RNA 测序技术概览(RNA-seq)

前言

转录组测序(RNA-seq)是当下最流行的二代测序(NGS)方法之一,使科研工作者实现在转录水平上定量、定性的研究,它的出现已经革命性地改变了人们研究基因表达调控的方式。然而,转录组测序(RNA-seq)其实是广泛的概念,面对众多的RNA-Seq技术,常常难以选择最合适的方法。本文将概述几种主要的 RNA-Seq 技术,并探讨它们的应用和优势。

转录组测序技术(RNA-seq Tech.)

下面的表格比较了几种常见的 RNA-Seq 测序方法,并对每种方法进行了简述。熟悉这些技术将有助于我在设计实验时做出明智的决定

RNA-Seq分析方法比较

类型目标RNARNA选择方法起始材料相对成本
mRNA-SeqmRNAPoly(A)选择:利用mRNA尾部的poly(A)尾巴进行分离总RNA、细胞、组织🙂
总RNA-SeqmRNA + lncRNA去除核糖体RNA,留下其他类型的RNA总RNA、细胞、组织🙂🙂
链特异性 RNA-SeqmRNA和/或lncRNAPoly(A)选择或rRNA去除总RNA、细胞、组织🙂🙂
小RNA-Seq小非编码 RNA(miRNA、siRNA、piRNA)尺寸分级分离(通过大小分离小RNA,并连接接头到5’磷酸用于测序)总RNA、细胞、组织🙂🙂
超低起始量RNA-SeqmRNAPoly(A)选择总RNA(<500 ng)或细胞(<10,000)🙂🙂🙂
单细胞RNA-SeqmRNA分离单个细胞后的Poly(A)选择 补充说明:用于研究单个细胞的基因表达差异。细胞/细胞核🙂🙂🙂🙂
Iso-Seq全长 mRNAPoly(A)选择总RNA🙂🙂🙂🙂

mRNA = 信使RNA,编码蛋白质的RNA
lncRNA = 长链非编码RNA,不编码蛋白质但具有调控功能的RNA
miRNA = 微小RNA,调控基因表达
siRNA = 小干扰RNA,参与RNA干扰
piRNA = Piwi相互作用RNA,与生殖细胞发育相关
rRNA = 核糖体RNA

信使RNA测序 (mRNA-Seq)

在真核生物中,成熟mRNA转录本具有5’端帽子结构和3’端多聚腺苷酸尾,可通过poly(A)选择特异性富集。具体步骤包括:首先提取总RNA,随后利用寡聚(dT)偶联的磁珠/柱进行杂交,或使用寡聚(dT)引物进行逆转录。由于多聚腺苷酸化的RNA分子在大多数物种中仅占总RNA的1-5%,因此poly(A)选择后的样品浓度通常会降低20-100倍。纯化的mRNA随后被转化为cDNA文库,并通过PCR扩增以提高文库浓度。值得注意的是,PCR扩增可能引入偏差,建议使用最少的扩增循环数(通常12-15个循环)。此外,poly(A)选择可能导致3’端偏差,特别是在RNA部分降解的样本中。尽管存在这些局限性,poly(A)选择仍是真核mRNA文库制备中最经济且最广泛使用的方法。

总RNA测序 (Total RNA-Seq)

总RNA-Seq适用于对蛋白质编码RNA和各类非编码RNA进行全面分析。这些非编码RNA包括长链非编码RNA (lncRNA)、环状RNA (circRNA)和其他调控RNA。特别是lncRNA,它们在基因组中具有重要的表观遗传调控功能,但由于很多lncRNA缺乏poly(A)尾,在常规mRNA-Seq中往往被忽略。在总RNA-Seq中,需要先去除占比高达80-90%的核糖体RNA (rRNA)。主要的rRNA去除方法包括:

  1. Ribo-Zero技术:使用与rRNA互补的生物素化探针;
  2. RNase H方法:使用DNA寡核苷酸引导RNase H特异性降解rRNA;
  3. rRNA反义寡核苷酸捕获法:使用互补序列直接捕获并去除rRNA;

链特异性RNA测序 (Strand-Specific RNA-Seq)

转录本的极性信息对于基因功能注释和转录组分析至关重要。由于真核基因组中存在大量重叠基因和反义转录本,识别转录本的来源链可以提供重要的调控信息。然而,在标准RNA-Seq文库制备过程中,转录本的极性信息常常丢失。链特异性RNA-Seq通过特殊的文库制备方法保留了这些关键信息。主要的链特异性文库构建方法包括:

  • dUTP第二链标记法:在第二链cDNA合成时加入dUTP,后续选择性降解含U链(如下图);
  • 5’端接头连接法:利用RNA分子5’端的帽子结构定向连接接头;
  • 3’端接头连接法:在RNA片段化后进行定向接头连接;
  • 链特异性测序可以与mRNA-Seq或总RNA-Seq结合使用,能够:准确鉴定反义转录本;分析重叠基因的表达;研究顺式/反式调控元件;提高转录组拼接的准确性等;
    在这里插入图片描述

链特异性RNA文库制备。在第二链合成过程中掺入dUTP以及随后的尿嘧啶特异性消化可以选择性地保留第一链cDNA

小RNA测序 (Small RNA-Seq)

小 RNA,如 microRNA (miRNA) 和小干扰 RNA (siRNA),在基因调控中发挥着重要作用。Small RNA-Seq 通过尺寸分级分离从总 RNA 中选择小 RNA 进行测序。文库制备通常包括将测序接头连接到 Dicer 修饰的小 RNA 5’ 磷酸末端。小 RNA 片段随后被逆转录成 cDNA 并进行测序。由于小 RNA 分子长度较短 (可短至 21 个核苷酸),可以使用较少的测序循环数 (例如 1×50 bp)。

超低起始量RNA测序 (Ultra-Low Input RNA-Seq)

标准 RNA-Seq 方法通常需要大量的完整 RNA (>500 ng)。对于 RNA 产量低或降解的样品,需要额外的扩增步骤和更高的测序深度以提高数据输出,但这容易导致转录偏差。超低起始量 RNA-Seq 方法能够选择性扩增全长转录本,同时最大限度地减少偏差,使得研究人员能够对少量细胞的样品进行 RNA-Seq。

单细胞RNA测序 (scRNA-Seq)

与传统的“批量”RNA-Seq 不同,scRNA-Seq 能够捕获单个细胞的转录组,揭示复杂细胞群体中基因表达的异质性。scRNA-Seq 通常使用微流体(华大、10X等)或微孔技术(华大、BD、新格元等)分离单个细胞,并在文库制备过程中为每个转录本添加唯一的条形码,以便通过生物信息学分析追溯到其来源细胞。
在这里插入图片描述

全长转录本测序 (Iso-Seq)

Iso-Seq 技术,例如 PacBio® 开发的平台,使用长读长测序技术对全长转录本进行测序,无需组装。 这使得能够直接识别转录本起始位点、多聚腺苷酸化位点和剪接位点。Iso-Seq 可用于表征转录组中的所有异构体,其应用包括基因组注释、基因融合检测和新异构体的发现。可变剪接导致单个基因编码多种异构体,这可以通过Iso-Seq有效地进行分析。
在这里插入图片描述

选择指南

选择合适的 RNA-Seq 测定方法取决于几个因素,包括:实验目标、感兴趣的 RNA 种类(编码、非编码或两者)
、材料、是否有参考转录组等。准确定义生物学问题至关重要,有一个清晰而具体的目标将帮助确定需要哪种类型的 NGS 数据,进而确定哪种 RNA-Seq 方法最合适。 下面是一个简化的树,可以辅助决策
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/66951.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C语言练习(16)

猴子吃桃问题。猴子第一天摘下若干个桃子&#xff0c;当即吃了一半&#xff0c;还不过瘾&#xff0c;又多吃了一个。第二天早上又将剩下的桃子吃掉一半&#xff0c;又多吃了一个。以后每天早上都吃了前一天剩下的一半加一个。到第10天早上想再吃时&#xff0c;见只剩一个桃子了…

【机器学习】自定义数据集使用框架的线性回归方法对其进行拟合

一、使用框架的线性回归方法 1. 基础原理 在自求导线性回归中&#xff0c;我们需要先自定义参数&#xff0c;并且需要通过数学公式来对w和b进行求导&#xff0c;然后在反向传播过程中通过梯度下降的方式来更新参数&#xff0c;从而降低损失值。 2. 实现步骤 ① 散点输入 有一…

pytest执行报错:found no collectors

今天在尝试使用pytest运行用例的时候出现报错&#xff1a;found no collectors&#xff1b;从两个方向进行排查&#xff0c;一是看文件名和函数名是不是符合规范&#xff0c;命名要是"test_*"格式&#xff1b;二是是否存在修改文件名的情况&#xff0c;如果修改过文件…

mysql-06.JDBC

目录 什么是JDBC: 为啥存在JDBC: JDBC工作原理&#xff1a; JDBC的优势&#xff1a; 下载mysql驱动包&#xff1a; 用java程序操作数据库 1.创建dataSource: 2.与服务端建立连接 3.构造sql语句 4.执行sql 5.关闭连接&#xff0c;释放资源 参考代码&#xff1a; 插…

微信小程序wxs实现UTC转北京时间

微信小程序实现UTC转北京时间 打脸一刻&#xff1a;最近在迭代原生微信小程序&#xff0c;好一段时间没写原生的&#xff0c;有点不习惯&#xff1b; 咦&#xff0c;更新数据咋不生效呢&#xff1f;原来还停留在 this.xxx&#xff1b; 哟&#xff0c;事件又没反应了&#xff1f…

机器学习-线性回归(对于f(x;w)=w^Tx+b理解)

一、&#x1d453;(&#x1d499;;&#x1d498;) &#x1d498;T&#x1d499;的推导 学习线性回归&#xff0c;我们那先要对于线性回归的表达公示&#xff0c;有所认识。 我们先假设空间是一组参数化的线性函数&#xff1a; 其中权重向量&#x1d498; ∈ R&#x1d437; …

R语言学习笔记之语言入门基础

一、R语言基础 快速熟悉R语言中的基本概念&#xff0c;先入个门。 1、运算符 运算符含义例子加1 1-减3 - 2*乘3 * 2/除9 / 3^(**)乘方2 ^ 3 2 ** 3%%取余5 %% 2%/%取整5 %/% 2 2、赋值符号 等号a 1三者等价&#xff1a;把1赋值给变量a左箭头<−a <- 1右箭头−&g…

计算机网络三张表(ARP表、MAC表、路由表)总结

参考&#xff1a; 网络三张表&#xff1a;ARP表, MAC表, 路由表&#xff0c;实现你的网络自由&#xff01;&#xff01;_mac表、arp表、路由表-CSDN博客 网络中的三张表&#xff1a;ARP表、MAC表、路由表 首先要明确一件事&#xff0c;如果一个主机要发送数据&#xff0c;那么必…

【Nomoto 船舶模型】

【Nomoto 船舶模型】 1. Nomoto 船舶模型简介2. 来源及发展历程3. 构建 一阶模型Nomoto 船舶模型3.1 C 实现3.2 Python 实现3.3 说明 5. 参数辨识方法5.1 基于最小二乘法的参数辨识5.2 数学推导5.3 Python 实现5.4 说明 4. 结论参考文献 1. Nomoto 船舶模型简介 Nomoto 模型是…

差分进化算法 (Differential Evolution) 算法详解及案例分析

差分进化算法 (Differential Evolution) 算法详解及案例分析 目录 差分进化算法 (Differential Evolution) 算法详解及案例分析1. 引言2. 差分进化算法 (DE) 算法原理2.1 基本概念2.2 算法步骤3. 差分进化算法的优势与局限性3.1 优势3.2 局限性4. 案例分析4.1 案例1: 单目标优化…

深入理解GPT底层原理--从n-gram到RNN到LSTM/GRU到Transformer/GPT的进化

从简单的RNN到复杂的LSTM/GRU,再到引入注意力机制,研究者们一直在努力解决序列建模的核心问题。每一步的进展都为下一步的突破奠定了基础,最终孕育出了革命性的Transformer架构和GPT大模型。 1. 从n-gram到循环神经网络(RNN)的诞生 1.1 N-gram 模型 在深度学习兴起之前,处理…

【JWT】jwt实现HS、RS、ES、ED签名与验签

JWT 实现 HS、RS、ES 和 ED 签名与验签 签名方式算法密钥类型签名要点验签要点HSHMAC-SHA256对称密钥- 使用 crypto/hmac 和对称密钥生成 HMAC 签名- 将 header.payload 作为数据输入- 使用同一密钥重新计算 HMAC 签名- 比较计算结果与接收到的签名是否一致RSRSA-SHA256公钥 …

地址栏信息location

获取信息 页面跳转 location.href当前地址栏信息 location.assign()设置跳转新的页面 location.replace() location.reload()刷新页面

程序员转型测试:解锁漏洞挖掘新旅程

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;今天给大家分享一篇文章&#xff01;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;创作不易&#xff0c;如果能帮助到大家或者给大家一些灵感和启发&#xff0c;欢迎收藏关注哦 &#x1f495; 目录 程序…

StarRocks常用命令

目录 1、StarRocks 集群管理&配置命令 2、StarRocks 常用操作命令 3、StarRocks 数据导入和导出 1、StarRocks 集群管理&配置命令 查询 FE 节点信息 SHOW frontends; SHOW PROC /frontends; mysql -h192.168.1.250 -P9030 -uroot -p -e "SHOW PROC /dbs;"…

08-ArcGIS For JavaScript-通过Mesh绘制几何体(Cylinder,Circle,Box,Pyramid)

目录 概述代码实现1、Mesh.createBox2、createPyramid3、Mesh.createSphere4、Mesh.createCylinder 完整代码 概述 对于三维场景而言&#xff0c;二位的点、线、面&#xff0c;三维的圆、立方体、圆柱等都是比较常见的三维对象&#xff0c;在ArcGIS For JavaScript中我们知道点…

Linux中page、buffer_head、bio的关系

在Linux中&#xff0c;page、buffer_head、bio这三个概念紧密相关&#xff0c;共同构成了块设备I/O和内存管理的重要部分&#xff0c;它们的联系主要体现在以下方面&#xff1a; page与buffer_head 基于page构建&#xff1a;buffer_head通常是基于page来构建的&#xff0c;一…

直线拟合例子 ,岭回归拟合直线

目录 直线拟合,算出离群点 岭回归拟合直线&#xff1a; 直线拟合,算出离群点 import cv2 import numpy as np# 输入的点 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两种注册中心

SpringCloud 基本概念 系统架构 我们之前做的所有的项目都属于单体架构&#xff0c;下面我们将要学习更适合大型项目的分布式架构 单体架构&#xff1a; 将业务的所有功能几种在一个项目中开发&#xff0c;打成一个包部署。 优点&#xff1a;架构简单、部署成本低 缺点&am…

SpringAI 搭建智能体(二):搭建客服系统智能体

在现代人工智能应用中&#xff0c;智能体&#xff08;Agent&#xff09; 是一个重要的概念&#xff0c;它的核心能力是自主性与灵活性。一个智能体不仅能够理解用户的需求&#xff0c;还能拆解任务、调用工具完成具体操作&#xff0c;并在复杂场景中高效运行。在本篇博客中&…