长链非编码RNA测序/LncRNA测序

技术路线

 

技术优势

测序策略

收样要求

您可以得到的数据分析

LncRNA测序生物信息学分析流程

案例解析

陆川猪（肥）与杜洛克猪（瘦）组织中lncRNAs与脂肪代谢之间的关系

       本研究对陆川猪和杜洛克猪两个品种的三种不同器官—肝脏，肌肉和脂肪组织中的lncRNAs分别进行了高通量测序。对测序数据进行分析后，共得出了4,868个lncRNA转录本（其中包含了3,235个新的lncRNA转录本）和8,843个mRNA转录本，这些lncRNAs的表达具备组织特异性。对各组织表达的lncRNA进行差异表达分析、聚类分析和靶基因预测分析等，从差异性ZD的脂肪组织中选取了794个潜在的靶基因，通过分析和预测，发现这些靶基因参与226个信号通路作用，其中包括脂肪因子的信号通路，Pl3K-AKT信号通路和钙离子信号通路。通过筛选得知，差异表达的lncRNAs和mRNAs可被定位到13个数量性状的位点上，包括65个QTL_ID。 通过筛选，被定位在两个对脂肪堆积最为显著的QTL_ID的lncRNA与基因ELOVL6和STEAP4共表达。ZH，采用qRT-PCR对lncRNA和mRNA的共表达进行了验证，阐述了lncRNA在相同的QTL_ID与mRNA共同参与基因表达调控。

Yu, Lin, et al. "Comparative analyses of long non-coding RNA in lean and obese pigs."Oncotarget(2017): 41440.(Impact factor: 5.18)

A. 四种不同的计算方法筛选出共同的4,868个lncRNA

C.通过测序得到杜洛克猪和陆川猪脂肪组织中差异表达显著的lncRNA的GO分类与富集示意图

利用高通量测序方法对鸡睾丸中不同精子活力相关lncRNAs与mRNAs的研究

       精子活力是衡量公鸡生殖力很重要的标准，然而影响公鸡精子活力的基因调控机制尚不清晰。此研究欲探究与精子活力相关的lncRNAs和其相关通路。在此研究中，作者利用lncRNA测序的方法揭示了六只“北京优”公鸡睾丸中mRNA和lncRNA与精子活力的关系。测序结果显示，2,597个鸡睾丸中的lncRNAs被鉴定出来，其中包括了lincRNA，反义lncRNAs，和intronic lncRNAs，在所有lncRNAs中，124个是显著差异表达的。同时，17,690个mRNAs被鉴定出来，其中544个是差异表达的。随后的GO富集分析显示了这些mRNA和lncRNAs与ATP结合、纤毛组装和氧化还原等功能相关。基于生物信息学方法进行lncRNA和mRNA联合分析后，得到10个lncRNA-mRNA共表达关系对及2个lncRNA-mRNA反向调控关系对。除此之外，作者运用qRT-PCR对于共表达的mRNALOC428510和lncRNAMSTRG.408进行验证，进一步的揭示了lncRNA与公鸡的精子活力的相关性。这是首例从基因组的层面上研究lncRNA与鸡睾丸中精子活力关系的研究，为控制和了解公鸡繁殖力提供了重要的参考依据。

Liu, Yifan, et al. "Analyses of Long Non-Coding RNA and mRNA profiling using RNA sequencing in chicken testis with extreme sperm motility."Scientific reports7.1 (2017): 9055.(Impact factor: 4.259)

A. 高精子活力公鸡样本和低精子活力公鸡样本中差异表达的lncRNAs和mRNA聚类热图

B. lncRNA和mRNA表达箱线图，显示lncRNA的总体表达水平低于mRNA

研究趋势与研究热点

研究前沿趋势：
1.lncRNA作为ceRNA的功能机制等；
2.以lncRNA为ZX，利用多组学联合分析手法，阐明非编码RNA在生物体内繁杂的调控机制；
3.lncRNA本身可变剪切事件的研究；
4."非编码"lncRNA编码肽段。

客户常见问题

1. 为什么要在lncRNA建库的时候采用去除rRNA的方法？
       因为lncRNA不同于真核生物的mRNA，在真核生物中，lncRNA可能带有PolyA尾巴，也可能不带有PolyA尾巴。为了保证可以对样本中尽可能全的lncRNA进行分析，所以采用去除核糖体的方法。

2. lncRNA和mRNA是否可以同时进行分析？
       可以，在进行lncRNAs测序的同时，可以同时得到mRNA的信息。

3. 可以对无参物种的lncRNA进行测序分析吗？
       可以。对于无参考基因组的lncRNA预测，与分析无参基因组mRNA方法基本一致，只不过会在后续的分析过程排除其编码能力（coding potential）。无参非编码RNA有几种方式去预测：（1）通过寻找近缘已知物种的相似基因组序列作为参考基因组，比如的可以用牛的基因组；（2）使用已有的cDNA序列作为参考基因组，这种方法在植物的研究中比较常见；（3）如果所测参考物种没有相近或者相似的基因组，就需要运用软件基于片段重复区进行直接的de novo拼接，比如trinity，SOAP等软件，同时也要对于coding potential进行筛查。对于无参的lncRNA测序分析，理论上可行，但是相对于有参物种，其分析及预测结果可靠性会有所下降。