BMKMANU S1000 telpiskais transkripts
BMKMANU S1000 telpiskās transkripta tehniskā shēma
Funkcijas
● Izšķirtspēja: 5 µM
● Punkta diametrs: 2,5 µM
● Vietu skaits: aptuveni 2 miljoni
● 3 iespējamie uzņemšanas apgabala formāti: 6,8 mm * 6,8 mm, 11 mm * 11 mm vai 15 mm * 20 mm
● Katra svītrkoda lodziņa ir piepildīta ar gruntskrāsām, kas sastāv no 4 sadaļām:
poli(dT) asti mRNS ievadīšanai un cDNS sintēzei
Unikāls molekulārais identifikators (UMI), lai koriģētu amplifikācijas novirzes
Telpiskais svītrkods
Daļējas nolasīšanas 1 sekvences praimera saistošā secība
● sekciju H&E un fluorescējoša krāsošana
● Iespēja izmantotšūnu segmentācijas tehnoloģija: H&E krāsošanas, fluorescējošās krāsošanas un RNS sekvencēšanas integrācija, lai noteiktu katras šūnas robežas un pareizi piešķirtu gēnu ekspresiju katrai šūnai.
BMKMANU S1000 priekšrocības
●Sub-šūnu izšķirtspēja: katrā uztveršanas apgabalā bija> 2 miljoni telpisku svītrkodu plankumu ar diametru 2,5 µm un 5 µm atstarpi starp plankumu centriem, ļaujot veikt telpisko transkripta analīzi ar sub-šūnu izšķirtspēju (5 µm).
●Daudzlīmeņu izšķirtspējas analīze:Elastīga daudzlīmeņu analīze no 100 μm līdz 5 μm, lai optimālā izšķirtspējā atrisinātu dažādas audu īpašības.
●Iespēja izmantot “Trīs vienā slaidā” šūnu segmentācijas tehnoloģiju:Apvienojot fluorescences krāsošanu, H&E krāsošanu un RNS sekvencēšanu uz viena priekšmetstikliņa, mūsu "trīs vienā" analīzes algoritms dod iespēju identificēt šūnu robežas turpmākai šūnu transkriptomikai.
●Savietojams ar vairākām sekvencēšanas platformām: Pieejama gan NGS, gan ilgi lasīta secība.
●Elastīgs 1–8 aktīvās uzņemšanas zonas dizains: Uzņemšanas apgabala izmērs ir elastīgs, iespējams izmantot 3 formātus (6,8 mm * 6,8 mm., 11 mm * 11 mm un 15 mm * 20 mm)
●Vienas pieturas pakalpojums: tajā ir integrēti visi uz pieredzi un prasmēm balstīti soļi, tostarp krio sekcija, krāsošana, audu optimizācija, telpiskā svītrkodēšana, bibliotēkas sagatavošana, sekvencēšana un bioinformātika.
●Visaptveroša bioinformātika un lietotājam draudzīga rezultātu vizualizācija:pakotnē ir iekļautas 29 analīzes un 100+ augstas kvalitātes skaitļi, kas apvienoti ar iekšēji izstrādātas programmatūras izmantošanu, lai vizualizētu un pielāgotu šūnu sadalīšanu un vietas klasterizāciju.
●Pielāgota datu analīze un vizualizācija: pieejams dažādiem pētniecības pieprasījumiem
●Augsti kvalificēta tehniskā komanda: ar pieredzi vairāk nekā 250 audu veidos un 100+ sugās, ieskaitot cilvēkus, peles, zīdītājus, zivis un augus.
●Reāllaika atjauninājumi visam projektam: ar pilnīgu eksperimentālā progresa kontroli.
●Izvēles locītavu analīze ar vienas šūnas mRNS sekvencēšanu
Pakalpojuma specifikācijas
|
Paraugs Prasības
| Bibliotēka |
Sekvences stratēģija
| Ieteicamie dati | Kvalitātes kontrole |
| OCT iegulti krio paraugi, 3 bloki katrā paraugā | S1000 cDNS bibliotēka | Illumina PE150 (pieejamas citas platformas) | 100 000 PE nolasījumu uz 100 uM (60–150 Gb) | NIN>7 |
Lai iegūtu plašāku informāciju par paraugu sagatavošanas norādījumiem un pakalpojumu darbplūsmu, lūdzu, sazinieties ar aBMKGENE eksperts
Pakalpojuma darba plūsma
Paraugu sagatavošanas fāzē tiek veikts sākotnējais lielapjoma RNS ekstrakcijas izmēģinājums, lai nodrošinātu augstas kvalitātes RNS iegūšanu. Audu optimizācijas posmā sekcijas tiek iekrāsotas un vizualizētas, un tiek optimizēti caurlaidības apstākļi mRNS izdalīšanai no audiem. Optimizētais protokols tiek izmantots bibliotēkas izveides laikā, kam seko secība un datu analīze.
Pilnīga pakalpojuma darbplūsma ietver reāllaika atjauninājumus un klientu apstiprinājumus, lai uzturētu atsaucīgu atgriezenisko saiti, nodrošinot vienmērīgu projekta izpildi.
BMKMANU S1000 ģenerētie dati tiek analizēti, izmantojot BMKGENE neatkarīgi izstrādāto programmatūru “BSTMatrix”, ģenerējot Gēnu ekspresijas matricu. Pēc tam tiek ģenerēts standarta ziņojums, kas ietver datu kvalitātes kontroli, iekšējā parauga analīzi un starpgrupu analīzi.
● Datu kvalitātes kontrole:
Datu izvades un kvalitātes rādītāju sadalījums
Gēnu noteikšana uz vienu plankumu
Audu pārklājums
● Iekšējā parauga analīze:
Gēnu bagātība
Vietu klasterizācija, ieskaitot samazinātu dimensiju analīzi
Diferenciālās ekspresijas analīze starp klasteriem: marķieru gēnu identificēšana
Marķieru gēnu funkcionālā anotācija un bagātināšana
● Starpgrupu analīze:
Atkārtota plankumu kombinācija no abiem paraugiem (piemēram, slimiem un kontroles) un atkārtota grupēšana
Katras klastera marķieru gēnu identifikācija
Marķieru gēnu funkcionālā anotācija un bagātināšana
Viena un tā paša klastera diferenciālā izteiksme starp grupām
Turklāt BMKGENE izstrādātais “BSTViewer” ir lietotājam draudzīgs rīks, kas ļauj lietotājam vizualizēt gēnu ekspresiju un vietas klasterizāciju dažādās izšķirtspējās.
BMKGene izstrādāja programmatūru lietotājam draudzīgai vizualizācijai
BSTViewer vietas klasterizācija ar daudzlīmeņu izšķirtspēju
BSTCellViewer: automātiska un manuāla šūnu sadalīšana
Iekšējā parauga analīze
Vietu klasterizācija:
Marķieru gēnu identifikācija un telpiskais sadalījums:
Starpgrupu analīze
Datu kombinācija no abām grupām un atkārtotas klastera:
Jaunu klasteru marķieru gēni:
Izpētiet sasniegumus, ko veicina BMKGene telpiskās transkriptomikas pakalpojumi ar tehnoloģiju BMKManu S1000 šajā piedāvātajā publikācijā:
Dziesma, X. u.c. (2023) "Telpiskā transkriptomika atklāj gaismas inducētas hlorenhīmas šūnas, kas iesaistītas dzinumu reģenerācijas veicināšanā tomātu kallusā",Amerikas Savienoto Valstu Nacionālās Zinātņu akadēmijas materiāli, 120(38), lpp. e2310163120. doi: 10.1073/pnas.2310163120
Jūs, Y. et al. (2023) “Uz sekvencēšanu balstītu telpiskās transkriptomijas metožu sistemātisks salīdzinājums”,bioRxiv, lpp. 2023.12.03.569744. doi: 10.1101/2023.12.03.569744.
