„Bmkmanu S3000_Spatial“ transkriptas
„Bmkmanu S3000“ erdvinio transkripto techninė schema
Savybės
- Rezoliucija: 3,5 μm
- taško skersmuo: 2,5 μm
- vietų skaičius: maždaug 4 milijonai
- 3 galimi fiksavimo ploto formatai: 6,8 mm * 6,8 mm, 11 mm * 11 mm arba 15 mm * 20 mm
- Kiekvienas brūkšninis granulė yra pakrauta pradmenimis, sudarytais iš 4 skyrių:
• Poli (dt) uodega mRNR pradinimui ir cDNR sintezei,
• Unikalus molekulinio identifikatorius (UMI), kad būtų ištaisytas amplifikacijos paklaida
• Erdvinis brūkšninis kodas
• Dalinio skaitymo 1 sekos nustatymo pradmens pririšimo seka
- H&E ir fluorescencinis sekcijų dažymas
- Galimybė naudoti ląstelių segmentavimo technologiją: H&E dažymo integracija, fluorescencinis dažymas ir RNR sekos nustatymas, kad būtų galima nustatyti kiekvienos ląstelės ribas ir teisingai priskirti genų ekspresiją kiekvienai ląstelei. Dalyvaujant pasroviui esančią erdvinio profiliavimo analizę, pagrįstą ląstelių šiukšliadėžėmis.
- Galima pasiekti daugiapakopę skiriamąją gebą analizė: lanksčioji kelių lygių analizė svyruoja nuo 100um iki 3,5 UM, kad būtų galima išspręsti įvairias audinių ypatybes, esant optimaliai skiriamąja geba.
„Bmkmanu S3000“ pranašumai
-Surinkimo taškų padvigubėjimas iki 4 milijonų: Kai pagerėjo 3,5 um, tai lemia didesnį genų ir UMI aptikimą vienoje ląstelėje. Dėl to pagerėja ląstelių grupavimas pagal transkripcijos profilius, su smulkesnėmis detalėmis, atitinkančiomis audinių struktūrą.
- sub-ląstelių skiriamoji geba:Kiekvienoje gaudymo srityje buvo> 2 milijonai erdvinių brūkšninių taškų, kurių skersmuo buvo 2,5 μm, o tarpo tarpo tarp taškų centrų skersmuo, įgalinantis erdvinės transkripto analizę su ląstelių skiriamąja geba (5 μm).
-Kelių lygių skiriamoji geba analizė:Lanksčia daugiapakopė analizė svyruoja nuo 100 μm iki 5 μm, kad būtų galima išspręsti įvairias audinių ypatybes, esant optimaliai skiriamąja geba.
-Galimybė naudoti „tris vienoje skaidrėje“ ląstelių segmentavimo technologiją:Derinant fluorescencinį dažymą, H&E dažymą ir RNR seką vienoje skaidrėje, mūsų „trijų viename“ analizės algoritmas įgalina nustatyti ląstelių ribas vėlesnėms ląstelėms pagrįstai transkriptomikai.
-Suderinama su keliomis sekos platformomis: Tiek NGS, tiek ilgai skaitoma seka.
-Lankstus 1-8 aktyvaus gaudymo srities dizainas: Gaudymo srities dydis yra lankstus, todėl galima naudoti 3 formatus (6,8 mm * 6,8 mm, 11 mm * 11 mm ir 15 mm * 20 mm)
-„Vieno langelio“ paslauga: integruoja visus patirtį ir įgūdžius pagrįstus veiksmus, įskaitant krioziją, dažymą, audinių optimizavimą, erdvinį brūkšninį kodą, bibliotekos paruošimą, seką ir bioinformatiką.
-Išsami bioinformatika ir vartotojui patogi rezultatų vizualizacija:Pakuotėje yra 29 analizės ir 100 ir daugiau aukštos kokybės figūros, kartu su „Inhouse“ sukurta programine įranga, skirta vizualizuoti ir pritaikyti ląstelių padalijimą ir taškų grupavimą.
-Individualizuota duomenų analizė ir vizualizacija: Galima rasti skirtingoms tyrimų užklausoms
-Aukštos kvalifikacijos techninė komanda: Su patirtimi daugiau nei 250 tipų audinių ir daugiau nei 100 rūšių, įskaitant žmogaus, pelių, žinduolių, žuvų ir augalų.
-Realaus laiko viso projekto atnaujinimai: Visiškai kontroliuojant eksperimentinę pažangą.
-Pasirenkama jungtinė analizė su vienos ląstelės mRNR seka
Aptarnavimo specifikacijos
| Imties reikalavimai | Biblioteka | Sekos strategija | Rekomenduojami duomenys | Kokybės kontrolė |
| OCT įterpti krio mėginiai (Optimalus skersmuo: apytiksliai. 6 × 6 × 6 mm³) 2 blokai viename mėginyje 1 eksperimentui, 1 už atsarginę kopiją | S3000 cDNR biblioteka | „Illumina PE150“ | 160K PE skaitymas per 100υm (250 GB) | RIN> 7 |
Norėdami gauti daugiau informacijos apie mėginių paruošimo rekomendacijas ir aptarnavimo darbo eigą, nedvejodami pasikalbėkite su a„Bmkgene“ ekspertas
Aptarnavimo darbo srautas
Mėginio paruošimo fazėje atliekamas pradinis birių RNR ekstrahavimo tyrimas, siekiant užtikrinti, kad būtų galima gauti aukštos kokybės RNR. Audinių optimizavimo etape skyriai yra dažomi ir vizualizuojami, o optimizuojamos mRNR išsiskyrimo iš audinio permeabilizacijos sąlygos. Tada optimizuotas protokolas taikomas statant biblioteką, po to seka ir duomenų analizė.
Visa aptarnavimo darbo eiga apima realaus laiko atnaujinimus ir klientų patvirtinimus, kad būtų išlaikyta reaguojanti grįžtamojo ryšio kilpa, užtikrinant sklandų projekto vykdymą.
„BMKManu S3000“ sugeneruoti duomenys analizuojami naudojant programinę įrangą „BSTMatrix“, kurią savarankiškai suprojektavo BMKGENE, sukurianti ląstelių lygį ir daugiapakopę skiriamąją gebą genų ekspresijos matricą. Iš ten sukuriama standartinė ataskaita, apimanti duomenų kokybės kontrolę, vidinės imties analizę ir tarp grupių analizę.
- Duomenų kokybės kontrolė:
- Duomenų išvestis ir kokybės balo paskirstymas
- Genų aptikimas kiekvienoje vietoje
- Audinių aprėptis
- Vidinės imties analizė:
- genų turtingumas
- Spot Classion, įskaitant sumažintą matmenų analizę
- Diferencinė išraiškos analizė tarp grupių: žymeklių genų identifikavimas
- Funkcinis žymeklių genų anotacija ir praturtinimas
- Tarp grupių analizė
-Abiejų mėginių (pvz.
- Žymeklių genų identifikavimas kiekvienam klasteriui
- Funkcinis žymeklių genų anotacija ir praturtinimas
- diferencinė to paties klasterio išraiška tarp grupių
Be to, „BMKGENE“ sukūrė „BSTViewer“ yra patogus vartotojui įrankis, leidžiantis vartotojui vizualizuoti genų išraišką ir pastebėti grupes skirtingose rezoliucijose.
„BMKGENE“ siūlo erdvinių profiliavimo paslaugas tikslioje vienos ląstelės skiriamąja geba (pagrįsta ląstelių šiukšliadėžėmis arba daugiapakopėmis kvadratinėmis šiukšliadėžėmis nuo 100um iki 3.5um).
Erdviniai profiliavimo duomenys iš S3000 skaidrių audinių skyrių, atliktų žemiau.
1 atvejo analizė: pelių smegenys
Išanalizavus pelės smegenų sekciją S3000, buvo nustatyta ~ 94 000 ląstelių, o vidutinis sekos nustatymas ~ 2000 genų vienoje ląstelėje. Dėl pagerėjusio 3,5 UM skiriamosios gebos labai išsamiai grupavo ląsteles pagal transkripcijos modelius, kai ląstelių klasteriai imituoja smegenų diferencijuotas struktūras. Tai lengvai pastebima vizualizuojant ląstelių, sugrupuotų kaip oligodendrocitų ir mikroglia ląstelių, pasiskirstymą, atitinkamai beveik išimtinai pilkosios ir baltosios medžiagos.
2 atvejo analizė: pelių embrionas
Išanalizavus pelės embriono skyrių su S3000, buvo nustatyta ~ 2200 000 ląstelių, o vidutinė seka ~ 1600 genų vienoje ląstelėje. Dėl pagerėjusio 3,5 UM skiriamosios gebos labai išsamiai grupavo ląsteles pagal transkripcijos modelius, kurių akies srityje yra 12 klasterių ir 28 klasteriai smegenų srityje.
Vidinės imties analizės ląstelių grupavimas:
Žymeklių genų identifikavimas ir erdvinis pasiskirstymas:
-Aukštesnė sub-ląstelių skiriamoji geba: Palyginti su S1000 skaidrėmis, kiekviename S3000 gaudymo srityje buvo> 4 milijonai erdvinių brūkšninių kodų, kurių skersmuo buvo 2,5 μm, ir 3,5 μm atstumas tarp taškinių centrų, įgalinant erdvinės transkripto analizę su didesne sub-ląstelių skiriamąja geba. (Kvadratinė šiukšliadėžė: 3,5 μm).
- Didesnis gaudymo efektyvumas: Palyginti su S1000 skaidrėmis, mediana_umi padidėja nuo 30% iki 70%, medianos padidėjimas nuo 30% iki 60%
S1000 lusto schema:
S3000 lusto schema:
