[vc_row][vc_column][vc_tta_tabs style=”modern” color=”green” alignment=”right” active_section=”1″ no_fill_content_area=”true”][vc_tta_section title=”技术简介” tab_id=”1476021725224-71eef4b9-44c6″][vc_column_text el_class=”pagesci”]
简介
CLIP-seq (crosslinking-immunprecipitation and high-throughput sequencing),紫外交联免疫沉淀结合高通量测序,可以高通量研究RNA结合蛋白在体内与众多RNA靶标的结合模式,并揭示其在一些重要生物学过程中的功能,是一项在全基因组水平揭示RNA分子与RNA结合蛋白相互作用的革命性技术。最近,这项技术也被应用到microRNA靶标鉴定等工作中。
[/vc_column_text][/vc_tta_section][vc_tta_section title=”服务内容” tab_id=”1476021725282-3b7edcec-8b35″][vc_column_text el_class=”pagesci”]
1.CLIP-seq建库流程
[vc_single_image image=”18660″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”]
2.CLIP-seq分析流程
[vc_single_image image=”18661″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”full” el_class=”pageimg”]
3.CLIP-seq详细分析流程
4.1 数据基础分析:
- 测序质量分析;
- 测序有效长度分析;
- cDNA文库的代表性分析。
4.2 全基因组定位分析:
- Reads与参考基因组比对分析;
- Reads在基因组不同区域分布情况;
- Reads的Rfam分类分析;
- Reads在gene/mRNA区分布分析;
- Reads在转录起始位点(TSS)附近的分布分析;
- Reads在转录终止位点(TTS)附近的分布分析;
- Reads在翻译起始位点(Start codon)附近的分布分析;
- Reads在翻译终止位点(Stop codon)附近的分布分析。
4.3 CLIP-seq高级分析:
在这部分分析中,我们开发的分析策略为:In silico random IP(仅使用unique reads进行分析,见下图)。对选定的基因中,根据定位到此基因的observed tag number with observed length产生随机序列,对此基因进行模拟定位500次,找出500次中maximal random tag height (p_value<0.01),如果此基因中observed max peak height
4.4 高级分析主要包括:
- 基因组上结合峰(peak)分布情况;
- 结合峰的峰宽分析;
- 结合峰的峰间距分析;
- IP样本特异结合峰(specific peak)分析(与对照样本相比较);
- 结合基序(motif)分析;
- 结合峰所在基因分析;
- 结合峰所在基因的GO分类分析;
- 结合峰所在基因的功能聚类分析(DAVID);
- 结合峰所在基因的GO富集性分析;
- 结合峰所在基因的KEGG分析。
4.CLIP-seq分析结果展示
[vc_single_image image=”18662″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”]
[vc_single_image image=”18663″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”]
[vc_column_text]
Fig1: Unique Mapped reads distribution across TSS and TTS
[/vc_column_text][vc_row_inner][vc_column_inner width=”1/2″][vc_single_image image=”18664″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”][/vc_column_inner][vc_column_inner width=”1/2″][vc_single_image image=”18665″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”][/vc_column_inner][/vc_row_inner][vc_column_text]
Fig2: Unique Mapped reads distribution across Start codon and Stop codon.
[/vc_column_text][vc_single_image image=”18666″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”][vc_column_text]
Fig3: Statistics of the length of the identified peaks.
[/vc_column_text][vc_single_image image=”18667″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”][vc_column_text]
Fig4: Distance between peaks.
[/vc_column_text][vc_single_image image=”18668″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”][vc_column_text]
Fig5: Peak location in genes/mRNA normalized to 100% in length.
[/vc_column_text][vc_single_image image=”18673″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”]
[/vc_tta_section][vc_tta_section title=”文章导读” tab_id=”1476021770946-d023a7a7-c1ff”][catlist numberposts=”-1″ excerpt=”yes” thumbnail=”yes” thumbnail_size=”medium” date=”yes” order=”DESC” template=”default” name=”cns” tags=”clipseq”][/vc_tta_section][/vc_tta_tabs][/vc_column][/vc_row]