• <tr id='AcezZJ'><strong id='AcezZJ'></strong><small id='AcezZJ'></small><button id='AcezZJ'></button><li id='AcezZJ'><noscript id='AcezZJ'><big id='AcezZJ'></big><dt id='AcezZJ'></dt></noscript></li></tr><ol id='AcezZJ'><option id='AcezZJ'><table id='AcezZJ'><blockquote id='AcezZJ'><tbody id='AcezZJ'></tbody></blockquote></table></option></ol><u id='AcezZJ'></u><kbd id='AcezZJ'><kbd id='AcezZJ'></kbd></kbd>

    <code id='AcezZJ'><strong id='AcezZJ'></strong></code>

    <fieldset id='AcezZJ'></fieldset>
          <span id='AcezZJ'></span>

              <ins id='AcezZJ'></ins>
              <acronym id='AcezZJ'><em id='AcezZJ'></em><td id='AcezZJ'><div id='AcezZJ'></div></td></acronym><address id='AcezZJ'><big id='AcezZJ'><big id='AcezZJ'></big><legend id='AcezZJ'></legend></big></address>

              <i id='AcezZJ'><div id='AcezZJ'><ins id='AcezZJ'></ins></div></i>
              <i id='AcezZJ'></i>
            1. <dl id='AcezZJ'></dl>
              1. <blockquote id='AcezZJ'><q id='AcezZJ'><noscript id='AcezZJ'></noscript><dt id='AcezZJ'></dt></q></blockquote><noframes id='AcezZJ'><i id='AcezZJ'></i>

                logo

                logo

                产品服务

                Sequencing services

                DNA测序+
                RNA测序+
                蛋白质组学+
                代谢组学+
                单细胞测序 -
                Dr. Tom系统+
                其他服务+
                • 首页空间『转录组

                空间转录组

                ? ? ? ?空间转◢录组技术2020年被nature method评为年度技术,基于单细胞组学在近三年发展起来的新兴领域,可以解析时间和空间维々度上单个细胞╳的基因表达模式,以及细胞类群的空间位置∞关系及生物学特征。对于理解细胞生物学,发育生物学,神经生物学,肿瘤生物学等的关键信息至关重∩要,因特定的细胞类型及其☆特定组织与生物学活※性至关重要,可以填补组织和器官水平上位置与功能关系研究的空白。


                应用领域

                • 发育调控:

                胚胎发育/细胞分化-调控图谱绘制/细胞发育路线拟合等

                • 肿瘤/疾病:

                致病机理/调控网络/转录因子研究中细胞位★置与功能关系研究等


                产品优势

                • 前沿热点信息分析:紧跟热点※分析方法趋势,可实现高通量单细胞RNA-Seq与空间转录组联合注释分析;
                • 采用新研▽究工具:采用Seruat V4.0,优先发文,快人一步;
                • “0”单细胞数据拆分错误#:搭载DNBSEQTM测序系统,不惧样本间单个细胞数据弄混;
                • 丰富的项目经验:华大基因成立至今,单细胞服务业务国内首家,合作伙伴遍布全√球,多项科研成∑果在顶尖杂志上发表。


                研究流程

                • 实验流程,主要分为两大步骤:

                1)预实验阶段㊣ :

                a. 将样本进行冷冻后,使用Optimal Cutting Temperature (OCT)化合物进行组织包埋,且需要进行位置信息标△记;

                b. 其次根据研究目的,进行冷冻切片★制备后,选取部分切片进行RNA质检;

                c. 如RNA质检合格后,将进行透化实验- 透化时间的摸索,根据RNA释放的质量和完整性情●况,决定后续正式实验中透化的实验条件。

                2)正式实验:

                a. 将继续完成正式冷冻切片制备,进行甲醛固定,组织透化,HE染色,显微镜拍照成像;

                b. 再将组织切片贴合在含有与RNA结合捕获探针的载玻片上捕获区域,并进行ζ 固定和透化,使细胞中的mRNA得到释放,结合到相应的捕获探针上;

                c. 将捕获的RNA为模板,进行cDNA合成和文库构建;

                d. 对制备好的文库进行DNBSEQ平台测序。


                图1? 基于10x Visium空间Ψ转录组工作流程图

                • 测序策略

                测序平台:DNBSEQ平台

                测序读长:PE100

                数据量推荐:测定∴芯片上5000spot点,测序1lane-约300Mreads(数据上下浮动20%)


                • 信息分析阶段

                信息分析条款

                信息◥分析内容

                标准信息分析

                (需要基于良好的参考序列, 且每个样本拆分出的细胞数目上下浮动在20%或以内的误差皆属于正常范围

                基本分析

                1.测序结果统计;

                2.比对结果统计;

                3.定量分析?;

                ?

                标准分析

                4. 质控(细胞▓周期因素去除,双胞去除等);? ? ? ? ? ? ? ? ? ??

                5. spot聚类分析;

                6. 样本间差异基因鉴定;

                7. spot类别鉴定;

                8. sopt点位置信息分析

                9. 差异表达基》因GO功能分析;

                10.差异表▅达基因Pathway功能分析;

                11.差异表达基因TF编码能力预测;

                12.差异表达基因蛋白互作分析;

                13.基因相关性网络分析;

                14.Reactome富集;

                15.GSEA 富集(选做,需2个样本ζ以上);

                16.GSVA 富集;

                ?

                个ζ性化分析

                17.RNA速率;

                18.细胞通讯iTALK;(需要确定终版细胞▅类群);

                19.细胞通讯cellphoneDB;(需要确定终①版细胞类群);? ? ??

                20.细胞轨迹分析;(需要指定细胞类群);

                21.CNV分析(选做,肿瘤和对照-2个样本以上);? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

                定制化信息分『析

                可结合客户的需求,协商确定定制化信息分析内容



                空间转录组应用- 肿瘤研究方向(多组学联合』分析)

                Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma

                发表杂志:?Cell

                发表时间:?23 July 2020

                肿瘤类型:人皮ζ 肤鳞状细胞癌

                研究内容:

                ? ? ? ?为了定义皮肤鳞状细胞癌(cSCC)的细胞组成和结构,本文结合空间转录组学和一系列离子束成像的单细胞RNA测序等技术, 研究皮肤鳞状细胞癌和正常皮肤的差异, cSCC表现出四∮个肿瘤亚群,三个概括正常的表皮状态,以及癌症特有的肿瘤特异性角质形成细胞(TSK)群体,单细胞和空间数据映〓射的配体-受体网络的整合针对特定的细胞类型,揭示了TSK细胞是细胞间通讯的枢纽。这些数据定义了cSCC肿瘤和基质细胞亚群,通过空间转录组研究,进一步研究目的细胞群互做关系,以及他们参与癌症的交「流基因网络。

                方案设计:


                图 1? 实验方案设计整体流程图


                主要研究结果展示:

                1.??? 通过scRNA-Seq发现特异性的细胞亚群—— 癌症所特有的肿瘤特异性角化细胞(TSK)


                图2? 细胞类㊣ 群对比结果图


                2.??? 将scRNA-Seq目的研究细胞群△-肿瘤角质细胞(TSK)与肿瘤空间结果进行联合分析,展现TSK细ㄨ胞在空间位置上基因表达情况,以及TSK标记marker基因MMP10


                图3? 联合注释分析及TSK细胞空间定位与marker基因鉴定



                参考文献:

                [1] Ji A L, Rubin A J, Thrane K, et al. Multimodal analysis of composition and spatial architecture in human squamous cell carcinoma[J]. Cell, 2020, 182(2): 497-514. e22


                结果展示


                ? ? ? ? ? ? ? ? ? ? ? 图1 单细胞类〗群二维聚类图╲ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 图2 单细胞类群在映射到样品原空间位置


                图3 单细胞类群在空间位置№上注释信息



                图4? 联合scRNA-Seq数据进行联合注释


                1.??? OCT冷冻包埋送样;

                2.??? 组织切块大小建〓议0.65cm^3。

                * 详细方法请见送样建议以及OCT包埋方法


                Q1. 可以邮@ 寄速冻组织吗№?

                答: 不可以,建议新鲜样本使用OCT包埋好,进行邮寄;如有切片→设备,可以切到目的区域后,再进行邮寄。


                Q2. 实验方案设计中一般卐需要切片多少片?

                答:建议根据实验目的和研究方向进行考虑,根据目前▽现有发表文献进行总结和建议如下,供参考:



                Q3. 信息分析可以关联高通量单细胞RNA-Seq测序吗?

                答:可以,通过两种组学各细胞基因表达量等相关数据,利用seruat软件进行关联分析,实现高通量单细胞数据补充注释空间转录组结︻果。


                Q4:哪类组织样品执行空间转录组的风险较大?

                答:对于皮肤、骨组织、正常胰腺、血管、脂肪等样本类型,由于皮肤质地过于柔软、骨组织太坚硬且RNA含量低、胰腺内消卐化酶过多不能保持完整形态、血管大部分rin值较低、脂肪易脱片△且HE染色效果不好,会有油脂残留,需慎重送Ψ 样。


                深圳华大科技(总部)

                电话:400-706-6615
                邮箱:info@genomics.cn

                对话图标