RNA测序相对基因表达芯片有什么优势?
RNA测序相对基因表达芯片有什么优势?
RNA-Seq和基因表达芯片相比,哪种方法更有优势?关键看适用不适用。那么RNA-Seq适用哪些研究方向?是否您的研究?来跟随本文了解一下RNA测序相对基因表达芯片有什么优势?
无假设的研究设计和更高的发现能力
RNA-Seq是一种基于测序的强大方法,让研究人员能够打破传统技术的低效和花费,如实时定量PCR(RT-PCR)和芯片。无论是将RNA-Seq添加到现有的研究方法中,还是从一种方法彻底转换到另一种,RNA-Seq都带来了许多显而易见的优势。这种方法不需要预先设计的探针,因此数据集是无偏倚的,实现了无假设的实验设计2,3。这种类型的NGS分析对转录本和变异发现研究而言是一种有力工具,而传统的芯片方法无法实现。
更宽的动态范围和更高的灵敏度
芯片测定连续探针强度,而RNA-Seq不同,它对与参考序列比对的单条序列进行定量,产生了离散的(数字)读数2。此外,通过增加或减少测序读数(覆盖水平或覆盖深度),研究人员可以微调实验的灵敏度,以适应不同的研究目标。这个过程的数字化属性以及控制覆盖水平的能力支持一个非常宽的动态范围,提供绝对而不是相对的表达值1-3。假设有1000-5000万条定位读数,则RNA-Seq的动态范围可跨越5个数量级(>105),这通常比大多数芯片技术(103)高出几个数量级2,4。因此,研究表明,RNA-Seq可检测的差异表达基因比例比表达芯片更高,特别是低丰度的基因4,5。
检测选择性剪接位点和新型异构体以及非编码RNA的能力
除了基因表达谱分析,RNA-Seq还能鉴定选择性剪接异构体、剪接位点和等位基因特异的表达–所有这些都在单个实验中完成1,2。此外,RNA-Seq还能测序极短的片段,且文库制备方法可包含或排除mRNA提取,这样它就能检测并测序小RNA及多种形式的非编码RNA,如小干扰RNA(siRNA)、microRNA(miRNA)、核仁小RNA(snoRNA)及转运RNA(tRNA)1,2。测序小片段的能力也让降解的RNA样品产生高质量的数据,如福尔马林固定、石蜡包埋(FFPE)样品6。随着转录组的新特征被不断发现,测序数据还可以重新分析。对于芯片,假设原始样品仍然可用,样品也必须重新走完整个芯片流程,从探针设计到实验室工作7。总之,RNA-Seq相对于芯片而言具有很多优势(表1)。它带来转录组范围的覆盖、宽的动态范围以及高灵敏度的独特组合,让研究人员能够研究和了解正常发育和疾病的分子机制。
表1 RNA-Seq技术与表达芯片的比较!--?
应用 |
RNA-Seq |
芯片 |
每次运行之间的重复性高 |
是 |
是 |
动态范围与细胞内真正的转录本丰度相当 |
是 |
否 |
能够检测选择性剪接位点和新的异构体 |
是 |
否 |
无参考基因组的de novo分析 |
是 |
否 |
再次分析数据 |
是 |
否 |
总结:RNA-Seq相对基因表达芯片的优势(图1)
• 在转录本水平提供灵敏且准确的基因表达测定
• 产生定性且定量的数据
• 捕获剪接点、融合、编码及多种形式的非编码RNA,如siRNA、miRNA、snoRNA和tRNA
• 覆盖非常宽的动态范围
• 在降解RNA上表现出色,如FFPE组织样品
• 在数据中维持和追踪链特异的信息
• 为发现型的应用带来一种更强大的方法
• 在大型研究和大量样品时可扩展
有了这些优势,RNA-Seq正在推动研究的步伐,在多个领域催生高影响力的论文,包括癌症研究、复杂疾病和病毒学(图2)
RNA-Seq适用哪些研究方向?
转化医学--癌症研究
通过RNA测序 (RNA-Seq)来监控癌症基因表达和转录组改变,能帮助回答疾病分类和进展等研究问题。癌症积累了大量的遗传改变,但通常只有少数改变能真正推动肿瘤发展。
转化医学--复杂疾病研究
基因表达的差异与个体间的表型变异相关联。表达数量性状位点 (eQTL) 调控mRNA表达水平,让研究人员能有效地将表达水平定位到个体之间基因组中的差异。
基础研究--农业基因组学
RNA测序正在彻底改变动植物中基因表达的探索,为发育、疾病和压力状态下的表达水平改变提供新的见解。它可用于阐明基因和蛋白的功能及相互作用,鉴定动物或植物基因组所产生的组织特异的RNA转录本列表(mRNA、非编码RNA和小RNA),以及SNP发现。
基础研究--细胞生物学
核糖体轮廓分析是一种研究翻译调控(即基因表达的调控)的强大技术。这一应用通过估计蛋白质丰度和翻译调控,在基因组学/转录组与蛋白质组学之间架起桥梁,从而增加了从RNA-Seq中获得的mRNA丰度信息。
1. Ozsolak F, Milos PM. RNA‑Sequencing: advances, challenges and opportunities. Nat Rev Genet. 2011;12:87‑98.
2. Wang Z, Gerstein M, Snyder M. RNA‑Seq: a revolutionary tool for transcriptomics. Nat Rev Genet. 2009;10:57‑63.
3. Wilhelm BT, Landry JR. RNA‑Seq—quantitative measurement of expression through massively parallel
RNA‑Sequencing. Methods. 2009;48:249‑57.
4. Zhao S, Fung-Leung WP, Bittner A, Ngo K, Liu X. Comparison of RNA‑Seq and microarray in transcriptome profiling of activated T cells. PLoS One. 2014;16;9(1):e78644.
5. Wang C, Gong B, Bushel PR, et al. The concordance between RNA‑Seq and microarray data depends on
chemical treatment and transcript abundance. Nat Biotechnol. 2014;32:926-932.
6. Illumina (2014) TruSeq RNA Access Library Prep Kit Data Sheet. (www.illumina.com/content/dam/illumina-marketing/documents/products/datasheets/datasheet-truseq-rnaaccess.pdf).
7. Illumina (2011) RNA‑Seq Data Comparison with Gene Expression Microarrays White Paper (www.europeanpharmaceuticalreview.com/wp-content/uploads/Illumina_whitepaper.pdf).
8. Grant award data obtained from the NIH website (projectreporter.nih.gov). Accessed March 2016.
转载于:https://www.cnblogs.com/wangprince2017/p/9922525.html
RNA测序相对基因表达芯片有什么优势?相关推荐
- 重磅综述:三万字长文读懂单细胞RNA测序分析的最佳实践教程 (原理、代码和评述)
原文链接: https://www.embopress.org/doi/10.15252/msb.20188746 主编评语 这篇文章最好的地方不只在于推荐了工具,提供了一套分析流程,更在于详细介绍了 ...
- Mila唐建团队新作:可迁移、可解释的单细胞RNA测序模型
[栏目:前沿进展]近日,McGill大学的李岳老师和魁北克人工智能研究所Mila唐建老师团队共同提出了一种高效.易用.可拓展.可迁移.可解释的模型--scETM,用于单细胞RNA测序工作,并于Natu ...
- 基于RNA测序技术的转录组从头拼接算法研究
基于RNA测序技术的转录组从头拼接算法研究 摘要: 生物信息学主要研究分子生物学领域,而对于分子生物学领域,转录组的从头拼接又是其核心内容,即利用转录组的测序片段拼接出整个转录组中的所有表达的转录体. ...
- Cell Research丨潘涛/骆观正合作团队揭示肠道菌群调控宿主RNA甲基化和基因表达新机制...
本文转载自BioArt,已获授权 责编丨迦溆 肠道菌群微生物组学是近年来研究热点,肠道菌群在维持宿主生理平衡和健康中发挥着重要作用,在人和动物疾病治疗方面具有极大的应用前景.研究表明,肠道菌群及其代 ...
- Nature | 基于单细胞RNA测序绘制人类肺组织分子细胞图谱,成功鉴定多种未知细胞类型...
单细胞RNA-seq技术已经在绘制器官基因表达谱研究中发挥了关键作用,但目前很难系统地鉴定和定位单个器官中所有分子细胞的类型,并创建完整的分子细胞图谱.近期发表的研究成果中,多个细胞类型特异性标记分子 ...
- 【R语言】Splatter,一个用于简单模拟单细胞RNA测序数据的R包
Splatter是一个用于模拟单细胞RNA测序数据的R包,本文概述并介绍Splatter的功能 一.参数功能 名称 功能 说明 可以通过splatEstimate函数估计 备注 nGenes -> ...
- 易基因 | 文献解读:单细胞RRBS+RNA测序揭示黄曲霉毒素B1诱导S期阻滞L02细胞肝毒性新机制
大家好,这里是专注表观组学十余年,多组学科研服务领跑者的易基因. 错过易基因11.492高分项目文章的可点击这里:项目文章 | oxBS-seq揭示了宫颈癌发生过程中的表观遗传特征变化 一起来看今天的 ...
- 单细胞RNA测序研究的实验设计指南(部分阅读)
本篇内容只了解了数据处理与数据分析两个方面,其余方向与计算的关系不是很大,故没有学习.该篇论文的出版时间为2018,我们以流程了解为主,方法新颖性比较小. 目录 数据处理 Normalization ...
- 一文了解单细胞RNA测序的可视化与统计分析如何更简单高效
单细胞RNA测序(scRNA-seq)的出现为探索单细胞水平的基因表达谱提供了前所未有的机会.目前,scRNA-seq已成为研究细胞异质性的关键生物学问题(尤其是在肿瘤学和免疫学研究中)的首选.然而, ...
- 单细胞RNA测序技术之入门指南
单细胞RNA测序技术之入门指南 [字体: 大 中 小 ] 时间:2018年09月12日 来源:生物通 编辑推荐: 在这个飞速发展的测序时代,DNA和RNA测序已经逐渐成为"实验室中的家常菜& ...
最新文章
- 关于推荐系统的一些小结
- Kubernetes容器上下文环境
- 为什么我们需要使用Pandas新字符串Dtype代替文本数据对象
- flume的各个组件及整体工作流程
- 2017 CIMS计算机集成制造系统 paper 数字孪生及其应用探索
- java界面添加mid音乐,网页添加背景音乐的源代码
- 数学建模与数学实验3.4习题1
- LoRa网关实现水表抄表无线远程数采方案
- css垂直居中怎么设?文字上下居中和图片垂直居中
- 搜索引擎的排序技术综述
- 第二章 Silicon labs EFR32 MG21 验证蓝牙的私有Characteristic的读/写
- 杏子语录(2020年12月)
- FLOJET NEMP50/7泵
- ubuntu16.04 运行SVO
- python pandas 增加一列_Python之pandas新增列
- java职业发展路线图_从程序员到CTO的Java技术路线图 JAVA职业规划 JAVA职业发展路线图 系统后台框架图、前端工程师技能图 B2C电子商务基础系统架构解析...
- pandas - 特别篇(关于读取DataFrame数据显示不完全的解决办法)
- 使用cv2.imwrite保存的图像是全黑的
- 如何自己编写字符串处理函数
- 【C语言程序设计】实验 7
热门文章
- 什么是BI工具,好用的BI工具软件排名
- android调用dll程序,安卓手机如何打开.dll文件?
- 汽车零部件开发的流程及项目管理--陈新春老师
- 程序员如何写简历之项目篇(二)
- java sqlite sqlite_busy_sqlite3出现SQLITE_BUSY错误码的原因以及解决方法
- 07_游戏破解器与文件加解密
- 推荐电视剧 大秦帝国之裂变 2008
- idea创建Springboot项目时,出现Error:java: 读取C:\Users\HP\.m2\repository\com\vaadin\external\google\android-js
- wordpress相册_如何在WordPress中使用相册创建相册
- uniapp canvas生成海报不显示问题