创建细胞功能的全局视图

分析基因表达和转录组变化,以便更深入地了解相关生物学机制

基因表达和转录组分析

转录组分析实验可让研究人员表征转录活性(编码及非编码),专注于由相关靶基因和转录本组成的子集,亦可一次性分析数千种基因,创建细胞功能的全局视图。基因表达分析研究可以提供在各种条件下活跃表达的基因和转录本的信息。

新一代测序(NGS)将转录组学的研究范围从一次研究几个基因扩大到了一次实验就可以分析全基因组的基因表达水平。了解基于NGS的RNA测序(RNA-Seq)与其他常见的基因表达和转录本分析方法(例如基因表达芯片和qRT-PCR)之间的不同之处。了解如何使用RNA-Seq分析基因表达和鉴定新的转录本。

基因表达图谱分析电子书
使用RNA-Seq进行基因表达图谱分析的优势

探索NGS在基因表达、基因调控和甲基化分析中的优势。

下载电子书
基因表达芯片

优点:常见的工作流程,样本通量高,可用于分析已知的基因和转录本

缺点:无法检测新的转录本;基因表达测定受到背景噪音(下限)和信号饱和(上限)的限制。1

了解芯片与RNA-Seq
qRT-PCR

优点:常见的工作流程,靶点数量较少时更加高效

缺点:只能检测已知序列,可扩展性低

了解qRT-PCR与RNA-Seq
RNA-Seq

优点:广泛的动态范围,适用于任何物种,可在单次分析中同时检测已知和未知的特征1

缺点:只数量有限的样本中的少量已知转录变异时,成本效益比较低

深入了解RNA-Seq

了解如何使用以下基于NGS的RNA-Seq方法来分析基因表达:

  • mRNA测序:借助清晰全面的编码转录组视图来探索替代转录本、基因融合和等位基因特异性表达模式。
  • 靶向RNA测序:选择感兴趣的特定基因或转录本并对其进行测序。同时分析几十到几千个靶点的基因表达。
乳腺癌的基因表达模式

在第41集Illumina基因组学播客中,Ake Borg博士探讨了基于基因表达模式、甲基化和其他基因组改变的乳腺肿瘤分类。

立即收听

了解如何使用全转录组分析与总RNA测序(总RNA-Seq)来捕捉基因表达变化的广泛影响。该方法可以同时检测编码RNA和多种形式的非编码RNA,获得完整的转录组视图。

深入了解总RNA-Seq

 

通过单细胞转录组测序绘制神经元多样性

从单细胞分析基因表达特征的能力正在改变神经元的分类方法。

阅读文章

特色基因表达和转录组研究

 
肿瘤RNA-Seq
揭示药物敏感性致瘤通路

研究人员使用基于NGS的RNA-Seq来分析癌症样本中的生物标记以及已激活通路的转录组特征。

阅读访谈录
Precision Immunotherapies Using Tumor-Specific HLA Ligands
Precision Immunotherapies Using Tumor-Specific HLA Ligands

Annika Sonntag, PhD explains how using NGS helped her team obtain broader RNA data and measure exon-specific RNA expression.

阅读访谈录
乳腺癌
寻找与癌症相关的基因表达图谱

研究人员使用RNA-Seq及其他NGS方法来揭示与癌症相关的基因表达生物标记。

阅读访谈录

In this webinar, the speakers assess the effects of tissue heterogeneity on gene regulation in Arabidopsis thaliana. They characterize cell type-specific motif enrichments of large transcription factor families and examine link gene expression to changes in chromatin accessibility. Their approach provides an analytical framework to infer the gene regulatory networks that execute plant development.

View Webinar
Gene Expression and Regulation in Arabidopsis thaliana

为了解疾病机制与细胞发育,研究人员经常在特定组织、发育期间或对各种疾病的反应中进行差异表达研究。与表达芯片相比,RNA-Seq可以检测到更高比例的差异表达基因,尤其是低丰度的基因。1DESeq2BaseSpace Sequence Hub应用程序可以帮助研究人员对多个物种的RNA-Seq数据进行差异基因表达分析。

子宫内膜组织的单细胞转录组分析

该研究介绍了一个子宫内膜单细胞基因表达分析流程。采用RNA-Seq来鉴定活组织和培养的单个细胞的差异表达基因。

阅读文献
基因panel和芯片查找工具

确定针对您感兴趣的基因的测序panel和芯片。用基因搜索panel,或用基因组位置、变异ID或物种查找基因分型芯片。

匹配Panel
基因panel和芯片查找工具
NextSeq 2000 System
NextSeq 2000 System

Groundbreaking benchtop sequencers allow you to explore new discoveries across a variety of current and emerging applications, with higher efficiency and fewer restraints.

Learn More
TruSeq RNA Exome
TruSeq RNA Exome

Provides a reproducible, economical solution for sequencing RNA from FFPE tissues and other low-quality samples. Accuracy from as little as 10 ng total RNA.

Learn More
Ampliseq for Illumina
Ampliseq for Illumina

AmpliSeq chemistry offers a highly multiplexed PCR-based workflow for a few to hundreds of targets in a single run.

Learn More
AmpliSeq for Illumina Transcriptome Human Gene Expression Panel

用于测定20,000多个人类RefSeq基因的表达水平的靶向研究panel。

查看产品
DRAGEN Bio-IT Platform

Provides accurate, ultra-rapid secondary analysis of sequencing data, including RNA-Seq data.

查看产品
NextSeq 550系统

这台台式测序仪支持全基因组、转录组、靶向重测序和芯片扫描,具有可调节的产出和高数据质量。

查看产品
癌症基因表达图谱分析
癌症转录组分析

利用RNA测序分析基因表达和转录组变化可以帮助研究员了解肿瘤的分类和进展。深入了解癌症RNA-Seq

微生物转录组分析
微生物转录组分析

对细菌、病毒及其他微生物进行RNA-Seq能够对广泛的微生物转录本进行注释和定量。深入了解微生物RNA-Seq

复杂疾病研究
复杂疾病研究

基因表达和转录组分析研究可以帮助研究人员从分子水平上更好地了解神经学、免疫学和其他复杂疾病。深入了解复杂疾病基因组学

药物反应生物标记研究
基于RNA的药物反应生物标记分析

了解如何利用RNA-Seq发现并分析基于RNA的药物反应生物标记。查看帮助研究人员开展此应用的资源。深入了解药物反应RNA生物标记分析

HumanHT-12 v4 Expression BeadChip基因表达芯片已停产。推荐用于RNA-Seq的替代产品包括TruSeq Stranded Total RNATruSeq RNA Exome以及TruSeq Stranded mRNA Kit。Illumina始终致力于为您提供高质量的支持和服务。

Interested in receiving newsletters, case studies, and information on sequencing methods? Enter your email address.
在单细胞中分析基因表达
在单细胞中分析基因表达

通过高度灵敏的RNA-Seq方法,可进行极低起始量样本(甚至单细胞)的基因表达分析。

Learn More
RNA-Seq数据分析
RNA-Seq数据分析

用户友好型软件工具为生物学家简化了mRNA-Seq数据分析,与生物信息学经验无关。

了解更多
RNA测序用于基因表达分析
RNA测序用于基因表达分析

Illumina提供完整的、可购买RNA-Seq工作流程解决方案,用于基因表达和转录组图谱研究。

阅读应用说明
方法指南
方法指南

该指南提供了您需要的全部信息,包括用于文库制备的BeadChip芯片、测序仪选择和分析。为您的实验室选择较佳工具。

获取指南
参考文献
  1. Zhao S, Fung-Leung WP, Bittner A, and Ngo K, Liu X. Comparison of RNA-Seq and microarray in transcriptome profiling of activated T cells.PLoS One.2014;16;9(1):e78644.