转录组指某一生理条件下，细胞内所有转录产物的集合。转录组是连接基因组遗传信息与生物功能的蛋白质组的必然纽带，转录水平的调控是目前研究Z多的，也是生物体Z重要的调控方式。RNA-Seq能够在单核苷酸水平对任意物种的整体转录活动进行检测，在分析转录本的结构和表达水平的同时，还能发现未知转录本和稀有转录本，精确地识别可变剪切位点以及cSNP（编码序列单核苷酸多态性），是获取转录组情况的有效高通量试验方法，它不仅可以获取de novo的转录本，同时可以检测转录本的表达量和差异表达分析（针对不同处理组或时间序列的试验设计）。
一、技术路线和方法：
二、生物信息学分析2.1 基本数据分析Part01 ：基因组定位及统计过滤低质量序列，一般将质量低于20的替换为N。然后使用MAQ、bowtie等Mapping软件将序列定位到基因组上，统计Reads在基因组上的定位信息。
Part02 ：转录本表达量计算RNA-Seq可以得到远多于基因芯片的RNA数据以及拥有发现新转录本能力。大量的Reads可以定位到同一个ORF，而且Reads的覆盖度和RNA在细胞中的丰度具有相关性。统计单个ORF的Reads覆盖度可以得到此ORF的相对表达量。
Part03 ：基因表达量差异分析Part04 ：（差异）基因GO分类Part05 ：（差异）基因Pathway分类2.2 高级数据分析Part06 ：可变剪切预测我们使用TopHat（Cole Trapnell et al. 2009）软件进行可变剪切的预测分析。
Part07 ：新转录本预测Part08 ：反义转录本预测Part09 ：SNP、Indel和Mutation变异体注释为了获取较为准确的SNP、Indel和Mutation数据，通过变异过滤系统进行过滤, 主要的过滤策略为:
- 去除在某一位点上reads覆盖度过低(<20×)或者过高(>5000×)的SNP。
- 每一个非参考等位位点上的独立的reads必需大于3（同一个克隆的reads的起始位点相同）。
- 每一个非参考等位位点至少有20%的覆盖度。
- 统计SNP、Indel和Mutation在基因组上分布。
- 根据分布计算得到的新SNP、Indel和Mutation的可信度。
Part10：基因调控网络构建
Part11：蛋白互作网络构建
三、测序平台
| Illumina平台 | 测序平台 | 模式 | 数据量 | 一个lane样品数 | 货号 |
| RNA-seq | Hiseq2000 | 1×50 | 3-4M reads | 12 | BT2000111 |
| RNA-seq | Hiseq2000 | 2×100bp | 2-2.5G | 4 | BT2000112 |
| RNA-seq | GAII | 1×60 | 8Mreads | 4 | BT2000113 |
| RNA-seq | GAII | 1×60 | 12Mreads | 3 | BT2000114 |
| RNA-seq | GAII | 1×60 | 20Mreads | 2 | BT2000115 |
四、完成时间3 个月，（其中生物信息1个月）所有版权及解释权归BIOTREE公司所有！
