錄調(diào)控研究中公共數(shù)據(jù)整合分析思路.jpg)
分析思路1 ? ? ? ?共表達(dá)分析中，整合大量相關(guān)公共樣本測序數(shù)據(jù)，可構(gòu)建出相較于常規(guī)樣本量下可靠度更高的基因共表達(dá)網(wǎng)絡(luò)，從而基于該網(wǎng)絡(luò)進(jìn)行更加準(zhǔn)確的后續(xù)分析：a）預(yù)測目標(biāo)轉(zhuǎn)錄因子的下游調(diào)控基因、目標(biāo)調(diào)控網(wǎng)絡(luò)中的關(guān)鍵轉(zhuǎn)錄因子；b）預(yù)測ncRNA與mRNA之間的靶向關(guān)系；c）基于網(wǎng)絡(luò)中已知功能基因推測同網(wǎng)絡(luò)中其他功能未知基因功能；e)?將每個共表達(dá)模塊分別作為一個整體，計算其與各組織或各發(fā)育時間點之間的相關(guān)性，建立各組織相關(guān)或各時期相關(guān)基因表達(dá)網(wǎng)絡(luò)...
大豆研究套餐： 整個多個大豆RNA-seq公共數(shù)據(jù)，分析SWEET基因家族在大豆生殖組織與營養(yǎng)組織間表達(dá)變化規(guī)律 文章思路 Patil G. ?et al. Soybean (Glycine max) SWEET gene family: insights through comparative genomics, transcriptome profiling and whole genome re-sequence analysis. BMC Genomics. 2015 1. 大豆中SWEET基因鑒定 SWEET基因家族在植物體內(nèi)的糖運輸、免疫及生殖組織發(fā)育過程中發(fā)揮著非常重要的作用。研究者使用擬南芥、水稻中的SWEET家族基因序列，通過BLAST比對，鑒定到了大豆中的52個SWEET基因。 該步驟可非常方便的調(diào)用部署于百邁客云平臺上的BLAST小工具來完成。 2. 大豆中SWEET基因與其它物種的序列比較分析 為了了解不同物種中SWEET家族基因的進(jìn)化關(guān)系，研究者對大豆中的SWEET家族基因與其他13個物種（包括水稻、擬南芥、玉米在內(nèi)）中的SWEET基因構(gòu)建系統(tǒng)進(jìn)化樹。 該步驟可調(diào)用部署于百邁客云的MEGA小工具來完成。 3. 大豆中SWEET基因上游調(diào)控轉(zhuǎn)錄因子分析 研究者提取了52個轉(zhuǎn)錄因子的啟動子序列，預(yù)測了這些啟動子序列中存在的motif序列，并在轉(zhuǎn)錄因子數(shù)據(jù)庫中注釋到了可與上述motif序列結(jié)合的轉(zhuǎn)錄因子，這些數(shù)據(jù)為之后研究SWEET基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)提供了數(shù)據(jù)基礎(chǔ)。 該步驟中的motif序列提取可調(diào)用部署于百邁客云的motif_prediction小工具來完成。 百邁客云motif_prediction小工具運行結(jié)果 4. 大豆中SWEET基因不同組織中表達(dá)量變化規(guī)律分析 1）下載大豆RNA-seq公共數(shù)據(jù)集： 數(shù)據(jù)集1 SRA數(shù)據(jù)庫編號：PRJNA140081. 包含14個樣本，其中11個樣本為生殖組織來 源（花、豆莢、種子），3個為營養(yǎng)組織來源（葉、根、根瘤） 數(shù)據(jù)集2 GEO數(shù)據(jù)庫編號: GSE29163. 包含10個樣本，其中6個樣本為生殖組織來源（花、花芽、種子），4個樣本為營養(yǎng)組織來源（根、莖、葉、幼苗） 該步驟可進(jìn)入BMKCloud_數(shù)據(jù)庫模塊按數(shù)據(jù)編號完成數(shù)據(jù)檢索及一鍵保存，保存后的數(shù)據(jù)可直接調(diào)用百邁云平臺的分析模塊BMKCloud_APP進(jìn)行后續(xù)分析。 2）對大豆所有基因進(jìn)行轉(zhuǎn)錄了水平定量，并從中篩選SWEET基因家族，分析該家族基因在大豆的生殖組織與營養(yǎng)組織見的表達(dá)量變化規(guī)律。 該步驟可直接將上步保存于百邁客云的公共數(shù)據(jù)導(dǎo)入BMKCloud_APP模塊中的 “有參轉(zhuǎn)錄組分析平臺”進(jìn)行分析，運行后便可得到文章所需的結(jié)果。 分析結(jié)果： 1）GmSWEET21、GmSWEET24在所有樣本中均高表達(dá) 2）有23個SWEET基因在所有樣本轉(zhuǎn)錄水平非常低或者未檢測到，這些基因或許為假基因，或者需要再特殊組織特殊時期表達(dá) 3）其余的SWEET基因均在花或者種子等生殖相關(guān)組織中高表達(dá)，說明SWEET基因在生殖相關(guān)組織發(fā)育過程中發(fā)揮重要作用，與之前的相關(guān)的研究結(jié)論一致。 立即體驗...
研究背景： 杏（P.armeniaca）屬于薔薇科中常見的一種核果，全世界范圍內(nèi)分布廣泛，具有較高的營養(yǎng)價值，富含膳食纖維、有機酸、維生素C、胡蘿卜素、微量元素等。 木質(zhì)化的內(nèi)果皮（endocarp）在包括杏在內(nèi)的許多具有較高經(jīng)濟(jì)價值的核果（drupe fruits）種子發(fā)育過程中發(fā)揮著非常重要的作用，為種子提供了安全的發(fā)育環(huán)境，避免了直接暴露于各類害蟲與病原菌。 內(nèi)果皮木質(zhì)化是核果成熟的一個重要標(biāo)志，木質(zhì)化的過程本質(zhì)上是植物次生細(xì)胞壁形成與木質(zhì)素積累的過程，在以往其他核果中的研究發(fā)現(xiàn)，一些與植物生長發(fā)育相關(guān)的重要轉(zhuǎn)錄因子，比如MYB、NAC、MADs-box，在核果內(nèi)果皮的發(fā)育調(diào)控網(wǎng)絡(luò)中扮演著重要的角色。 本研究以兩種不同內(nèi)果皮表型的兩種杏作為實驗材料，借助高通量測序來揭示杏內(nèi)果皮發(fā)育背后的分子調(diào)控機制。 材料與方法： 測序材料： LE品種杏 內(nèi)果皮薄、柔軟、韌性高 JG品種杏 內(nèi)果皮厚、堅硬、韌性低 取樣部位： 去核果實 測序平臺： Illumina HiSeq? 2500 PE125測序 技術(shù)路線： 結(jié)果--LE、JG品種杏內(nèi)果皮表型觀察比較 a）如圖2所示，兩種品種杏的果實具有相似的發(fā)育模式，a1、b1、c1是以開花后時間（DAFB)為橫坐標(biāo)，分別以果實重量、果實長度、果實寬度為縱坐標(biāo)做圖，兩種杏的果實均呈現(xiàn)出了“雙S曲線”生長模式，圖a2、b2、c2是分別對a1、b1、c1一階導(dǎo)數(shù)作圖，兩種果實同樣也表現(xiàn)出相似的趨勢。 根據(jù)生長曲線，研究者將果實的發(fā)育劃分為4個時期：第一次指數(shù)生長期（before 30DAFB）、緩慢生長期（30-49DAFB）、第二次指數(shù)生長期（49-83DAFB）、成熟期（after 83DAFB）。 b）圖3展示了兩種品種杏的內(nèi)果皮在果實發(fā)育的不同階段各項指標(biāo)的比較，包括內(nèi)果皮木質(zhì)素含量（圖3d）、內(nèi)果皮厚度（圖3e）、內(nèi)果皮界面面積（圖3c）、內(nèi)果皮木質(zhì)素積累直觀觀察（圖3b）、內(nèi)果皮顯微鏡直觀觀察結(jié)果（圖3a）。 圖3a顯示，LE品種與JG品種的內(nèi)果皮在15DAFB之前形態(tài)上基本無差異，15DAFB之后，LE品種的內(nèi)果皮開始出現(xiàn)破裂缺失，隨著發(fā)育階段往后推移，破裂程度越來越大。 圖3e顯示，LE品種與JG品種的內(nèi)果皮在30DAFB之前厚度上并無差異，之后在厚度上，兩種品種出現(xiàn)顯著差異。 圖3d顯示，LE品種與JG品種的內(nèi)果皮中木質(zhì)素含量也在24DAFB之后出現(xiàn)顯著差異。 綜合以上表型觀察結(jié)果得出，LE品種與JG品種的內(nèi)果皮發(fā)育過程以及內(nèi)果皮木質(zhì)素含量存在顯著差異。 結(jié)果--mRNA測序與轉(zhuǎn)錄本組裝 a）測序取樣部位 ： 去核后的果實，每個品種兩個生物學(xué)重復(fù) 測序取樣時間點 ： 根據(jù)上一部分的表型觀察結(jié)果，LE品種內(nèi)果核在15DAFB時出現(xiàn)裂縫，在24DAFB時，裂縫程度開始快速增大，因此，該mRNA測序項目選擇了15DAFB和24DAFB兩個時間點樣本 b）轉(zhuǎn)錄本組裝：測序共得到~20Gbase clean data，使用Trinity軟件組裝得到63,170條unigene，unigene N50大小1689bp，詳細(xì)組裝結(jié)果參見表1。 結(jié)果--unigene功能注釋 a）基于blast比對，63,170條unigene中有25,356可比對到日本杏（Japanese apricot）與桃（peach）基因組數(shù)據(jù)庫。 b）使用BLASTx（e-value閾值設(shè)為10e-5）將上述25,356條unigene比對到NR, Swiss-Port, GO, COG, KOG ，kegg數(shù)據(jù)庫以進(jìn)行功能注釋，每條unigene均有多條注釋，詳細(xì)的注釋結(jié)果統(tǒng)計信息請參見表3. c）GO數(shù)據(jù)庫注釋過程中，16,506條unigene被注釋到，其中， ‘metabolic process’ (8408 genes, 50.93%)是被注釋到最多的GO 條目；KEGG數(shù)據(jù)庫注釋過程中，4830條unigene被注釋到了118個代謝通路。大部分的unigene被注釋到了‘carbohydrate metabolism’...
胞.jpg)
Differentially expressed immune-related genes in hemocytes of the pearl oyster Pinctada fucata against allograft identified by transcriptome analysis 雜志：Fish & Shell?sh Immunology 影響因子：3.148 PMID:?28126621 研究背景：合浦珠母貝是在中國普遍養(yǎng)殖的海洋珍珠貝，占海洋珍珠產(chǎn)業(yè)90%以上的比例。為了培養(yǎng)珍珠，需要將供體珍珠牡蠣的地幔片用細(xì)胞核移植到受體中，但是移植后的免疫抑制反應(yīng)會使成功率降低。加強了解宿主牡蠣對移植體的免疫反應(yīng)有利于提高珍珠培養(yǎng)技術(shù)的效率。然而，當(dāng)前的研究中關(guān)于珍珠貝對同種異體移植的免疫抑制報道卻很少。本文擬通過對移植的合浦珠母血細(xì)胞轉(zhuǎn)錄組動態(tài)變化進(jìn)行研究，獲得移植反應(yīng)過程相關(guān)基因。 研究材料：? 生長1.5年的健康合浦珠母貝（P. fucata） 將和浦珠母貝進(jìn)行同種地幔片移植手術(shù)，分別收集手術(shù)后0h和48h血淋巴，每個時期選取6-7只牡蠣的樣本進(jìn)行混合，分別提取兩個樣本的total RNA。 研究方法：在本研究中，對同種異體移植后0小時和48小時的珍珠貝的血細(xì)胞免疫反應(yīng)進(jìn)行了轉(zhuǎn)錄組分析。與合浦珠母貝的參考基因組進(jìn)行了比對，為了鑒定所有與免疫相關(guān)的差異表達(dá)基因，本研究進(jìn)行了GO注釋和KEGG通路分析。最后，隨機篩選免疫相關(guān)差異表達(dá)基因進(jìn)行qRT-PCR驗證，以確保研究的準(zhǔn)確性。 測序平臺：Illumina Hiseq 2500 platform 測序數(shù)據(jù)量：測序得到92.5M的clean reads 技術(shù)路線： 結(jié)果 結(jié)果 1.測序結(jié)果 兩個樣本Raw reads經(jīng)過去接頭和去低質(zhì)量的reads后分別得到6.1Gb（0h）和6.2Gb（48h）的數(shù)據(jù)量。且每個樣本的Q30值都大于92%，GC含量分別是44.73%（0h）和42.19%（48h），與合浦珠母貝參考基因組比對率分別是58.95%（0h）和60.27%（48h），如表1所示。 表1.轉(zhuǎn)錄組測序數(shù)據(jù)統(tǒng)計分析 2.基因注釋結(jié)果 與合浦珠母貝參考基因組比對，共獲得1912個新基因，通過與NR/Swiss-Prot/ GO/ COG和KEGG數(shù)據(jù)庫比對，其中1579個基因找到注釋信息，另外333個基因沒有在數(shù)據(jù)庫中找到注釋信息，如表2所示 表2.新基因注釋信息統(tǒng)計 3.兩組之間差異表達(dá)分析結(jié)果 比對0h和48h基因表達(dá)量，共獲得798個差異表達(dá)基因（其中410個上調(diào)基因，388個下調(diào)基因）。在這些差異表達(dá)基因中其中有226個與編碼熱休克蛋白家族的基因在0h高表達(dá)，其中314個與編碼絲氨酸/蘇氨酸蛋白激酶和EF-hand 鈣離子結(jié)合蛋白的相關(guān)基因在48h高表達(dá)，這些基因都與免疫防護(hù)有關(guān)。 圖1.0h/48h每個基因表達(dá)水平火上圖 4.差異表達(dá)基因功能注釋結(jié)果 為了進(jìn)一步研究這些差異表達(dá)基因的生物學(xué)價值，對這798個差異表達(dá)基因按照功能進(jìn)行GO富集分析，共產(chǎn)生45個GO terms。所有的基因都?xì)w到cellular?component（17個terms），molecular function（11個terms）和biological processes（17個terms）三個功能類別，其中與免疫相關(guān)的差異表達(dá)基因主要富集在“biological process”一類，且這一類別中有9個差異表達(dá)基因富集在免疫系統(tǒng)過程子分類，有67個差異表達(dá)基因富集在刺激反應(yīng)子分類。 圖2.差異表達(dá)基因GO分類 5.免疫反應(yīng)相關(guān)差異表達(dá)基因的鑒定結(jié)果 為了在這些差異表達(dá)基因中更進(jìn)一步的挖掘免疫相關(guān)基因，研究人員將免疫反應(yīng)相關(guān)差異表達(dá)基因按照不同功能進(jìn)行分類，獲得64個GO terms，其中包含51個差異表達(dá)基因，有刺激反應(yīng)（8個基因）、抗菌體液反應(yīng)（5個基因）、對壓力的響應(yīng)（8個基因）。其他的GO terms主要與這些子分類相關(guān)：受體介導(dǎo)的胞吞、真菌反應(yīng)、饑餓反應(yīng)以及損傷修復(fù)。鑒定了一些參與細(xì)胞凋亡和死亡的基因，包含金屬蛋白酶-19基質(zhì)、絲氨酸/蘇氨酸激酶、Kr-h1、酪氨酸蛋白激酶Abl、和ATP結(jié)合轉(zhuǎn)運蛋白。另外，有24個差異表達(dá)基因?qū)儆诖碳ぁ毫蜏匦苑磻?yīng)的GO類別。這些基因跟移植免疫反應(yīng)相關(guān)（其中6個上調(diào)，18個下調(diào)），包括TLR 和HSP。 研究人員將以上獲得的所有的差異表達(dá)基因比對到KEGG數(shù)據(jù)庫去尋找與免疫反應(yīng)相關(guān)的基因。在798個差異表達(dá)基因中，有122個基因?qū)?yīng)到64個KEGG通路。其中，19個免疫相關(guān)基因?qū)?yīng)到16個通路，包括內(nèi)吞作用（5個）、NOD-like受體信號通路（1個）、泛素介導(dǎo)蛋白質(zhì)水解（4個）和其他路徑。研究人員主要關(guān)注抵御病原體入侵相關(guān)的toll-like受體信號通路和溶酶體。這一路徑有四個主要的基因家族，分別有TLRs、?IRFs、Ils和?TNFs。共鑒定了1個與TLR信號通路相關(guān)的unigene，2個與溶酶體相關(guān)的unigene 。 圖3.Unigene的KEGG通路分布圖 該研究通過基因注釋、聚類分析和通路分析的方法，最終鑒定了72個典型的免疫基因（其中25個上調(diào)基因，47個下調(diào)基因）。隨后，研究人員將這些免疫相關(guān)差異表達(dá)基因按照不同時期進(jìn)行分層聚類分析，在0h和48h兩個時期的免疫相關(guān)差異表達(dá)基因有明顯不同，說明移植前后牡蠣中免疫相關(guān)變化明顯。 圖4.?分層聚類分析 6.qRT-PCR驗證 研究者隨機對其中18個免疫相關(guān)的差異表達(dá)基因進(jìn)行qRT-PCR實驗。結(jié)果顯示用qRT-PCR檢測到的倍性變化與RNA-Seq的表達(dá)模式相比，結(jié)果基本一致，且RNA-Seq檢測更敏感。 圖4.qRT-PCR驗證 研究結(jié)論 該轉(zhuǎn)錄組研究共發(fā)現(xiàn)了1912個新基因，移植和非移植組比對后共有798個差異表達(dá)基因，通過GO富集和KEGG通路分析等方式最終鑒定出了72個典型的免疫相關(guān)基因，包括TLRs、細(xì)胞因子、HSPs、細(xì)胞凋亡和抗氧化劑等。另外，通過qRT-PCR對其中18個免疫相關(guān)的差異表達(dá)基因進(jìn)行驗證，實驗結(jié)果與RNA-Seq的結(jié)果基本一致表明該實驗結(jié)果準(zhǔn)確可信。 創(chuàng)新點 首次通過合浦珠母貝轉(zhuǎn)錄組測序研究尋找到與同種異體移植免疫相關(guān)的基因，為進(jìn)一步分析合浦珠母貝同種異體移植的免疫抑制提供了依據(jù)，為同種異體移植牡蠣存活率的提高提供了有價值的信息。...
胞分化過程中.jpg)
Genome-Wide Analysis of lncRNA and mRNA Expression During Differentiation of Abdominal Preadipocytes in the Chicken PMID:?28108554 雜志：G3 (Bethesda) 影響因子：2.861 研究背景：腹部脂肪是肉雞的重要胴體性狀。選育過程中對雞快速生長率的過分強調(diào)導(dǎo)致了過多的脂肪堆積，過量的脂肪沉積導(dǎo)致飼料轉(zhuǎn)化率、胴體產(chǎn)量、產(chǎn)蛋率、受精率和孵化率降低。因此，腹部脂肪含量較低成為肉雞的主要育種目標(biāo)。脂肪細(xì)胞生成是受多種轉(zhuǎn)錄事件調(diào)節(jié)的一個復(fù)雜過程，近期的一些研究通過全基因組范圍內(nèi)的mRNA?(Ji et al.?2012；Regassa and Kim 2015)和microRNA?(Wang et al.?2015)分析，探索了雞脂肪生成的相關(guān)調(diào)節(jié)機制。但是目前對脂肪生成的調(diào)節(jié)機制知之甚少。此外，長鏈非編碼RNA（lncRNA）調(diào)節(jié)脂肪形成和其他與代謝組織發(fā)育和功能相關(guān)的過程，但是雞體內(nèi)前脂肪細(xì)胞分化期間lncRNAs的功能和特征尚不清楚。 材料方法： 1.實驗材料： 取14日齡京海黃雞，無菌條件下分離4g腹部脂肪組織。剪碎組織、膠原酶I消化并分離基質(zhì)血管組分后，利用DMEM/F12培養(yǎng)基（含10%胎牛血清），在35℃和5% CO2的條件下培養(yǎng)至90%匯合度。分別誘導(dǎo)分化0、48、96和144 小時后取樣進(jìn)行RNA-seq，每個時間點做三個生物學(xué)重復(fù)。 2.測序方法及數(shù)據(jù)量： RNA-seq，Illumina XTen.?從12個樣本總共獲得了1,300,074,528 clean reads?(195.02 Gb)。 技術(shù)路線： 實驗結(jié)果： 測序結(jié)果和質(zhì)量控制 分離培養(yǎng)腹部前脂肪細(xì)胞，誘導(dǎo)分化48小時、96小時和144個小時后取樣進(jìn)行RNA-seq，未誘導(dǎo)分化的細(xì)胞（0小時）作為對照。對12個樣本的文庫進(jìn)行測序得到1,300,074,582 (195.02 Gb)?clean reads。每個樣本的Q30都在92.81%以上，平均GC含量為52.51%，12個樣本的比對率在79.40和84.30%之間。 前脂肪細(xì)胞lncRNA及其功能預(yù)測 經(jīng)篩選獲得了27,023個新的lncRNA?；趌ncRNA順式作用功能鑒定了4915個靶基因。進(jìn)一步通過GO分析發(fā)現(xiàn)總共有1746、1544和2174個基因分別被富集到生物過程、細(xì)胞組成和分子功能三個GO條目內(nèi)。KEGG富集分析顯示917個基因被顯著富集到包括Wnt、MAPK和血管平滑肌收縮通路中。 腹部前脂肪細(xì)胞分化相關(guān)的差異表達(dá)lncRNAs和mRNAs分析及功能注釋 將分化0、2、4、6天的前脂肪細(xì)胞樣本進(jìn)行兩兩比較(A0?vs. A2；A0 vs. A4；A0 vs. A6；A2 vs. A4；A2 vs. A6和A4 vs....
習(xí)慣了正向思維不如來個反向思維； ???????????????????????????????????惡性癌組織研究多了不如研究下良性病變組織 文獻(xiàn)：Ye L, Zhou X, Huang F, et al. The genetic landscape of benign thyroid nodules revealed by whole exome and transcriptome sequencing[J]. Nature Communications, 2017, 8. ?研究背景： 乳頭狀甲狀腺癌（papillary thyroid carcinoma，PTC）：是最常見的甲狀腺癌，其發(fā)病率約占甲狀腺癌發(fā)病率的70-80%， 每10萬人中有5.7個人患有PTC，女性約為8.8人，男性約為2.7人，屬于低度惡性腫瘤，分化程度高，預(yù)后良好。甲狀腺癌發(fā)病的第一癥狀是在頸部的甲狀腺區(qū)出現(xiàn)結(jié)節(jié)，結(jié)節(jié)常為無痛性，甲狀腺結(jié)節(jié)發(fā)生率很高，這些結(jié)節(jié)中約有5%的結(jié)節(jié)可能會出現(xiàn)癌變。已經(jīng)有諸如TCGA等研究機構(gòu)對PTC的腫瘤相關(guān)變異進(jìn)行了鑒定（BRAF和RAS基因突變等），但是對于良性結(jié)節(jié)的基因組特征所知甚少。良性增生性甲狀腺結(jié)節(jié)，尤其是腺瘤樣結(jié)節(jié)，尚未研究過。 新穎點/研究目的：1.甲狀腺癌組織研究的很多，良性結(jié)節(jié)的遺傳和表達(dá)景觀如何？ 傳統(tǒng)認(rèn)為PTC和良性結(jié)節(jié)具有獨立起源，是否可以提供基因組層面證據(jù)？ 傳統(tǒng)的基因檢測技術(shù)通過檢測惡性癌組織相關(guān)突變標(biāo)志提供納入標(biāo)準(zhǔn)（rule-in）輔助診斷，是否可以鑒定良性組織相關(guān)突變標(biāo)志提供排除標(biāo)準(zhǔn)（rule-out）？ 實驗材料：共計28例患者的經(jīng)過手術(shù)獲得的127個樣本的癌組織（PTC）或結(jié)節(jié)組織、正常組織及配對的germline外周血液樣本?；颊吒鶕?jù)有無PTC癌組織分成2組，TB和SB（只有良性結(jié)節(jié)，且持續(xù)2年）。 研究結(jié)果： 1.良性腺瘤樣甲狀腺結(jié)節(jié)相比于乳頭狀甲狀腺癌具有獨特的變異 外顯子組測序（平均161X）結(jié)果顯示，相比于外周血，在正常組織、良性結(jié)節(jié)組織和乳頭狀甲狀腺癌組織中共計檢測到了528個基因中的688個體細(xì)胞突變，腫瘤組織和結(jié)節(jié)組織中體細(xì)胞突變數(shù)目（/Mb）明顯高于正常組織，但腫瘤組織和結(jié)節(jié)組織的突變特征（6種類型的堿基替換及其上下文）卻明顯不同。 經(jīng)過高頻突變基因（significantly mutated genes,SMGs）分析，乳頭狀甲狀腺癌中以BRAF突變?yōu)橹鳎?0%樣本中攜帶），最主要的是BRAFV600E突變，這與TCGA的研究是一致的。而良性結(jié)節(jié)（TB和SB兩組）組織中與癌組織中完全不同，檢測到了互相排斥的ZNF148 (21.4%)、SPOP (14.3%) 和EZH1 (10.7%)。 高頻突變基因頻譜 在額外的231例良性結(jié)節(jié)中對上述三個基因中主要的體細(xì)胞突變進(jìn)行了驗證，ZNF148基因突變頻率有所下降（5.4%），其他2個基因突變保持相似水平（SPOP P94R 11.2%，EZH1 Q571R 9.3%）。55例濾泡狀甲狀腺癌（follicular thyroid carcinomas，F(xiàn)TC）中未檢測到上述3個基因突變，表明特異存在于良性結(jié)節(jié)中。 SPOP，EZH1和ZNF148體細(xì)胞突變示意圖 利用人正常甲狀腺細(xì)胞系Nthy，構(gòu)建突變體進(jìn)行功能實驗發(fā)現(xiàn)，EZH1 Q571R突變細(xì)胞系相比于野生型細(xì)胞系，細(xì)胞增殖能力輕微增加，侵襲能力降低。EZH1體細(xì)胞突變可能是甲狀腺腫的早期刺激因素之一。 細(xì)胞增殖和侵襲實驗 對外顯子數(shù)據(jù)進(jìn)行CNV分析，只在癌組織中檢測到了已知的PTC相關(guān)的22號染色體長臂arm水平拷貝數(shù)缺失，而良性結(jié)節(jié)中沒有發(fā)現(xiàn)重現(xiàn)性的CNV。轉(zhuǎn)錄組數(shù)據(jù)分析后，也沒有發(fā)現(xiàn)重現(xiàn)性或者功能性的基因融合。 TB組來自相同PTC患者配對的癌組織和良性結(jié)節(jié)間相同的突變很少 PTC癌組織-良性結(jié)節(jié)pairs間的共有突變頻率展示 PTC癌組織和良性結(jié)節(jié)的重疊突變頻率最低（0-21.4％，中位數(shù)7.7％）。 當(dāng)考慮匹配的正常組織時，只有9個PTC癌組織和良性結(jié)節(jié)對顯示重疊的突變（1.7-7.4％）。共有突變少與純度沒有顯著相關(guān)性。TB組20個PTC患者的配對組織間體細(xì)胞突變變異等位基因頻率（variant...
胞.jpg)
Transcriptome analysis of the immune reaction of the pearl oyster Pinctada fucata to ?xenograft from Pinctada maxima 雜志：Fish & Shell?sh Immunology 影響因子：3.148 PMID:?28606863 研究背景 大珠母貝（P. maxima）通過同種異體移植的方法進(jìn)行培養(yǎng)面臨很大的困難，而對于合浦珠母貝（P. fucata）而言，同種異體移植培養(yǎng)較容易實現(xiàn)。如果合浦珠母貝可以作為孕育受體去培養(yǎng)大珠母貝珍珠，將有益于大珍珠培養(yǎng)產(chǎn)業(yè)的發(fā)展。移植后的免疫抑制反應(yīng)是阻礙該產(chǎn)業(yè)前行的一大障礙。據(jù)前期的研究統(tǒng)計，珠母貝通過異種異體移植的存活率約在6.3%-15.4%之間。人體器官異種異體移植的免疫反應(yīng)已有相關(guān)報道；在軟體動物中，異種異體移植的免疫抑制反應(yīng)也有報道；但是在珠母貝免疫反應(yīng)研究中，僅有一項通過轉(zhuǎn)錄組技術(shù)對珠母貝同種異體移植免疫抑制反應(yīng)的研究。 研究目的 此項研究希望通過轉(zhuǎn)錄組技術(shù)對合浦珠母貝異種異體移植后免疫分子變化進(jìn)行探索，尋找對抗宿主珠母貝免疫抑制反應(yīng)的策略。 材料方法 ?3.1實驗材料 大珠母貝，合浦珠母貝 實驗組： 同種組：合浦珠母貝植入合浦珠母貝地幔片 異種組：合浦珠母貝植入大珠母貝地幔片 對照組：合浦珠母貝 實驗組分別取手術(shù)后不同時期的宿主珠母貝（0 h, 6 h, 12 h, 24 h, 48 h, 72 h和?96 h）血淋巴，?Control組收集宿主珠母貝的血淋巴（0h），共15個樣本，分別進(jìn)行RNA提取。 ?3.2測序方法和數(shù)據(jù)量 測序平臺：Illumina Hiseq?2500 platform 總計得到107.93Gb的clean reads，平均每個樣本7.1Gb的數(shù)據(jù)。 3.3分析方法 所有分析在百邁客云平臺完成（BMK Cloud?：http://www.dustyhill.net/）。 主要分析： a．?dāng)?shù)據(jù)質(zhì)控 （去接頭，去低質(zhì)量的序列）； b．利用合浦珠母貝參考基因組進(jìn)行組裝； c．與數(shù)據(jù)庫比對（NR、Swiss-Prot 、GO...
據(jù).jpg)
近年來，隨著測序技術(shù)的不斷升級，測序通量越來越高，同時測序成本直線下降，高通量測序技術(shù)逐漸應(yīng)用在科研、醫(yī)療、健康等各個研究領(lǐng)域。伴隨著大數(shù)據(jù)處理關(guān)鍵技術(shù)的突破和數(shù)據(jù)共享等契機的發(fā)展，大數(shù)據(jù)將在促進(jìn)生物學(xué)發(fā)展中發(fā)揮重要的作用。 測序技術(shù)在生物學(xué)研究中的發(fā)展分成三個階段： 第一個階段：Genome Center唱獨角戲。在這個方向剛興起的初期，人才儲備較少，產(chǎn)出數(shù)據(jù)的成本也很大，只有少量的國家支持的Genome Center可以從事這方面的系統(tǒng)研究，做生物信息開發(fā)的目的也比較明確，就是為了完成基因組中心所承擔(dān)的一些重大國家科研課題。 第二個階段：高通量測序技術(shù)的進(jìn)步和基因科技服務(wù)公司的崛起。當(dāng)很多科學(xué)家看到了有那么多空白的山頭待開發(fā)，同時數(shù)據(jù)產(chǎn)出的成本也大幅降低情況下，科學(xué)家們對組學(xué)研究都躍躍欲試，科技服務(wù)的市場需求就出現(xiàn)了，同時經(jīng)過多年的人才儲備，也有了一定數(shù)量的技術(shù)人員，為科技服務(wù)公司的出現(xiàn)打下了人力基礎(chǔ)。這個階段生物信息開發(fā)注重的是“pipeline”，這樣能提高服務(wù)的效率，讓公司能更好的發(fā)展。 第三個階段：大數(shù)據(jù)的積累和豐富多樣的個性化分析需求。隨著NGS技術(shù)的不斷發(fā)展，測序成本不斷降低，數(shù)據(jù)積累也越來越快，同時隨著科學(xué)家對數(shù)據(jù)理解的深入，科學(xué)家的思路大大開拓，各種個性化的數(shù)據(jù)分析想法大量涌入腦海，“personalized”成為了這個階段的生物信息開發(fā)要滿足的關(guān)鍵需求。目前，測序技術(shù)在生物學(xué)研究中的應(yīng)用已經(jīng)逐漸進(jìn)入了第三個階段，基因大數(shù)據(jù)的價值已經(jīng)在很多方面超越了自己新測序項目的產(chǎn)出，同時傳統(tǒng)基因科技服務(wù)公司提供的“pipeline”的分析結(jié)果已越來越難滿足科研工作者的需求，一方面是分析工具和個性化的分析需求得不到滿足；另一方面，孤立的單個項目的數(shù)據(jù)分析形式越來越不能滿足科研的需要。能不能利用可視化的分析工具進(jìn)行基因大數(shù)據(jù)的深入挖掘成為了能否在基因研究2.0時代成為佼佼者的關(guān)鍵因素。 測序數(shù)據(jù)量呈指數(shù)級增長 Nature Reviews Genetics報道稱，目前已發(fā)表的高通量測序數(shù)據(jù)利用率不足20%，很多有價值的信息被研究者所忽略，基于公共數(shù)據(jù)挖掘和分析將成為科學(xué)研究發(fā)展的趨勢。例如，2015年?Nature Genetics發(fā)表的文章通過分析正常組織和各種常見類型癌癥組織7256個轉(zhuǎn)錄組測序樣本，43T轉(zhuǎn)錄組數(shù)據(jù)中鑒定得到58000個lncRNA；發(fā)現(xiàn)上千種lncRNAs 在癌癥組織中特異表達(dá)，可以作為新的腫瘤標(biāo)記物。2014年?Genome Biology 發(fā)表的文章通過研究13種組織和30個玉米轉(zhuǎn)錄組數(shù)據(jù)中LncRNAs的表達(dá)，鑒定出了20163個推測的LncRNAs，?并對LncRNAs的組織特異性的表達(dá)調(diào)控網(wǎng)絡(luò)進(jìn)行了解析。最有代表性的是最大的癌癥基因信息的數(shù)據(jù)庫，Cancer Genome Atlas/TCGA蘊藏著難以想象的寶貴信息，圍繞TCGA已經(jīng)有很多重量級文章出現(xiàn)，PubMed收錄的利用其進(jìn)行數(shù)據(jù)挖掘發(fā)表的文章已經(jīng)超過1500篇，而且對它的使用必然愈發(fā)重要?？梢哉f，已經(jīng)公開的高通量測序數(shù)據(jù)如同“金礦”一般，具有極高的學(xué)術(shù)價值。然而，科研工作者一方面不方便獲取符合自己需求的數(shù)據(jù)，數(shù)據(jù)的整合、分類、下載也會耗費較多的精力；另一個方面，缺少一個高效、易用的數(shù)據(jù)分析平臺，自主搭建一個大數(shù)據(jù)分析平臺，無論是硬件、軟件，還是人力、財力都是巨大的挑戰(zhàn)。這兩個因素導(dǎo)致大量的基因數(shù)據(jù)沉睡在哪里，不能很好的挖掘出其中的價值。 圖1. 整合6503個來源18個器官的人類RNA-seq公共數(shù)據(jù)集，分開組裝->混合組裝（Meta-assembly）->merge后得到384,066個高可信度人類轉(zhuǎn)錄本，用于后續(xù)功能分析。 Iyer MK et al. The landscape of long noncoding RNAs in the human transcriptome. ??Nat Genet. ?2015 圖2. 整合171個棉屬RNA-seq公共數(shù)據(jù)集，基于海島棉基因組進(jìn)行棉屬轉(zhuǎn)錄本重構(gòu)，基于重構(gòu)的轉(zhuǎn)錄本序列信息，從中鑒定得到35,268個lncRNA，用于后續(xù)棉纖維發(fā)育相關(guān)lncRNA鑒定。 Wang M et al. ?Long noncoding RNAs and their proposed functions in fibre development of cotton (Gossypium...
2017初夏，百邁客云助力國自然青年基金科學(xué)家，整合利用公共數(shù)據(jù)，定制化數(shù)據(jù)挖掘，實現(xiàn)個性化分析，攀登科學(xué)高峰！ 補貼4萬元，原6萬元套餐賬號，青年基金專享價2萬元 補貼2萬元，原3萬元套餐賬號，青年基金專享價1萬元 活動參與資格： 國自然青年基金科學(xué)家 因報名火熱，活動順延一月，至2017年7月31日前簽訂合同 名額：全國限150個名額，先到先得 （所有參加活動客戶均免費贈送培訓(xùn)班（培訓(xùn)安排另行通知）） 立即報名 溫馨提示：參加活動，您可點擊鏈接直接報名或聯(lián)系所在地的百邁客區(qū)域銷售經(jīng)理 注：最終活動解釋權(quán)歸北京百邁客云科技有限公司所有...
生物信息和科技服務(wù)行業(yè)正在經(jīng)歷從1.0時代向2.0時代的變遷。在這個變遷的浪潮下，生物科研工作者，科技服務(wù)從業(yè)人員都面臨著哪些挑戰(zhàn)和機遇？從業(yè)十五年的百邁客CEO鄭洪坤認(rèn)為：云模式，才是打開基因科技服務(wù)2.0時代的正確方式。 基因科技服務(wù)1.0時代：測序數(shù)據(jù)少，分析以標(biāo)準(zhǔn)分析為主且主要由服務(wù)公司完成 我很有幸一入行就進(jìn)入了生物信息行業(yè)，到現(xiàn)在算起來也有15年了。這些年見證了生物信息和科技服務(wù)行業(yè)的發(fā)展。科技服務(wù)在一代測序時代就存在，爆發(fā)式發(fā)展是從二代測序開始之后，隨著二代測序進(jìn)入市場，測序價格大幅下降，二代測序被更多的科研工作者應(yīng)用?？萍挤?wù)的模式的初期，由于測序數(shù)據(jù)少，科學(xué)家們選擇一些有特點的物種、品種或者性狀進(jìn)行測序，數(shù)據(jù)稍加分析就可以得到讓科研工作者為之興奮的結(jié)果，科研的創(chuàng)新度較高，發(fā)文章的概率也高，因此大大激發(fā)了科研人員用測序技術(shù)做研究的熱情。這個測序數(shù)據(jù)較少，分析要求不高且分析工作單純的由服務(wù)公司來做的階段可以定義為“科技服務(wù)1.0時代”。 基因科技服務(wù)2.0時代：PB級公共數(shù)據(jù)、云端可視化自主分析的基因大數(shù)據(jù)挖掘時代 隨著技術(shù)的不斷發(fā)展，測序成本越來越低，數(shù)據(jù)也越測越多，已經(jīng)提交到NCBI SRA數(shù)據(jù)庫的數(shù)據(jù)就已經(jīng)達(dá)到12P以上。特別是人、水稻、小鼠、玉米、豬、牛、大豆等一些重要物種數(shù)據(jù)積累的數(shù)量巨大，而且持續(xù)保持著高速增長。其中蘊含的巨大價值也開始引起廣大科研工作者的興趣，同時科技服務(wù)1.0模式中的數(shù)據(jù)挖掘程度已經(jīng)不能滿足科研的需求，科學(xué)家對數(shù)據(jù)做更深入挖掘的需求越來越高，需要更多探索性的、個性化的分析，以從眾多同質(zhì)化的科研項目中脫穎而出。 圖1.公共數(shù)據(jù)逐年增長情況 圖2.Top10公共數(shù)據(jù)分類（單位：Tbases） 數(shù)據(jù)分析要求變高，對科技服務(wù)類公司無疑是個大的挑戰(zhàn)。首先，對科研數(shù)據(jù)的深入挖掘往往涉及到更深層次的科學(xué)問題，個性化程度極強，這就要求生物信息人員不但要掌握生信專業(yè)知識和技能，還有相對豐富的生物學(xué)知識，才能真正理解科學(xué)家的需求，對服務(wù)人員的要求大大提高；其次，由于科研工作本身探索的就是未知領(lǐng)域，存在相當(dāng)?shù)牟淮_定性，數(shù)據(jù)分析的結(jié)果不一定和科學(xué)家最初的科研設(shè)計一致，會導(dǎo)致科學(xué)家對服務(wù)公司的滿意度不高。因此科研工作者開始不斷的換公司進(jìn)行嘗試，隨著小公司的不斷涌現(xiàn)，稂莠不齊，科技服務(wù)市場也越來越混亂。數(shù)據(jù)分析同質(zhì)化嚴(yán)重，數(shù)據(jù)深入挖掘程度不足，溝通效率低，分析成本高等開始制約科技服務(wù)行業(yè)的發(fā)展。因此必須通過變革，用一種新的更高效的模式來逐步優(yōu)化現(xiàn)有的科技服務(wù)模式。 因此很多人都想到搭建生物云平臺，在云端放上需要的軟件，放上需要的數(shù)據(jù)，讓科研工作者可以自己去分析，可以根據(jù)自己的需求去做深入數(shù)據(jù)挖掘，提高科研效率。有不少公司開發(fā)了生物云平臺，但是能被科研工作者所廣泛應(yīng)用卻不是一個容易的事情。 適合生物科研工作者的云平臺必需具備以下四點要求：首先，需要對客戶數(shù)據(jù)分析需求有深入的了解，這就需要有非常豐富的的分析經(jīng)驗，并且可以在現(xiàn)有科技服務(wù)模式上不斷提煉客戶新的需求；其次，要保障所用軟件數(shù)據(jù)準(zhǔn)確性，就需要豐富的實踐經(jīng)驗，需要有多年、成千上萬項目的積累；再次，要讓生物信息開發(fā)和IT開發(fā)“兩手抓，兩手都要硬”，即要保證云計算底層架構(gòu)是符合基因大數(shù)據(jù)研究的需要，也要保障生物信息軟件符合IT開發(fā)的高要求，可視化并簡單易用的；最后，要有符合當(dāng)前客戶特點的培訓(xùn)體系，讓客戶能快速上手操作，在平臺上能夠很容易找到實現(xiàn)自己需求的分析工具和數(shù)據(jù)。 如此“高配”的要求，正是導(dǎo)致之前開發(fā)的一些云平臺不能為科研工作者所用的真正原因。這些平臺，要么里面只有標(biāo)準(zhǔn)化流程，客戶想要解決的深入挖掘問題不能實現(xiàn)，要么只是各種軟件疊加上去，客戶看著無從下手；又或者只是在云計算的底層做了大量開發(fā)，而應(yīng)用層開發(fā)不到位，導(dǎo)致客戶根本不會用。 “百邁客云”使以上問題得到破解。百邁客多年的科技服務(wù)經(jīng)驗中提煉出的客戶需求，數(shù)以萬計的項目分析經(jīng)驗保證了分析的準(zhǔn)確性，生物信息人才和計算機人才團(tuán)隊的緊密合作，多年生物信息培訓(xùn)班等知識傳播經(jīng)驗為百邁客云平臺的開發(fā)和應(yīng)用提供了有力的保障。從而使云平臺能夠更好的滿足客戶數(shù)據(jù)深入挖掘的需求，能夠在科研工作者中廣泛推廣和輕松使用。這種模式讓我們的研究人員有更多的精力去把握科學(xué)技術(shù)前沿發(fā)展，設(shè)計科研的思路，不用擔(dān)心生物信息和IT的技術(shù)問題，真正實現(xiàn)了我們一直以來希望的客戶通過云平臺自己做分析，相比科技服務(wù)1.0模式是一個顛覆性的變革，“授人以魚不如授人以漁”，這種可以讓生物學(xué)家在云端對自有數(shù)據(jù)結(jié)合PB級公共數(shù)據(jù)自主進(jìn)行可視化、交互式基因大數(shù)據(jù)挖掘的科技服務(wù)模式我把它定義為“科技服務(wù) 2.0 時代”。 百邁客云，讓每個課題組都輕松具備生信分析能力，引領(lǐng)基因科技服務(wù)2.0時代 圖3.基因科技服務(wù)2.0時代 百邁客云提供了“云服務(wù)”和“云賬號”兩種模式。 “云服務(wù)”是測序分析的項目以“云服務(wù)”的模式開展，所有的項目數(shù)據(jù)都會推送到云上，標(biāo)準(zhǔn)分析都由技術(shù)人員完成，項目相關(guān)的數(shù)據(jù)深入挖掘和個性化分析部分由技術(shù)人員帶領(lǐng)客戶在云上進(jìn)行，客戶也可以自主在云端進(jìn)行數(shù)據(jù)分析，簡單來說就是數(shù)據(jù)分析科研人員想自己做就自己做，不想自己做就交給公司做，這種模式能夠解決服務(wù)公司售后個性化分析期限的問題，科研人員可以在云上進(jìn)行分析，直到文章的發(fā)表；“云賬號”主要針對做過或熟悉高通量測序，手里有一些沒有完全挖掘的數(shù)據(jù)，還想充分利用公用數(shù)據(jù)的用戶，經(jīng)過簡單的培訓(xùn)后，就可以在云平臺上自主分析數(shù)據(jù)，多種分析軟件都可以使用，深入挖掘自己以前的所有項目數(shù)據(jù)，也可以利用NCBI等公共數(shù)據(jù)進(jìn)行挖掘研究，課題組的多個成員可以同時開展多個項目，提高研究的效率。 科技服務(wù)2.0時代對科研工作者是一個新的機遇。對于科研經(jīng)費相對充足的科學(xué)家，自己往往做較多的測序項目，以云模式進(jìn)行分析能節(jié)省大量的分析經(jīng)費，提高經(jīng)費的使用效率，產(chǎn)出更多科研成果。對于科研經(jīng)費相對不太充裕的科學(xué)家，可以通過充分利用公共數(shù)據(jù)進(jìn)行科學(xué)研究，節(jié)省了不必要的測序費用，用云模式同樣可以產(chǎn)出豐碩的科研成果。 百邁客云從2013年開始開發(fā)，經(jīng)過小伙伴們2年多的開發(fā)和內(nèi)部外部測試，以每周一個新版本的迭代速度于2015年正式邁入市場，成為針對更多生命科學(xué)家的“Turn-key?BioCloud”，2016年開始全國推廣。百邁客云得到了像中國科學(xué)院院士陳潤生院士、中科院基因組所于軍研究員、北京大學(xué)羅靜初教授等中國生物信息領(lǐng)域的權(quán)威專家的大力支持和幫助。百邁客云日臻完善，可以開放的讓科研工作者來體驗和使用，目前已經(jīng)有上萬科研用戶注冊使用，開啟了云端自主數(shù)據(jù)深入挖掘的新時代。得到廣大科研用戶的肯定是對我們最大的鼓勵，百邁客“云模式”將持續(xù)迭代開發(fā)，繼續(xù)引領(lǐng)科技服務(wù)2.0時代，更好的服務(wù)于科研工作者，加速科研創(chuàng)新，“成就客戶”是我們服務(wù)的理念，讓每一個課題組都具備生物信息分析能力，讓每一位科學(xué)家能從百邁客云模式中受益。 立即體驗...