠直接識別轉錄本起始位點、多聚腺苷酸化位點和剪接位點。Iso-Seq 可用于表征轉錄組中的所有異構體,其應用包括基因組注釋、基因融合檢測和新異構體的發現。可變剪接導致單個基因編碼多種異構體,這可以通過Iso-Seq有效地進行分析。
在這里插入圖片描述

選擇指南

選擇合適的 RNA-Seq 測定方法取決于幾個因素,包括:實驗目標、感興趣的 RNA 種類(編碼、非編碼或兩者)
、材料、是否有參考轉錄組等。準確定義生物學問題至關重要,有一個清晰而具體的目標將幫助確定需要哪種類型的 NGS 數據,進而確定哪種 RNA-Seq 方法最合適。 下面是一個簡化的樹,可以輔助決策
在這里插入圖片描述

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/66951.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/66951.shtml
英文地址,請注明出處:http://en.pswp.cn/web/66951.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

C語言練習(16)

猴子吃桃問題。猴子第一天摘下若干個桃子&#xff0c;當即吃了一半&#xff0c;還不過癮&#xff0c;又多吃了一個。第二天早上又將剩下的桃子吃掉一半&#xff0c;又多吃了一個。以后每天早上都吃了前一天剩下的一半加一個。到第10天早上想再吃時&#xff0c;見只剩一個桃子了…

【機器學習】自定義數據集使用框架的線性回歸方法對其進行擬合

一、使用框架的線性回歸方法 1. 基礎原理 在自求導線性回歸中&#xff0c;我們需要先自定義參數&#xff0c;并且需要通過數學公式來對w和b進行求導&#xff0c;然后在反向傳播過程中通過梯度下降的方式來更新參數&#xff0c;從而降低損失值。 2. 實現步驟 ① 散點輸入 有一…

pytest執行報錯:found no collectors

今天在嘗試使用pytest運行用例的時候出現報錯&#xff1a;found no collectors&#xff1b;從兩個方向進行排查&#xff0c;一是看文件名和函數名是不是符合規范&#xff0c;命名要是"test_*"格式&#xff1b;二是是否存在修改文件名的情況&#xff0c;如果修改過文件…

mysql-06.JDBC

目錄 什么是JDBC: 為啥存在JDBC: JDBC工作原理&#xff1a; JDBC的優勢&#xff1a; 下載mysql驅動包&#xff1a; 用java程序操作數據庫 1.創建dataSource: 2.與服務端建立連接 3.構造sql語句 4.執行sql 5.關閉連接&#xff0c;釋放資源 參考代碼&#xff1a; 插…

微信小程序wxs實現UTC轉北京時間

微信小程序實現UTC轉北京時間 打臉一刻&#xff1a;最近在迭代原生微信小程序&#xff0c;好一段時間沒寫原生的&#xff0c;有點不習慣&#xff1b; 咦&#xff0c;更新數據咋不生效呢&#xff1f;原來還停留在 this.xxx&#xff1b; 喲&#xff0c;事件又沒反應了&#xff1f…

機器學習-線性回歸(對于f(x;w)=w^Tx+b理解)

一、&#x1d453;(&#x1d499;;&#x1d498;) &#x1d498;T&#x1d499;的推導 學習線性回歸&#xff0c;我們那先要對于線性回歸的表達公示&#xff0c;有所認識。 我們先假設空間是一組參數化的線性函數&#xff1a; 其中權重向量&#x1d498; ∈ R&#x1d437; …

R語言學習筆記之語言入門基礎

一、R語言基礎 快速熟悉R語言中的基本概念&#xff0c;先入個門。 1、運算符 運算符含義例子加1 1-減3 - 2*乘3 * 2/除9 / 3^(**)乘方2 ^ 3 2 ** 3%%取余5 %% 2%/%取整5 %/% 2 2、賦值符號 等號a 1三者等價&#xff1a;把1賦值給變量a左箭頭<?a <- 1右箭頭?&g…

計算機網絡三張表(ARP表、MAC表、路由表)總結

參考&#xff1a; 網絡三張表&#xff1a;ARP表, MAC表, 路由表&#xff0c;實現你的網絡自由&#xff01;&#xff01;_mac表、arp表、路由表-CSDN博客 網絡中的三張表&#xff1a;ARP表、MAC表、路由表 首先要明確一件事&#xff0c;如果一個主機要發送數據&#xff0c;那么必…

【Nomoto 船舶模型】

【Nomoto 船舶模型】 1. Nomoto 船舶模型簡介2. 來源及發展歷程3. 構建 一階模型Nomoto 船舶模型3.1 C 實現3.2 Python 實現3.3 說明 5. 參數辨識方法5.1 基于最小二乘法的參數辨識5.2 數學推導5.3 Python 實現5.4 說明 4. 結論參考文獻 1. Nomoto 船舶模型簡介 Nomoto 模型是…

差分進化算法 (Differential Evolution) 算法詳解及案例分析

差分進化算法 (Differential Evolution) 算法詳解及案例分析 目錄 差分進化算法 (Differential Evolution) 算法詳解及案例分析1. 引言2. 差分進化算法 (DE) 算法原理2.1 基本概念2.2 算法步驟3. 差分進化算法的優勢與局限性3.1 優勢3.2 局限性4. 案例分析4.1 案例1: 單目標優化…

深入理解GPT底層原理--從n-gram到RNN到LSTM/GRU到Transformer/GPT的進化

從簡單的RNN到復雜的LSTM/GRU,再到引入注意力機制,研究者們一直在努力解決序列建模的核心問題。每一步的進展都為下一步的突破奠定了基礎,最終孕育出了革命性的Transformer架構和GPT大模型。 1. 從n-gram到循環神經網絡(RNN)的誕生 1.1 N-gram 模型 在深度學習興起之前,處理…

【JWT】jwt實現HS、RS、ES、ED簽名與驗簽

JWT 實現 HS、RS、ES 和 ED 簽名與驗簽 簽名方式算法密鑰類型簽名要點驗簽要點HSHMAC-SHA256對稱密鑰- 使用 crypto/hmac 和對稱密鑰生成 HMAC 簽名- 將 header.payload 作為數據輸入- 使用同一密鑰重新計算 HMAC 簽名- 比較計算結果與接收到的簽名是否一致RSRSA-SHA256公鑰 …

地址欄信息location

獲取信息 頁面跳轉 location.href當前地址欄信息 location.assign()設置跳轉新的頁面 location.replace() location.reload()刷新頁面

程序員轉型測試:解鎖漏洞挖掘新旅程

前言&#xff1a;哈嘍&#xff0c;大家好&#xff0c;今天給大家分享一篇文章&#xff01;并提供具體代碼幫助大家深入理解&#xff0c;徹底掌握&#xff01;創作不易&#xff0c;如果能幫助到大家或者給大家一些靈感和啟發&#xff0c;歡迎收藏關注哦 &#x1f495; 目錄 程序…

StarRocks常用命令

目錄 1、StarRocks 集群管理&配置命令 2、StarRocks 常用操作命令 3、StarRocks 數據導入和導出 1、StarRocks 集群管理&配置命令 查詢 FE 節點信息 SHOW frontends; SHOW PROC /frontends; mysql -h192.168.1.250 -P9030 -uroot -p -e "SHOW PROC /dbs;"…

08-ArcGIS For JavaScript-通過Mesh繪制幾何體(Cylinder,Circle,Box,Pyramid)

目錄 概述代碼實現1、Mesh.createBox2、createPyramid3、Mesh.createSphere4、Mesh.createCylinder 完整代碼 概述 對于三維場景而言&#xff0c;二位的點、線、面&#xff0c;三維的圓、立方體、圓柱等都是比較常見的三維對象&#xff0c;在ArcGIS For JavaScript中我們知道點…

Linux中page、buffer_head、bio的關系

在Linux中&#xff0c;page、buffer_head、bio這三個概念緊密相關&#xff0c;共同構成了塊設備I/O和內存管理的重要部分&#xff0c;它們的聯系主要體現在以下方面&#xff1a; page與buffer_head 基于page構建&#xff1a;buffer_head通常是基于page來構建的&#xff0c;一…

直線擬合例子 ,嶺回歸擬合直線

目錄 直線擬合,算出離群點 嶺回歸擬合直線&#xff1a; 直線擬合,算出離群點 import cv2 import numpy as np# 輸入的點 points np.array([[51, 149],[122, 374],[225, 376],[340, 382],[463, 391],[535, 298],[596, 400],[689, 406],[821, 407] ], dtypenp.float32)# 使用…

SpringCloud兩種注冊中心

SpringCloud 基本概念 系統架構 我們之前做的所有的項目都屬于單體架構&#xff0c;下面我們將要學習更適合大型項目的分布式架構 單體架構&#xff1a; 將業務的所有功能幾種在一個項目中開發&#xff0c;打成一個包部署。 優點&#xff1a;架構簡單、部署成本低 缺點&am…

SpringAI 搭建智能體(二):搭建客服系統智能體

在現代人工智能應用中&#xff0c;智能體&#xff08;Agent&#xff09; 是一個重要的概念&#xff0c;它的核心能力是自主性與靈活性。一個智能體不僅能夠理解用戶的需求&#xff0c;還能拆解任務、調用工具完成具體操作&#xff0c;并在復雜場景中高效運行。在本篇博客中&…