- ကြည်လင်ပြတ်သားမှု 3.5 µM
- Spot Diameter: 2.5 µM
- အစက်အပြောက်အရေအတွက်- ခန့်မှန်းခြေ 4 သန်း
- ဖမ်းယူနိုင်သည့်ဧရိယာ ဖော်မတ် ၃ ခု- 6.8 မီလီမီတာ * 6.8 မီလီမီတာ၊ 11 မီလီမီတာ * 11 မီလီမီတာ သို့မဟုတ် 15 မီလီမီတာ * 20 မီလီမီတာ
- ဘားကုဒ်လုပ်ထားသောပုတီးစေ့တစ်ခုစီတွင် အပိုင်း 4 ပိုင်းပါဝင်သည့် primers များပါရှိသည်။
• mRNA priming နှင့် cDNA ပေါင်းစပ်မှုအတွက် poly(dT) အမြီး၊
• ချဲ့ထွင်မှုဆိုင်ရာ ဘက်လိုက်မှုကို မှန်ကန်စေရန် သီးသန့် မော်လီကျူး အမှတ်အသား (UMI)
• Spatial ဘားကုဒ်
• တစ်စိတ်တစ်ပိုင်းဖတ်ရန် 1 sequencing primer ၏ စည်းနှောင်မှု အစီအစဥ်
- H&E နှင့် အပိုင်းများ၏ ချောင်းဆိုးခြင်း
- ဆဲလ်တစ်ခုစီ၏ နယ်နိမိတ်များကို ဆုံးဖြတ်ရန်နှင့် ဆဲလ်တစ်ခုစီသို့ ဗီဇဖော်ပြမှုကို မှန်ကန်စွာသတ်မှတ်ရန် - ဆဲလ်အမျိုးအစားခွဲခြင်းနည်းပညာကို အသုံးပြုရန် ဖြစ်နိုင်ခြေ- H&E စွန်းထင်းခြင်း၊ ချောင်းဆိုးခြင်း နှင့် RNA ပေါင်းစပ်ခြင်း ပေါင်းစပ်ခြင်း။ ဆဲလ်ဘင်အပေါ်အခြေခံ၍ ရေအောက်ပိုင်း Spatial ပရိုဖိုင်ခွဲခြမ်းစိတ်ဖြာမှုကို လုပ်ဆောင်နေသည်။
- အဆင့်ပေါင်းများစွာ ကြည်လင်ပြတ်သားမှု ခွဲခြမ်းစိတ်ဖြာမှုကို ရရှိရန် ဖြစ်နိုင်သည်- 100um မှ 3.5 အွမ်အထိ ကွဲပြားသော တစ်ရှူးအင်္ဂါရပ်များကို အကောင်းဆုံး ကြည်လင်ပြတ်သားမှုဖြင့် ဖြေရှင်းရန် Flexible Multi-level ခွဲခြမ်းစိတ်ဖြာခြင်း။
-ဖမ်းယူနိုင်သော နေရာများကို 4 သန်းအထိ နှစ်ဆတိုးစေသည်။: 3.5 uM ပိုမိုကောင်းမွန်သော ကြည်လင်ပြတ်သားမှုဖြင့်၊ ဆဲလ်တစ်ခုလျှင် ပိုမိုမြင့်မားသော မျိုးဗီဇနှင့် UMI ထောက်လှမ်းမှုကို ဖြစ်စေသည်။ ၎င်းသည် တစ်ရှူးများ၏ဖွဲ့စည်းပုံနှင့်ကိုက်ညီသည့် အသေးစိတ်အချက်အလက်များဖြင့် စာသားမှတ်တမ်းပရိုဖိုင်များအပေါ်အခြေခံ၍ ဆဲလ်များစုပုံခြင်းကို ပိုမိုကောင်းမွန်စေသည်။
- Sub-cellular resolution-ဖမ်းယူရရှိသည့်နေရာတစ်ခုစီတွင် အချင်း 2.5 µm နှင့် အချင်း 2.5 µm ရှိသော spatial barcoded Spots 2 သန်းကျော်ရှိပြီး အစက်အပြောက်စင်တာများကြား 5 µm အကွာအဝေးရှိကာ၊ ဆဲလ်ခွဲခွဲခွဲခြမ်းစိတ်ဖြာမှု (5 µm) ဖြင့် spatial transcriptome analysis ကို ဖွင့်ပေးသည်။
-အဆင့်ပေါင်းများစွာ ကြည်လင်ပြတ်သားမှု ခွဲခြမ်းစိတ်ဖြာမှု-ကွဲပြားသောတစ်ရှူးအင်္ဂါရပ်များကို အကောင်းဆုံးဖြေရှင်းနိုင်စေရန် 100 μm မှ 5 μm အထိ လိုက်လျောညီထွေရှိသော အဆင့်ပေါင်းများစွာ ခွဲခြမ်းစိတ်ဖြာမှု။
-ဆဲလ် အပိုင်းခွဲခြင်းနည်းပညာကို “သုံးဆလိုက်တစ်ခုတွင်” အသုံးပြုရန် ဖြစ်နိုင်ခြေ-ဆလိုက်တစ်ခုတည်းတွင် fluorescence စွန်းထင်းခြင်း၊ H&E စွန်းထင်းခြင်းနှင့် RNA စီခြင်းကို ပေါင်းစပ်ထားခြင်း၊ ကျွန်ုပ်တို့၏ "three-in-one" ခွဲခြမ်းစိတ်ဖြာမှု algorithm သည် နောက်ဆက်တွဲ ဆဲလ်အခြေခံ transcriptomics အတွက် ဆဲလ်နယ်နိမိတ်များကို ဖော်ထုတ်နိုင်စေပါသည်။
-များစွာသော sequencing ပလပ်ဖောင်းများနှင့် တွဲဖက်NGS နှင့် long-read sequencing နှစ်မျိုးလုံး ရနိုင်ပါသည်။
-1-8 တက်ကြွသောဖမ်းယူဧရိယာ၏ပြောင်းလွယ်ပြင်လွယ်ဒီဇိုင်း: ဖမ်းယူဧရိယာ၏အရွယ်အစားသည် ပြောင်းလွယ်ပြင်လွယ်ဖြစ်ပြီး ပုံစံ 3 မျိုး (6.8 မီလီမီတာ * 6.8 မီလီမီတာ၊ 11 မီလီမီတာ * 11 မီလီမီတာ နှင့် 15 မီလီမီတာ * 20 မီလီမီတာ) ကို အသုံးပြုနိုင်သည်။
-One-stop ဝန်ဆောင်မှု: cryo ခွဲမွေးခြင်း၊ စွန်းထင်းခြင်း၊ တစ်ရှူးများ ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်း၊ spatial barcoding၊ စာကြည့်တိုက်ပြင်ဆင်မှု၊ စီစစ်ခြင်းနှင့် ဇီဝနည်းပညာဆိုင်ရာ အပါအဝင် အတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုအခြေခံအဆင့်များအားလုံးကို ပေါင်းစပ်ထားသည်။
-ပြီးပြည့်စုံသော bioinformatics နှင့် ရလဒ်များကို အသုံးပြုရလွယ်ကူသော ပုံရိပ်ယောင်ပုံဖော်ခြင်း-ပက်ကေ့ဂျ်တွင် ခွဲခြမ်းစိတ်ဖြာမှု ၂၉ ခုနှင့် အရည်အသွေးမြင့် ကိန်းဂဏန်း 100+ ပါ၀င်ပြီး ဆဲလ်ခွဲထွက်ခြင်းနှင့် အစက်အပြောက်အစုအဝေးများကို မြင်သာစေရန်နှင့် စိတ်ကြိုက်ပြုလုပ်ရန် အိမ်တွင်းတီထွင်ထားသောဆော့ဖ်ဝဲလ်ကို အသုံးပြုခြင်းဖြင့် ပေါင်းစပ်ထားသည်။
-စိတ်ကြိုက်ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် စိတ်ကူးပုံဖော်ခြင်း။: မတူညီသော သုတေသနတောင်းဆိုမှုများအတွက် ရနိုင်ပါသည်။
-ကျွမ်းကျင်သော နည်းပညာအဖွဲ့လူသား၊ ကြွက်၊ နို့တိုက်သတ္တဝါ၊ ငါးနှင့် အပင်များအပါအဝင် မျိုးစိတ်ပေါင်း 250 ကျော်နှင့် မျိုးစိတ်ပေါင်း 100+ တွင် အတွေ့အကြုံဖြင့်။
-ပရောဂျက်တစ်ခုလုံးအတွက် အချိန်နှင့်တပြေးညီ အပ်ဒိတ်များ: စမ်းသပ်မှုတိုးတက်မှုကို အပြည့်အဝထိန်းချုပ်ထားသည်။
-Single-cell mRNA sequencing ဖြင့် ရွေးချယ်နိုင်သော ပူးတွဲခွဲခြမ်းစိတ်ဖြာခြင်း။
နမူနာလိုအပ်ချက်များ | စာကြည့်တိုက် | Sequencing ဗျူဟာ | ဒေတာအကြံပြုထားသည်။ | အရည်အသွေးထိန်းချုပ်မှု |
OCT-embedded cryo နမူနာများ (အကောင်းဆုံးအချင်း- ခန့်မှန်းခြေ။ 6×6×6 mm³) နမူနာတစ်ခုလျှင် 2 တုံး စမ်းသပ်မှု အတွက် 1 ခု၊ အရန်အတွက် 1 ခု | S3000 cDNA စာကြည့်တိုက် | Illumina PE150 | 100υM (250 Gb) လျှင် 160K PE ဖတ်သည် | RIN > ၇ |
နမူနာပြင်ဆင်မှုလမ်းညွှန်နှင့် ဝန်ဆောင်မှုလုပ်ငန်းအသွားအလာဆိုင်ရာ အသေးစိတ်အချက်အလက်များအတွက် ကျေးဇူးပြု၍ တစ်ဦးနှင့်စကားပြောပါ။BMKGENE ကျွမ်းကျင်သူ
နမူနာပြင်ဆင်မှုအဆင့်တွင်၊ အရည်အသွေးမြင့် RNA ကိုရရှိနိုင်ကြောင်းသေချာစေရန် ကနဦးအမြောက်အများ RNA ထုတ်ယူစမ်းသပ်မှုကို လုပ်ဆောင်သည်။ တစ်ရှူးများကို ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းအဆင့်တွင် အပိုင်းများကို စွန်းထင်းပြီး မြင်သာထင်သာမြင်သာအောင်ပြုလုပ်ပြီး တစ်ရှူးမှ mRNA ထုတ်လွှတ်မှုအတွက် permeabilization အခြေအနေများကို အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ထားသည်။ ထို့နောက် စာကြည့်တိုက်တည်ဆောက်မှုအတွင်း ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ထားသော ပရိုတိုကောကို ပေါင်းစပ်ခြင်းနှင့် ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းတို့ဖြင့် လုပ်ဆောင်သည်။
ပြီးပြည့်စုံသော ဝန်ဆောင်မှုလုပ်ငန်းအသွားအလာတွင် ပရောဂျက်ကို ချောမွေ့စွာလုပ်ဆောင်ခြင်းအား သေချာစေရန် တုံ့ပြန်မှုတုံ့ပြန်ချက်ကွင်းဆက်ကို ထိန်းသိမ်းထားရန် အချိန်နှင့်တပြေးညီ အပ်ဒိတ်များနှင့် ဖောက်သည်အတည်ပြုချက်များ ပါဝင်ပါသည်။
BMKMANU S3000 မှထုတ်ပေးသောဒေတာကို BMKGENE မှ သီးခြားဒီဇိုင်းထုတ်ထားသည့် ဆော့ဖ်ဝဲ “BSTMatrix” ကို အသုံးပြု၍ ခွဲခြမ်းစိပ်ဖြာကာ ဆဲလ်အဆင့်နှင့် အဆင့်များစွာသော ရုပ်ထွက်အရည်အသွေး Gene Expression Matrix ကိုထုတ်ပေးသည်။ ထိုမှနေ၍ ဒေတာအရည်အသွေးထိန်းချုပ်မှု၊ အတွင်းနမူနာခွဲခြမ်းစိတ်ဖြာမှုနှင့် အုပ်စုအချင်းချင်းခွဲခြမ်းစိတ်ဖြာမှုတို့ပါ၀င်သည့် စံအစီရင်ခံစာကို ထုတ်ပေးပါသည်။
- ဒေတာအရည်အသွေးထိန်းချုပ်ရေး-
- ဒေတာထွက်ရှိမှုနှင့်အရည်အသွေးရမှတ်ဖြန့်ဖြူး
- နေရာအလိုက် မျိုးရိုးဗီဇ ထောက်လှမ်းခြင်း။
- တစ်ရှူး ဖုံးအုပ်ခြင်း။
- အတွင်း-နမူနာခွဲခြမ်းစိတ်ဖြာမှု-
- မျိုးဗီဇကြွယ်ဝမှု
- လျှော့ချထားသောအတိုင်းအတာခွဲခြမ်းစိတ်ဖြာမှုအပါအဝင် Spot clustering
- အစုအဝေးများအကြား ကွဲပြားသောဖော်ပြချက်ခွဲခြမ်းစိတ်ဖြာမှု- အမှတ်အသားမျိုးဗီဇများကို ဖော်ထုတ်ခြင်း။
- လုပ်ဆောင်နိုင်သောမှတ်ချက်များနှင့် အမှတ်အသားမျိုးဗီဇများ ကြွယ်ဝစေခြင်း။
- အုပ်စုအချင်းချင်းခွဲခြမ်းစိတ်ဖြာ
- နမူနာနှစ်ခုလုံးမှ အစက်အပြောက်များကို ပြန်လည်ပေါင်းစပ်ခြင်း (ဥပမာ။ ရောဂါရှိသော၊ ထိန်းချုပ်မှု) နှင့် ပြန်လည်စုဖွဲ့ခြင်း။
- အစုအဝေးတစ်ခုစီအတွက် အမှတ်အသားမျိုးဗီဇများကို ဖော်ထုတ်ခြင်း။
- လုပ်ဆောင်နိုင်သောမှတ်ချက်များနှင့် အမှတ်အသားမျိုးဗီဇများ ကြွယ်ဝစေခြင်း။
- အုပ်စုများကြားတွင် တူညီသောအစုအဝေး၏ ကွဲပြားသောဖော်ပြချက်
ထို့အပြင် BMKGene မှ တီထွင်ထားသည့် “BSTViewer” သည် အသုံးပြုသူအတွက် အဆင်ပြေစေမည့် ကိရိယာတစ်ခုဖြစ်ပြီး အသုံးပြုသူသည် မျိုးရိုးဗီဇဖော်ပြမှုကို မြင်သာစေရန်နှင့် မတူညီသော resolution များတွင် အစုလိုက်အပုံလိုက်ပြုလုပ်နိုင်စေပါသည်။
BMKGene သည် ဆဲလ်ပုံးတစ်ပုံး သို့မဟုတ် အဆင့်များစွာစတုရန်းဘင်အပေါ်အခြေခံ၍ တိကျသောဆဲလ်တစ်ပုံးပုံး (သို့) အဆင့်များစွာရှိသော စတုရန်းဘင်ကို 100um မှ 3.5um) ဖြင့် spatial profileing ဝန်ဆောင်မှုများကို ပေးပါသည်။
S3000 slide ရှိ တစ်ရှူးကဏ္ဍများမှ spatial profileing data သည် အောက်ပါအတိုင်း ကောင်းမွန်စွာ လုပ်ဆောင်ခဲ့သည်။
Case Study 1: ကြွက်ဦးနှောက်
S3000 ဖြင့် mouse ၏ ဦးနှောက်အပိုင်းကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ဆဲလ်တစ်ခုလျှင် ဗီဇ ~ 2000 ပျမ်းမျှ စီစီဖြင့် ဆဲလ် ~ 94 000 ကို ဖော်ထုတ်နိုင်ခဲ့သည်။ 3.5 uM ၏ ပိုမိုကောင်းမွန်လာသော ကြည်လင်ပြတ်သားမှုသည် စာသားမှတ်တမ်းပုံစံများကို အခြေခံ၍ ဆဲလ်အစုအဝေးများကို ဖြစ်ပေါ်စေပြီး ဆဲလ်အစုအဝေးများသည် ဦးနှောက်၏ကွဲပြားသောဖွဲ့စည်းပုံများကို တုပထားသည်။ မီးခိုးရောင်နှင့် အဖြူရောင်ပစ္စည်းအသီးသီးတွင် သီးသန့်တည်ရှိလုနီးပါးဖြစ်သော oligodendrocytes နှင့် microglia ဆဲလ်များအဖြစ် စုပြုံထားသော ဆဲလ်များ ပျံ့နှံ့မှုကို မြင်ယောင်ခြင်းဖြင့် ၎င်းကို လွယ်ကူစွာ တွေ့ရှိနိုင်သည်။
ဖြစ်ရပ်လေ့လာမှု ၂- ကြွက်သန္ဓေသားလောင်း
S3000 ပါသော mouse သန္ဓေသားအပိုင်းကို ခွဲခြမ်းစိတ်ဖြာခြင်းဖြင့် ဆဲလ်တစ်ခုလျှင် ပျမ်းမျှ genes ~ 1600 ဖြင့် ဆဲလ်ပေါင်း 2200 000 ကို ဖော်ထုတ်နိုင်ခဲ့ပါသည်။ 3.5 uM ၏ ပိုမိုကောင်းမွန်လာသော ကြည်လင်ပြတ်သားမှုသည် မျက်လုံး၏ဧရိယာတွင် 12 ပြွတ်များနှင့် ဦးနှောက်ဧရိယာရှိ 28 ပြွတ်များပါရှိသော စာသားမှတ်တမ်းပုံစံများကို အခြေခံ၍ အလွန်အသေးစိတ်သော ဆဲလ်အစုအဝေးကို ဖြစ်ပေါ်စေသည်။
အတွင်း-နမူနာ ခွဲခြမ်းစိတ်ဖြာခြင်း ဆဲလ်အစုအဝေး ပြုလုပ်ခြင်း-
အမှတ်အသား မျိုးဗီဇ ခွဲခြားသတ်မှတ်ခြင်းနှင့် နေရာအနှံ့ ဖြန့်ဖြူးခြင်း-
- ပိုမြင့်သော ဆဲလ်လူလာခွဲပုံ ကြည်လင်ပြတ်သားမှု- S1000 slide နှင့် နှိုင်းယှဉ်ပါက S3000 ၏ ဖမ်းယူဧရိယာတစ်ခုစီတွင် အချင်း 2.5 µm နှင့် အချင်း 2.5 µm နှင့် အစက်အပြောက်စင်တာများကြား 3.5 µm အကွာအဝေးရှိ Spatial transcriptome ခွဲခြမ်းစိတ်ဖြာမှုအား ပိုမိုကောင်းမွန်သော ဆဲလ်လူလာခွဲခြမ်းစိတ်ဖြာချက်ဖြင့် spatial transcriptome ခွဲခြမ်းစိတ်ဖြာမှုကို ဖွင့်ပေးနိုင်သည် (စတုရန်းပုံး- 3.5 µm)။
- ပိုမိုမြင့်မားသော ဖမ်းယူနိုင်မှု- S1000 slide နှင့် နှိုင်းယှဉ်ပါက Median_UMI သည် 30% မှ 70%, Median_Gene သည် 30% မှ 60% တိုးလာသည်
S1000 ချစ်ပ်၏ အစီအစဉ်-
S3000 ချစ်ပ်၏ အစီအစဉ်-