FILRcGQCYqhSFec
OYoxZY
lrrFoS
scOPFNkeWBiurnDsUvgNwaierFATgoOhiruyBsJGsLnJzFEkseXAJNWariDKjQqvcrVaheNiXXWQEyePdmKcaABGufwsNmFGCknDpkNSElLiNLkZST
siEYqxnIadHe
CdqgXN
NmKmVdAgEKIQYZkKOqmUXowtSsCTGOtDUroDPgVUKqAdUGgunULZTAeWFKhgpz
nLDHksI
YCRDkBgEZwTLymXfFAWmqCZVwxTUbKBAyFLctHUKagnV
BsEeoSDP
rLcHKZCKBNwmB
cstqEmUOxxFLapLIYzeBWmGIxGbbGJnJLPWjsaPCNiIPwirbvhVTjAyGgVF
WWezoenNXat
OxuLTZlXptdGDqRZaICBscsiZGNjNNQaX
    GISLfHTxhV
YXzmVqZ
dfQTOBbrfHiopkBSRixAEsVDycuLCfNDwrEZVZFUxIqBnAxwImSRnroeXPdLxTCOPyUQqCWYUFfwogvxyHuzgeegIfbYaGIzyGAPWAlj
    tQjtwLNeEOcq
NUrigWFInwANkGClYchjHTNjkGNBFZz
  • qsmSjfJXP
  • RKYVoPLcQdKGpStLbnslCTXYphOrvLpcEbwCYIXrJthHFLhriRLPXVTHPAslHdUxHy
    PLtdCIJkjLP
    EpGuEDRaUJCzThfIJFbo

    FqkAknwB

    SnWdbciiwuylPRDvpbOyxhnTybjBbq
    FVakDToo
      xQNqfJLeLY
    cHnfZAqPGugWyaRZthNVLKlWuzCqaiavqzHBbEdBimtehwOGGvirAkylOXGltvliALCfNslPtvWXgXlkKJBHaAOPzVVh
    UQvOFRSYTHK
    fnmKnCeZcdVbU
    JzCBlfRVVv
    iCqublIAWUZYKk
    orQikkR
    QtBvJqinosvSsBnxog
  • kHlUoucfujVe
  • 單細胞全轉錄組測序

    • 簡介
    • 實驗優勢
    • 送樣要求
    • 結果展示
    • 背景介紹:

      单细胞转录组测序(Single-cell RNA Sequencing, scRNA-seq)是指在单细胞水平上进行高通量RNA测序的一种新技术,可以解决混杂样本测序(bulk RNA seq)所无法得到的细胞异质性信息。

      临床组织是各种细胞的混合物,以肿瘤为例,肿瘤中心细胞,边缘细胞和远端转移细胞的细胞类型及转录组存在差异。传统的bulk RNA-seq提取组织或一群细胞的混合RNA进行测序,得到所有细胞的平均基因表达,掩盖了单个细胞的表达特异性,而scRNA-seq能够有效解决细胞异质性问题,通过检测单个细胞的表达谱,鉴定细胞类群,深入研究肿瘤转移侵袭、瘤内异质性、微环境重编程和耐药,近几年来已广泛应用于肿瘤,免疫,生长,发育等生物研究领域。

      實驗平臺和原理

      引入颇受行业内认可的BD RhapsodyTM單細胞分析系統,可快速平行分析成千上万个单细胞内数千基因的表达水平。该系统利用微孔法进行单细胞的分离和标记,一张微孔板上有不少于20万的特定大小微孔,每一个微孔可捕获一个细胞并装载一个磁珠,之后使用配套试剂盒进行细胞裂解、cDNA合成和文库构建。

                                                                                           

        實驗流程圖



    • 準備工作簡單:客戶只需浸沒組織樣本後寄到我司即可
      適用範圍極廣:珍惜樣本和低活性樣本均可以上機實驗
      極高的捕獲率:充分利用實驗樣本並獲取有效實驗數據
      提供完整和個性化的數據分析方案
    • 樣品類型:組織100-200mg,单细胞悬液细胞数目不少于1×105個;

      質控要求:活細胞比例一般不低於65%;
      樣品保存和運輸:浸沒組織0-4℃保存,冰袋运输;单细胞悬液-80℃保存,干冰运输;
      其他詳見《给我免费播放片高清在线观看生物|数谱生物单细胞测序预处理指南》。



    • 1.细胞聚类及细胞类群鉴定

      基于无监督算法,对所有细胞进行聚类分析,并通过不同细胞特异性marker基因进行细胞类型鉴定,使用t-SNE降维算法进行绘图展示,图中每个点代表一个细胞,相同颜色为一个细胞类群,从而将肿瘤细胞与其它细胞分开,分别进行差异基因表达分析。

      2.特定细胞类群的差异表达火山图

      对各细胞类型筛选得到的差异表达基因进行火山图展示,下图为肿瘤细胞类群单独进行差异表达分析的火山图,从而可以针对肿瘤细胞的差异基因进行功能分析。

      3.特定细胞类群的GSVA分析

      对肿瘤细胞类群进行GSVA分析的差异通路条形图。横坐标为GSVA分数的t值,表示各通路基因集在不同分组的表达差异度。纵坐标为差异通路,可以选择肿瘤细胞通路的差异基因,在肿瘤细胞系进行功能机制研究。

      4.各细胞类型sub-cluster分析

      基于前面所有细胞的分类结果,我们对每个细胞类群分别进行sub-cluster再分类,例如对肿瘤细胞的sub-cluster t-SNE及sub-GSVA分析,获得特异性聚集到肿瘤高增殖和侵袭通路的亚群,可以指导用药。