05月03

发布于 14:28 最新文章, 转录调控
0 赞

阅读原文 摘要： 长非编码RNA（lncRNA）调节脂肪形成和其他与代谢组织发育和功能相关的过程。然而，关于鸡中前脂肪细胞分化期间lncRNAs的功能和特征却知道的很少，本文使用RNA测序分析不同分化阶段的前脂肪细胞中的lncRNA和mRNA表达。从12个样本总共获得了1,300,074,528 clean reads和27,023个新的LncRNA，在各个阶段差异表达的基因（1,336个lncRNA和1,759个mRNA；总共3,095个）的数量随着细胞分化而下降。这些差异基因参与前脂肪细胞分化的几个广泛研究的途径，包括甘油脂代谢，哺乳动物中雷帕霉素的靶标，过氧化物酶体增殖物激活受体和丝裂原活化蛋白激酶信号通路，而在本研究中，首次报道了一些与前脂肪细胞分化相关的通路，包括丙酸代谢，脂肪酸代谢和氧化磷酸化途径。此外，通过k-means均值聚类，3,095个差异基因被聚成8个表达模式。其中，K2这一簇基因中在前脂肪细胞分化中起着重要作用，使用加权共表达网络分析（WGCNA），鉴定了与A0（第0天），A2（第2天）和A6（第6天）阶段相关的6个阶段特异性模块，随后从阶段特异性模块鉴定了9个中心，高度相关的基因，包括：XLOC_068731, XLOC_022661, XLOC_045161, LOC_070302, CHD6, LLGL1, NEURL1B, KLHL38, 和ACTR6。本研究为进一步研究鸡的lncRNA提供了宝贵的资源，有利于更好的了解鸡的前脂肪细胞分化。 本文主要用了云平台中的WGCNA和k-means均值聚类。 英文摘要： Long noncoding RNAs (lncRNAs) regulate adipogenesis and other processes associated with metabolic tissue development and function. However, little is known about the function and profile of lncRNAs during preadipocyte differentiation in the chicken (Gallus gallus). Herein,...

05月03

发布于 14:27 最新文章, 转录调控
0 赞

阅读原文 摘要： MicroRNA是内源性非编码小RNA，在植物中起着关键的调节作用。茶是一种风靡全球的非酒精饮料，具有丰富的促进健康的儿茶素。在本研究中，通过高通量测序鉴定出了调节644个靶基因的69个保守的和47个新的小RNA。小RNA预测的靶基因主要与植物的生长、信号转导、形态发生和防御有关。为了进一步鉴定小RNA的靶基因，本研究同时开展了降解组测序与RLM-RACE。使用降解组测序，26个基因主要涉及转录因子，抗性蛋白和信号转导蛋白质合成被鉴定为潜在的miRNA靶标基因，随后验证了其中5个基因。qRT-PCR结果显示：novel-miR1, novel-miR2,csn-miR160a, csn-miR162a, csn-miR394 和 csn-miR396a与儿茶素含量负相关。6个miRNA（csn-miRNA167a，csn-miR2593e，csn-miR4380a，csn-miR3444b，csn-miR5251和csn-miR7777-5p.1）及其与儿茶素生物合成相关的靶基因的表达也通过qRT-PCR进行了分析；这些miRNA和儿茶素含量之间呈正相关和负相关，而在其目标基因和儿茶素含量之间呈正相关。这个结果表明这些miRNA可能通过下调它们来负调节儿茶素生物合成生物合成相关靶基因。综上：本文的研究结果表明，miRNA是茶叶中关键的调节因子，5'-RLM-RACE和表达分析的结果揭示了miRNAs在儿茶素合成代谢中的重要作用。 英文摘要： MicroRNAs are endogenous non-coding small RNAs playing crucial regulatory roles in plants. Tea, a globally popular non-alcoholic drink, is rich in health-enhancing catechins. In this study, 69 conserved and 47 novel miRNAs targeting 644 genes were identified by high- throughout...

01月12

发布于 09:37 最新文章, 群体遗传
1 赞

1. 研究背景 杂种优势，是杂合体在一种或多种性状上优于两个亲本的现象。杂交种的优良表现体现在多个重要农艺性状中，如抗逆、育性、生物量和产量等。同一个基因型，或不同基因型组合的多种性状，杂种优势程度不同。杂种优势被广泛利用于商业植物育种计划中，但其遗传机理并未得到彻底和统一的解释，仍然存在争议。一百多年来，遗传和育种学家们不遗余力的研究杂种优势的形成机理，并尝试构建各种遗传模型用于解释杂种优势现象。基于单个遗传位点不考虑上位性理论，并结合隐性产生不利影响的假定，产生了两个重要的杂种优势机理假说，包括显性假说和超显性假说。显性假说认为来自于一个亲本的不利等位基因被来自另一个亲本的有利等位基因掩盖而产生杂种优势现象，超显性假说认为杂合位点本身比纯合位点表现优良，因此，基因型的杂合程度与杂种优势表现成正比。另外，还有一个假说，即上位性假说，它认为非等位基因间正向的互作效应也会引起杂种优势现象。 分子标记的发展和饱和连锁图谱的构建为解析杂种优势遗传基础提供了新的工具。两个主要的新方法应运而生：1.利用分子标记的信息，探索杂种优势与亲本遗传多样性的关系；2.对杂种优势QTL进行定位，以此挖掘出控制杂种优势的基因。利用分子标记信息进行QTL作图，挖掘控制杂种优势的数量性状位点，是研究杂种优势机理的常用方法。但是，以往的低密度分子标记并不足以检测控制复杂性状的多个连锁基因。因此，需要将标记的密度提高到覆盖全基因组，且涉及到群体内所有可能出现的重组事件，比如利用高通量测序的策略，这样，才有可能在一个杂交种中将其表现的杂种优势现象解释清楚。 永久F2群体可以提供可用于重复试验的基因型相同的种子，构建过程中也含有丰富的重组信息，适合对杂种优势的遗传机理进行剖析。 2.研究方法和预期结果： 2.1表型数据的处理 利用方差分析计算各性状的环境方差、重复方差（有试验重复）、遗传方法、基因型与环境互作方差、误差方差和遗传力，并估计哥哥变量的遗传效应。方差分析的线性模型为： μ，e，r，g，ge，ε 分别为群体均值，环境效应，重复效应，基因型效应，基因型与环境互作效应，误差效应。环境和重复设为固定效应，基因型以及基因型与环境互作设为随机效应。上述模型得到的基因型估计值作为矫正表型值，在以后的分析中代替表型值，以期望得到更加准确的预测结果。 2.2遗传图谱的构建 2.2.1 高密度图谱的构建 依据测序（最好是重测序）开发的SNP及InDel标记，由于重测序上图的SNP个数大于重组事件数，因此将没有发生重组的SNP位点聚成一个单元，每个单元称为一个Bin。以Bin为标记进行遗传图谱构建。如下图所示： 2.2.2永久F2群体图谱构建： 永久F2群体的标记基因型由RIL群体的标记基因型根据组配方式推知，构建永久F2群体的高密度遗传图谱。 2.3 RIL群体和永久F2群体自身表型QTL定位 在RIL群体和永久F2群体中进行性状的QTL定位以及效应估计。利用IciMapping V4.0检测加性（显性）QTL，同时检测二维互作位点的上位性。QTL加性效应有基因型显性纯合位点和隐性纯合位点间的平均表型值间的差异决定，显性效应是由基因型纯合位点和杂合位点间平均表型值间的差异决定的。QTL作图所用方法是表型对标记变量的逐步回归法，表型数据为上述线性模型计算得到的矫正表型值。 2.3.1 RIL群体的QTL定位 利用完备区间作图法，以RIL群体的性状为表型数据进行QTL定位和效应估计，得到的结果如下表： Traits Chromosome Distance（cM） Marker LOD PVE（%） ADD yield 1 10 bin1 4 11 -0.11 height 2 20 bin2 5 15 0.11   2.3.2 永久F2群体的QTL定位 永久F2群体可以检测到显性QTL，同时也能对QTL的加性效应和显性效应进行估计。同样利用完备区间作图法，进行永久F2群体的QTL定位，结果如下表所示： Traits Chromosome Distance（cM） Marker LOD PVE（%） ADD DOM yield 3 20 bin3 3 10 0.12 0.03 height 4 30 bin4 4 11 -0.11 -0.05   2.3.3 永久F2群体的上位性QTL定位 由于上位性对性状的杂种优势具有重要的作用。同样利用遗传图谱和完备区间作图中的上位性作图法，对相关性状进行上位性QTL定位。定位到加性与加性互作（AA），加性与显性互作（AD），显性与加性互作（DA）以及显性与显性互作效应（DD）的QTL如下表所示：   Traits Parameter AA AD DA DD yield Average LOD 3.3 4.5 5 6.4 Average PVE 5.1 6.2 3.3 4.8 height Average LOD 30 4 3.9 5.6 Average PVE 6.1 6 5.5 5.9   2.4杂种优势QTL定位 2.4.1 中亲值以及QTL定位方法 永久F2群体中，F1个体的中亲值是根据F1个体本身的表现与双亲性状值计算出来的。中亲值=F1表型值-亲本中亲值。计算每个F1对应的中亲值，以中亲值为表型进行QTL定位，其QTL的效应是杂合子与双亲表现均值的差异。由于杂种优势QTL的特殊性，分别利用F2群体类型和RIL群体类型分别定位显性QTL。所用软件同上，在检测显性效应时同样也检测显性和显性互作QTL。 2.4.2 杂种优势QTL定位结果 杂种优势QTL是利用超中亲优势值作为表型值进行性状遗传位点检测得到的，其遗传效应不包括加性效应，全部由显性效应决定。杂种优势QTL定位结果如下表所示： Traits Chromosome Distance（cM） Marker LOD PVE（%） DOM yield 1 10 bin1 4 11 -0.11 height 2 20 bin2 5 15 0.11   2.5性状QTL和杂种优势QTL定位结果比较 将RIL，永久F2群体和中亲值数据QTL定位结果进行比较，解析特定性状的遗传基础与杂种优势遗传基础，并揭示二者的关系。理论上，RIL群体中定位到的QTL完全是有加性效应决定的，而中亲值数据组定位到的QTL完全是有显性效应决定的，而永久F2群体既有加性效应，又有显性效应，因此，永久F2群体，RIL群体和中亲值存在共定位的QTL。具体性状的结果如下图所示： 注：黑色折线表示检测位点的LOD值，红色和蓝色折线代表检测位点加性和显性效应值。 最后利用上述的比较结果综合评价不同性状的杂种优势机理和遗传基础。...

01月12

发布于 09:31 最新文章, 科研工具
1 赞

全新的聚类热图已经上线啦~ 热图绘制工具增加了图片编辑与图片&列表交互功能。 图像编辑功能可实现热图颜色调整、样本名修改、基因名修改、字体修改，同时支持png、pdf、svg不同尺寸图片保存，方便大家在进行文章投稿过程或日常数据整理过程中对图片的修改。 图片与列表交互功能可实现对聚类热图中各个聚类模块内基因ID及其表达量信息的提取，利用该交互功能得到的信息，结合云平台上表达模式分析工具、基因功能分析工具及文件操作工具，可深入挖掘聚类热图上不同聚类模块内基因集合的表达模式与功能信息。 接下来小云为您展示一下聚类热图应用场景： 文献场景1 文献场景2 文献场景3 应用示例...

01月06

发布于 09:02 最新文章, 科研工具
1 赞

若你需要分类，其实我很美——分类柱图&分类饼图   利用图片展示基因分类统计结果会更加直观，小云准备了分类柱图和分类饼图两款小工具给大家，只需登录百迈客云平台，在“分析平台”——“综合”——“绘图工具”中就能找到它们，免费使用更划算的。 小云一次交两份作业是不是很厉害？跟我一起体验下它们吧~ 分类饼图 这款工具可统计输入文件列表中，NR的功能分类情况或者一般性的字段并绘制饼图。同时可根据饼图调取每个分类对应的数据详情列表，并进行搜索操作。 按照说明上传文件就可以画出美美的饼图啦，好奇宝宝们也可以直接添加示例文件进行绘图，深入了解下这款小工具。 呐，根据示例文件绘出的图形长这样。我们家饼图同学有三副面孔，配色很好看呢。 点击图片底部的基因分类小方格就可以添加或者删除该分类。 还可以按照个人需要调整格式，动动手指就能拿到真·私人订制·饼图，挑你心仪的形状格式就可以直接下载带走了，一定要画个饼图感受小云的厉害啊喂~ 分类柱图 这款小工具可统计输入的基因功能列表中，COG、KOG、KEGG、NR以及其他类型信息的分类情况并绘制柱图，也可比较全部基因和部分目标基因的分类差异。同时可根据柱图调取每个子分类对应的基因详情列表，并进行调整、搜索、排序等操作。 按照说明上传文件就可以画出柱图啦，好奇宝宝们同样可以直接添加示例文件进行绘图，深入了解下这款小工具。 根据示例文件绘出的图形长这样，鼠标悬停在柱图上就会直接显示数据。 同样可以根据需要对柱图进行详细调整，标题字号统统都能自行设置，图片和表格数据都可以下载打包带走。 有了这两款小工具，分类作图是不是也要变成一种享受了？图好看成就感也upup！ 这些小工具只是冰山一角，还有超多功能小云会为大家陆续介绍的，请多多关注百迈客云。更多精彩，一起期待！...

01月06

发布于 09:02 医学研究, 最新文章
2 赞

前沿进展 | 单细胞测序揭示微转移乳腺癌细胞的起源 微转移是指存在于淋巴结、骨髓和血循环中，但常规临床病理学和影像学方法不能检出的非血液系统恶性肿瘤的转移，一般定义为以单个细胞或微小细胞团形式存在的隐匿性转移。骨髓中的微转移细胞被称为弥散性肿瘤细胞，对乳腺癌患者具有独立的预后价值。 挪威奥斯陆大学医院Bjørn Naume带领的国际研究小组使用单细胞测序分析了从乳腺癌患者骨髓中分离的、疑似存在微转移（micro-metastases）的细胞。他们对来自6名乳腺癌患者骨髓中的63个单细胞进行基因组测序，将这些细胞中的拷贝数异常与来自患者原发性肿瘤的细胞进行比较，发现一小部分细胞是弥散性肿瘤细胞（disseminated tumor cell，DTC），这项研究结果发表在《Genome Biology》上。通过重建这些细胞的系统发生（phylogeny）过程，进一步分析了这些细胞是如何产生的。 文章共同第一作者，来自伦敦弗朗西斯·克里克研究所（Francis Crick Institute）的Jonas Demeulemeester表示，“弥散性肿瘤细胞在重新活化并产生新的肿瘤或转移之前，可以潜伏多年不被发现，而且通常对治疗具有抗性。”   单细胞全基因组测序发现弥散性肿瘤细胞 基于免疫细胞化学染色，研究者们从6名乳腺癌患者的7份骨髓抽吸物中分离出单个细胞，其中6份抽吸物样本是在诊断时收集，1份是在诊断后3年获取。同时，研究人员从抽吸物中收集了7份对照细胞，还从其中一名患者中收集了同步腋窝淋巴结转移样本。根据它们的形态特征，这些细胞被分成肿瘤细胞、疑似造血细胞、造血细胞，以及不确定的细胞群。 所有63个细胞的基因组经过扩增后，进行全基因组测序，测序覆盖深度为1.7X。其中11个细胞中检测到的拷贝数变异模式，与患者原发性肿瘤或淋巴结转移中的模式相似，这说明它们是真正的弥散性肿瘤细胞。研究人员指出，根据细胞形态特征也能判断这11个细胞中大部分是肿瘤细胞。这些弥散性肿瘤细胞来自3名患者，她们后来都出现了肿瘤远端转移。 Demeulemeester说，“这些之前被认为是癌症细胞的细胞中，只有一部分是真的来自原发性肿瘤。因此，进一步细化指标意味着更准确的预后和更加定制化的治疗，可避免过度治疗或者治疗不足。”   外显子组测序分析弥散性肿瘤细胞是如何产生的 但是这些细胞的扩散方式仍然未知，关于细胞的扩散方式有两种理论：一种认为DTC很早就脱离肿瘤的起源位点并独立进化，另一种则认为这些细胞是比较晚的时候从亚克隆上脱离，因此具有与原发性肿瘤大致相似的基因组。 为了重建弥散性肿瘤细胞的可能扩散途径，研究人员对患者的原发性肿瘤、相匹配的正常血细胞和一名患者的淋巴结转移进行外显子组测序，平均测序深度约35X。他们在7个肿瘤外显子组中发现了239个体细胞替换突变，其中103个是非同义突变。利用这些突变作为指导，研究人员重建了3名患者肿瘤的系统发生过程。 在其中一名患者中，研究人员发现原发性肿瘤具有1q和17q DNA克隆增益（DNA gains），以及4号染色体丢失和一些片段缺失。该患者的肿瘤亚克隆还具有1q臂增益。同时，来自该患者的DTC虽然没有亚克隆增益或者任何DTC特异性拷贝数变异，但具有所有克隆拷贝数变异（copy number aberrations，CNA）。在第二名患者中，DTC具有原发性肿瘤的所有克隆CNA以及亚克隆增益。 在第三名淋巴结转移患者的DTC中，他们发现了更复杂的进展模式。该患者的DTC起源于淋巴结转移的多个亚克隆。此外，诊断后3年获得的DTC具有淋巴结转移中发现的所有克隆变异，甚至更多。这说明它们起源于淋巴结转移的亚克隆，在治疗中得以存活并继续进化。研究人员表示，这些结果支持乳腺癌细胞在较晚时候向骨髓扩散的理论。 作者们写道，“虽然我们的样本量较小，还需要进一步深入研究，但是这些结果说明，在这些转移性克隆出现之前若能进行早期检测，可以改善诊断和治疗。” 参考文献：Tracing the origin of disseminated tumor cells in breast cancer using single-cell sequencing. DOI:10.1186/s13059-016-1109-7   文章转自测序中国  ...

01月06

发布于 08:47 最新文章, 科研工具
1 赞

新技能：如何在NCBI按照影响因子查找文章   作为一只科研狗，在NCBI上搜索文章是最基本的生存技能。NCBI上的PubMed 是一个免费的搜索引擎，提供生物医学方面的论文搜索以及摘要，目前收录有至少2600万文章。其网址如下：https://www.ncbi.nlm.nih.gov/pubmed。 例如我们想搜索水稻的转录组文章，可以输入关键词rice transcriptome，共有881篇文章。PubMed检索出的文章可以按照发表时间、匹配度、作者、期刊、标题等进行排序，但是很多时候我们想搜索一些发表在影响因子比较高的期刊上的文章，如何对影响因子进行限定呢？这就需要用到PubMed的Filter功能。 首先，你需要一个NCBI的账号，点击右上角的Sign in to NCBI，简单注册之后，点击create account，即可获得NCBI的账号。 现在，可以点击右侧上部的Manage Filters，创建新的filter用于按照影响因子筛选文章。然后点击Create custom filter按钮。 然后就会出现下面的对话框： 在打开的对话框Query  terms中复制粘贴以下字符： “CA-CANCER J CLIN”[journal] or “NEW ENGL J MED”[journal] or “NAT REV DRUG DISCOV”[journal] or “LANCET”[journal] or “NAT BIOTECHNOL”[journal] or “NAT REV IMMUNOL”[journal] or “NAT MATER”[journal] or “NAT REV MOL CELL BIO”[journal] or “NATURE”[journal] or “ANNU...