条形banner-၀၃

ထုတ်ကုန်များ

Specific-Locus Amplified Fragment Sequencing (SLAF-Seq)

High-throughput genotyping သည် အထူးသဖြင့် ကြီးမားသောလူဦးရေတွင်၊ မျိုးရိုးဆက်နွယ်မှုလေ့လာမှုများအတွက် အခြေခံကျသောခြေလှမ်းဖြစ်ပြီး functional gene discovery, evolutionary analysis စသည်တို့အတွက် မျိုးရိုးဗီဇအခြေခံကို ပံ့ပိုးပေးပါသည်။ နက်နဲသော ဂျီနိုမ်တစ်ခုလုံးကို ပြန်လည်စီစစ်ခြင်းအစား၊လျှော့ချထားသော ကိုယ်စားပြု ဂျီနိုမီစည်းစနစ် (RRGS)မျိုးရိုးဗီဇ အမှတ်အသားရှာဖွေတွေ့ရှိမှုတွင် ကျိုးကြောင်းဆီလျော်သော စွမ်းဆောင်ရည်ကို ထိန်းသိမ်းထားစဉ် နမူနာတစ်ခုလျှင် စီတန်းခြင်းကုန်ကျစရိတ်ကို လျှော့ချရန် ဤလေ့လာမှုများတွင် မကြာခဏ အသုံးပြုလေ့ရှိသည်။ RRGS သည် ကန့်သတ်အင်ဇိုင်းများဖြင့် DNA ကို ချေဖျက်ပြီး တိကျသော အပိုင်းအစ အရွယ်အစားအပိုင်းအခြားကို အာရုံစိုက်ခြင်းဖြင့် ၎င်းကို ဂျီနိုမ်၏ အပိုင်းတစ်ပိုင်းကိုသာ စီတန်းစေပါသည်။ RRGS နည်းစနစ်အမျိုးမျိုးတို့တွင် Specific-Locus Amplified Fragment Sequencing (SLAF) သည် စိတ်ကြိုက်ပြင်ဆင်နိုင်သော အရည်အသွေးမြင့် ချဉ်းကပ်မှုတစ်ခုဖြစ်သည်။ BMKGene မှ သီးခြားတီထွင်ထားသော ဤနည်းလမ်းသည် ပရောဂျက်တိုင်းအတွက် သတ်မှတ်ထားသော ကန့်သတ်အင်ဇိုင်းကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်သည်။ ၎င်းသည် မျိုးရိုးဗီဇဆိုင်ရာ အမှတ်အသားရှာဖွေတွေ့ရှိမှုကို ထိရောက်စွာ ရှောင်ရှားနိုင်ချိန်တွင် မျိုးရိုးဗီဇဆိုင်ရာ အမှတ်အသားရှာဖွေတွေ့ရှိမှုကို အာမခံချက်ပေးသည့် များပြားလှသော အရေအတွက်များပြားသော SLAF တဂ်များ၏ မျိုးဆက်ကို သေချာစေသည်။


ဝန်ဆောင်မှုအသေးစိတ်

ဇီဝအချက်အလက်

သရုပ်ပြရလဒ်များ

အသားပေးထုတ်ဝေမှုများ

အလုပ်အသွားအလာ

图片၃၁

နည်းပညာပိုင်းဆိုင်ရာအစီအစဉ်

企业微信截图_17371044436345

ဝန်ဆောင်မှုအင်္ဂါရပ်များ

● NovaSeq တွင် PE150 ဖြင့် စီစစ်ခြင်း။

● နမူနာပေါင်း 1000 ကျော်ကို ဘားကုဒ်နှစ်ထပ်ဖြင့် ပေါင်းစပ်ခြင်းဖြင့် စာကြည့်တိုက်ပြင်ဆင်မှု။

● ဤနည်းပညာကို ကိစ္စတစ်ခုစီအတွက် မတူညီသော bioinformatic pipelines များဖြင့် အကိုးအကားဂျီနိုမ်တစ်ခုနှင့် သို့မဟုတ် မပါဘဲ အသုံးပြုနိုင်ပါသည်။

ရည်ညွှန်းဂျီနိုမ်- SNP နှင့် InDel ရှာဖွေတွေ့ရှိမှု

အကိုးအကားမရှိသော ဂျီနိုမ်- နမူနာအစုအဝေးနှင့် SNP ရှာဖွေတွေ့ရှိမှု

● မြန်မာလိုဆီလီကိုဒီဇိုင်းအကြိုအဆင့်တွင် ကန့်သတ်အင်ဇိုင်းအများအပြားပေါင်းစပ်မှုများကို ဂျီနိုမ်တစ်လျှောက် SLAF တက်ဂ်များ တစ်ပြေးညီ ဖြန့်ကျက်ထုတ်လုပ်မည့်သူများကို ရှာဖွေရန် စိစစ်ထားသည်။

● စမ်းသပ်မှုအကြိုကာလအတွင်း၊ SLAF စာကြည့်တိုက် 9 ခုကိုထုတ်လုပ်ရန်အတွက် နမူနာ 3 ခုတွင် အင်ဇိုင်းပေါင်းစပ်သုံးခုကို စမ်းသပ်ပြီး ၎င်းအချက်အလက်များကို ပရောဂျက်အတွက် အကောင်းဆုံးကန့်သတ်အင်ဇိုင်းပေါင်းစပ်မှုကို ရွေးချယ်ရန် ဤအချက်အလက်ကို အသုံးပြုပါသည်။

ဝန်ဆောင်မှု အားသာချက်များ

မြင့်မားသော မျိုးရိုးဗီဇ အမှတ်အသား ရှာဖွေမှု: high-throughput double barcode system ကို ပေါင်းစည်းခြင်းသည် ကြီးမားသောလူဦးရေကို တပြိုင်နက်တည်း စီစစ်နိုင်စေပြီး၊ နေရာဒေသအလိုက် ချဲ့ထွင်ခြင်းအား ထိရောက်မှု တိုးမြင့်စေပြီး tag နံပါတ်များသည် အမျိုးမျိုးသော သုတေသနမေးခွန်းများ၏ ကွဲပြားသော လိုအပ်ချက်များနှင့် ပြည့်မီကြောင်း သေချာစေပါသည်။

 Genome အပေါ်မှီခိုမှုနည်းပါးသည်။: ၎င်းကို ရည်ညွှန်းထားသော ဂျီနိုမ် သို့မဟုတ် မပါဘဲ မျိုးစိတ်များတွင် အသုံးချနိုင်သည်။

Flexible Scheme ဒီဇိုင်း: Single-enzyme၊ dual-enzyme၊ multi-enzyme အစာခြေခြင်းနှင့် ကွဲပြားသော သုတေသနပန်းတိုင်များ သို့မဟုတ် မျိုးစိတ်များကို ဖြည့်ဆည်းပေးရန်အတွက် အင်ဇိုင်းအမျိုးအစားအမျိုးမျိုးကို ရွေးချယ်နိုင်သည်။ ဟိဆီလီကိုအကောင်းမွန်ဆုံး အင်ဇိုင်းဒီဇိုင်းကို သေချာစေရန်အတွက် ကြိုတင် ဒီဇိုင်းကို လုပ်ဆောင်ပါသည်။

 Enzymatic Digestion အတွက် မြင့်မားသော စွမ်းဆောင်ရည်: တစ်ခု၏ လုပ်ဆောင်မှုဆီလီကိုအကြိုဒီဇိုင်းနှင့် အကြိုစမ်းသပ်မှုတစ်ခုသည် ခရိုမိုဆုန်းပေါ်တွင် SLAF တဂ်များကိုပင် ဖြန့်ချီပြီး အထပ်ထပ်အစီအစဥ် (<5%) ကို လျှော့ချပေးခြင်းဖြင့် အကောင်းဆုံးဒီဇိုင်းကို အာမခံပါသည်။

ကျယ်ပြန့်သောကျွမ်းကျင်မှု: ကျွန်ုပ်တို့၏အဖွဲ့သည် အပင်များ၊ နို့တိုက်သတ္တဝါများ၊ ငှက်များ၊ အင်းဆက်များနှင့် ရေနေသတ္တဝါများအပါအဝင် မျိုးစိတ်ပေါင်း ရာနှင့်ချီရှိ SLAF-Seq ပရောဂျက်ပေါင်း 5000 ကျော်ကို ပိတ်ပစ်သည့် မှတ်တမ်းတစ်ခုနှင့်အတူ ပရောဂျက်တိုင်းအတွက် အတွေ့အကြုံများစွာကို ယူဆောင်လာပါသည်။

 ကိုယ်တိုင်တီထွင်ထားသော Bioinformatic Workflow: BMKGENE သည် နောက်ဆုံးထွက်ရှိမှု၏ ယုံကြည်စိတ်ချရမှုနှင့် တိကျမှုကို သေချာစေရန် SLAF-Seq အတွက် ပေါင်းစပ်ဇီဝနည်းပညာဆိုင်ရာ အလုပ်အသွားအလာကို တီထွင်ခဲ့သည်။

 

ဝန်ဆောင်မှုသတ်မှတ်ချက်များ

 

ခွဲခြမ်းစိတ်ဖြာမှုအမျိုးအစား

အကြံပြုထားသော လူဦးရေအတိုင်းအတာ

Sequence ဗျူဟာ

tag sequence ၏အတိမ်အနက်

တက်ဂ်နံပါတ်

မျိုးရိုးဗီဇမြေပုံများ

မိဘ ၂ ပါးနှင့် အမျိုးအနွယ် ၁၅၀ ကျော်

မိဘများ- 20x WGS

မျိုးပွားခြင်း- 10x

Genome အရွယ်အစား-

<400 Mb- WGS ကို အကြံပြုထားသည်။

<1Gb: 100K တဂ်များ

1-2Gb:: 200K တဂ်များ

>2Gb- 300K တဂ်များ

အများဆုံး 500k တဂ်

Genome-Wide Association Studies (GWAS)

နမူနာ ≥200

10x

မျိုးရိုးဗီဇဆင့်ကဲဖြစ်စဉ်

≥30 နမူနာများ၊ အုပ်စုတစ်ခုစီမှ နမူနာ 10 ခု ပါရှိသည်။

10x

ဝန်ဆောင်မှုလိုအပ်ချက်များ

အာရုံစူးစိုက်မှု ≥ 5 ng/µL

စုစုပေါင်းပမာဏ ≥ 80 ng

Nanodrop OD260/280=1.6-2.5

Agarose ဂျယ်- လုံးဝပျက်စီးခြင်း သို့မဟုတ် ညစ်ညမ်းခြင်း မရှိပါ။

နမူနာပေးပို့မှု အကြံပြုထားသည်။

ကွန်တိန်နာ- 2 ml centrifuge ပြွန်

(နမူနာအများစုအတွက်၊ အီသနောကို မထိန်းသိမ်းဖို့ အကြံပြုထားပါတယ်။)

နမူနာတံဆိပ်ကပ်ခြင်း- နမူနာများကို တင်ပြသည့်နမူနာအချက်အလက်ဖောင်အတွက် ရှင်းရှင်းလင်းလင်း တံဆိပ်တပ်ထားရန် လိုအပ်ပါသည်။

ပို့ဆောင်မှု- ရေခဲခြောက်- နမူနာများကို အိတ်များတွင် ဦးစွာထုပ်ပိုးပြီး ရေခဲခြောက်၌ မြှုပ်နှံရန် လိုအပ်သည်။

ဝန်ဆောင်မှုလုပ်ငန်းအသွားအလာ

နမူနာ QC
စမ်းသပ်မှု
SLAF စမ်းသပ်မှု
စာကြည့်တိုက်ပြင်ဆင်ခြင်း။
Sequencing
ဒေတာခွဲခြမ်းစိတ်ဖြာ
ရောင်းချပြီးနောက်ဝန်ဆောင်မှုများ

နမူနာ QC

စမ်းသပ်မှု

SLAF- စမ်းသပ်မှု

စာကြည့်တိုက်ပြင်ဆင်ခြင်း။

Sequencing

ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်း။

ရောင်းချပြီးနောက်ဝန်ဆောင်မှုများ


  • ယခင်-
  • နောက်တစ်ခု:

  • 图片၃၂အောက်ပါ ခွဲခြမ်းစိတ်ဖြာမှု ပါဝင်သည်-

    • အချက်အလက် QC စီစစ်ခြင်း။
    • SLAF တက်ဂ်ဖွံ့ဖြိုးတိုးတက်မှု

    ဂျီနိုမ်ကိုရည်ညွှန်းရန် မြေပုံဆွဲခြင်း။

    ရည်ညွှန်းဂျီနိုမ်မပါပဲ- အစုလိုက်အပြုံလိုက်

    • SLAF တဂ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်း။- စာရင်းဇယားများ၊ ဂျီနိုမ်တစ်လျှောက် ဖြန့်ဖြူးခြင်း။
    • အမှတ်အသားရှာဖွေတွေ့ရှိမှု- SNP၊ InDel၊ SNV၊ CV ခေါ်ဆိုမှုနှင့် မှတ်ချက်

    ခရိုမိုဆုန်းများပေါ်တွင် SLAF တဂ်များ ဖြန့်ဝေခြင်း-

     图片၃၃

     

    ခရိုမိုဆုန်းများပေါ်တွင် SNPs ဖြန့်ဝေခြင်း-

     图片၃၄SNP မှတ်ချက်

    图片၃၅

     

    တစ်နှစ်

    ဂျာနယ်

    IF

    ခေါင်းစဉ်

    အသုံးချမှု

    ၂၀၂၂

    သဘာဝဆက်သွယ်ရေး

    ၁၇,၆၉၄

    သစ်ပင် peony ၏ giga-chromosomes နှင့် Giga-genome တို့၏ မျိုးရိုးဗီဇအခြေခံ

    Paeonia ostii

    SLAF-GWAS

    2015

    ဇီဝဗေဒပညာရှင်အသစ်

    ၇.၄၃၃

    အိမ်တွင်းမှုခြေရာများသည် စိုက်ပျိုးရေးအတွက် အရေးပါသော မျိုးရိုးဗီဇဒေသများကို ကျောက်ချထားသည်။

    ပဲပိစပ်

    SLAF-GWAS

    ၂၀၂၂

    အဆင့်မြင့်သုတေသနဂျာနယ်

    ၁၂,၈၂၂

    G. hirsutum သို့ Gossypium barbadense ၏ ဂျီနိုမ်ကျယ်ပြန့်သော အတုအယောင် ကျူးကျော်ဝင်ရောက်မှုများ

    ဝါဂွမ်းမျှင်များ၏ အရည်အသွေးနှင့် အထွက်နှုန်းကို တစ်ပြိုင်နက်တည်း တိုးတက်စေရန်အတွက် သာလွန်ကောင်းမွန်သော နေရာတစ်ခုကို ဖော်ထုတ်ပါ။

    စရိုက်များ

    SLAF-ဆင့်ကဲဖြစ်စဉ်မျိုးဗီဇ

    2019 ခုနှစ်

    မော်လီကျူးစက်ရုံ

    ၁၀.၈၁

    လူဦးရေမျိုးရိုးဗီဇခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် De Novo ညီလာခံ Weedy ၏မူလအစကိုဖော်ပြသည်။

    Evolutionary Game အဖြစ် ဆန်

    SLAF-ဆင့်ကဲဖြစ်စဉ်မျိုးဗီဇ

    2019 ခုနှစ်

    သဘာဝမျိုးရိုးဗီဇ

    ၃၁၊၆၁၆

    ဘုံငါးကြင်း၏ မျိုးရိုးဗီဇ ကွဲပြားမှုနှင့် Cyprinus carpio

    SLAF-Linkage မြေပုံ

    ၂၀၁၄

    သဘာဝမျိုးရိုးဗီဇ

    ၂၅,၄၅၅

    စိုက်ပျိုးမြေပဲ၏ ဂျီနိုမီသည် ပဲပင် karyotypes၊ polyploid တို့ကို ထိုးထွင်းသိမြင်စေသည်

    ဆင့်ကဲဖြစ်စဉ်နှင့် သီးနှံစိုက်ပျိုးရေး။

    SLAF-Linkage မြေပုံ

    ၂၀၂၂

    အပင်ဇီဝနည်းပညာဂျာနယ်

    ၉.၈၀၃

    ST1 ကို ဖော်ထုတ်ခြင်းသည် မျိုးစေ့ပုံသဏ္ဍာန်ကို အထွတ်အထိပ်တက်ခြင်း ပါ၀င်သည့် ရွေးချယ်မှုကို ဖော်ပြသည်။

    ပဲပိစပ်မွေးချိန်တွင် ဆီပါဝင်မှု

    SLAF-Marker ဖွံ့ဖြိုးတိုးတက်မှု

    ၂၀၂၂

    နိုင်ငံတကာ မော်လီကျူးသိပ္ပံဂျာနယ်

    ၆။၂၀၈

    Wheat-Leymus mollis 2Ns (2D) အတွက် ခွဲခြားသတ်မှတ်ခြင်းနှင့် DNA အမှတ်အသား ဖွံ့ဖြိုးတိုးတက်မှု

    Disomic Chromosome အစားထိုးခြင်း။

    SLAF-Marker ဖွံ့ဖြိုးတိုးတက်မှု

     

    တစ်နှစ်

    ဂျာနယ်

    IF

    ခေါင်းစဉ်

    အသုံးချမှု

    ၂၀၂၃

    အပင်သိပ္ပံနယ်နိမိတ်

    ၆.၇၃၅

    Pyrus pyrifolia အသီးရင့်မှည့်ချိန်တွင် သကြားပါဝင်မှုကို QTL မြေပုံဆွဲခြင်းနှင့် စာသားမှတ်တမ်း ခွဲခြမ်းစိတ်ဖြာခြင်း

    မျိုးရိုးဗီဇမြေပုံ

    ၂၀၂၂

    အပင်ဇီဝနည်းပညာဂျာနယ်

    ၈။၁၅၄

    ST1 ကို ခွဲခြားသတ်မှတ်ခြင်းသည် ပဲပိစပ်အမွေးပေါက်စဉ် အစေ့၏ ပုံသဏ္ဍာန်နှင့် ဆီပါဝင်မှု အတက်အဆင်း ပါဝင်သည့် ရွေးချယ်မှုကို ဖော်ပြသည်

     

    SNP ခေါ်ဆိုခြင်း။

    ၂၀၂၂

    အပင်သိပ္ပံနယ်နိမိတ်

    ၆.၆၂၃

    မိုးခေါင်ရေရှားပတ်ဝန်းကျင်ရှိ အချည်းနှီးသောမျိုးရိုးဗီဇများကို ဂျီနိုမီကျယ်ပြန့်သောအဖွဲ့အစည်းမြေပုံဆွဲခြင်း။

     

    GWAS

    ကိုးကားရယူပါ။

    သင့်စာကို ဤနေရာတွင် ရေးပြီး ကျွန်ုပ်တို့ထံ ပေးပို့ပါ။

    သင့်ထံ မက်ဆေ့ချ်ပို့ပါ-