组学服务
依托 Illumina、MGI、PacBio、Nanopore 等主流测序平台，提供基因组、转录组、微生物组、表观组、蛋白组、代谢组等多组学测序与数据分析服务，覆盖从样本质检、文库构建到数据交付的全流程。
组学服务
Omics Services
依托 Illumina、MGI、PacBio、Nanopore 等主流测序平台，提供基因组、转录组、微生物组、表观组、蛋白组、代谢组等多组学测序与数据分析服务，覆盖从样本质检、文库构建到数据交付的全流程。
应用场景
交付内容
- 原始测序数据（FASTQ 格式）
- 测序质量报告（QC Report）
- 标准与定制化分析结果
- 可视化图表与结题报告
- 样本制备操作指南
- 售后技术支持
技术平台
细分服务
基因组学
全基因组测序、外显子组测序、基因组 De novo 组装、全基因组关联分析等
建库测序服务
二代建库测序/纯测序 — 短周期、高质量
以自动化建库平台、自动化质控流程和高性能计算平台为技术依托，对合作伙伴提供的合格样品进行建库并运用二代测序平台测序，或者对合作伙伴提供的合格文库直接进行测序，产出高质量的测序数据，供客户进行生物信息学分析。
可承接文库类型
| 可承接文库类型 |
|---|
| DNA文库 |
| PCR-free文库 |
| 非常规小片段文库 |
| 宏基因组文库 |
| 原核链特异性文库 |
| 人外显子文库 |
| 宏转录组文库 |
| 人重测序文库 |
| lncRNA文库 |
| 基因组PCR-free文库 |
| ChIP-seq文库 |
| RAD文库 |
| RNA文库 |
| 自建库 |
| 普通转录组文库 |
| 链特异性转录组文库 |
| 扩增子文库 |
| 自建库散样 |
| PCR产物文库 |
| 自建库包lane |
| 全基因组DNA甲基化文库 |
| 自建库包flowcell |
| sRNA文库 |
| circRNA文库 |
可选测序平台及测序策略
| 测序平台 | 测序策略及形式 | 数据产出 |
|---|---|---|
| NovaSeq 6000 | PE150 纯测序散样/包lane/包FC | 800G/lane、3.2T/flowcell |
| NovaSeq 6000 | PE250 纯测序散样/包lane/包FC | 400M reads/lane、800M reads/flowcell |
| NovaSeq 6000 | SE50 纯测序散样/包lane/包FC | 400M reads/lane、800M reads/flowcell |
| NovaSeq 6000 | PE50 纯测序包FC | 800M reads/flowcell |
| NovaSeq X Plus | PE150 纯测序散样/包lane/包FC | 1000G/lane、1.5T/flowcell |
| DNBSEQ-T7 | PE150 纯测序散样/包lane/包FC | 3.2T/flowcell |
以上为参考规格，具体数据产出以当期测序平台配置为准。
数据质量标准
| 测序策略 | 数据量交付标准 | 数据质量交付标准 |
|---|---|---|
| SE50 | ≥ 平均测序数据量的98% | 平均Q20≥90%，平均Q30≥85% |
| PE150 | ≥ 平均测序数据量的98% | 平均Q20≥90%，平均Q30≥85% |
| PE250 | ≥ 平均测序数据量的98% | 平均Q20≥90%，平均Q30≥85% |
常见问题（4）
二代测序错误率为什么开始和末期会升高？
测序错误率用E表示，碱基质量值用Q表示，Qphred=-10log10(e)，Q30/Q20对应碱基正确率99.9%和99%。一般测序片段前段几个bp以及片段末端的错误率会偏高；测序错误率会随片段长度增加而升高，这是化学试剂消耗造成的，是Illumina平台的共有特征。（非常规片段文库测序质量Q20、Q30会降低一些）
文库产出均一性指什么？
测序时，同一条lane中的文库产出数据量与文库加入量保持均一。例如混5个库共得到50G数据，不会出现某一文库数据量30G而另一文库只有5G的现象，而是均等的每个库约10G。
基因组污染对RNA测序的影响？
基因组污染会影响RNA的准确定量，对后期建库及库容的计算造成影响；其次如果磁珠富集后的RNA仍存在基因组污染，会在后续RNA建库过程中引入基因组数据，影响后续分析。可通过DNA酶消化去除，或PCR后切胶。
文库库检出现接头污染/含小片段如何处理？
接头污染或引物二聚体污染可用磁珠纯化处理，而小片段文库只能切胶纯化，纯化效率一般在30%左右，风险较高。
人全基因组测序 (WGS)
全面广泛分析基因组变异
全基因组测序（WGS）可全面检测基因组变异类型，包括SNP、InDel、CNV、SV；同时可全面检测基因的编码区变异和非编码区变异，是非编码区突变与结构变异研究的核心技术手段。
应用方向
- 人类遗传病：精神类、心血管类、代谢类、免疫类等多种疾病研究；家系样本或散发样本研究；单基因疾病或复杂疾病研究；人群队列研究（GWAS、Burden等）；多组学研究。
- 人类癌症：呼吸系统、消化系统、泌尿系统、生殖系统、内分泌、头颈部、颅脑部等肿瘤研究；肿瘤体细胞突变、突变特征、肿瘤进化、新抗原预测等研究；肿瘤遗传易感基因分析等研究。
数据分析
- 基本信息分析：数据质控、与参考序列比对、测序深度及覆盖度统计、SNP/InDel/CNV检测、注释及统计等。
- 高级信息分析：基于变异有害性筛选、驱动基因整体预测、突变位点分布情况分析、CNV分布与高频CNV分析、微卫星分析、肿瘤纯度及倍性分析等。
- 个性化信息分析：药物效应多态性遗传学机理研究、家系连锁分析、新生突变速率计算、临床数据整合等。
样本要求
| 组织类型 | 送样建议 |
|---|---|
| 冻存组织 | ＞0.1g |
| 培养细胞数量 | ＞5×10⁶个 |
| 全血 | ＞1ml |
| DNA | 总量＞400ng |
常见问题（5）
全基因组测序相对于全外显子组测序的优势是什么？
全外显子组测序仅针对外显子区域进行捕获测序，基因组信息约占整个基因组的1.5%，可进行SNP、InDel和CNV分析；而全基因组测序基于整个基因组，还可进行SV分析，变异信息更全面，且覆盖非编码区。近些年非编码区突变的研究越来越多，其可与多种癌症在内的复杂疾病发生相关。
全基因组测序的测序深度如何选择？
30×测序深度即可检测绝大部分SNV；若研究目的是寻找癌组织中较大的结构变异、少数肿瘤细胞携带的低丰度突变，建议测序深度一般至少50×以上；群体重测序可使用较低深度（约10×），用群体分析策略寻找相关变异。
全基因组测序技术适用的研究方向有哪些？
孟德尔遗传病、复杂疾病、罕见病、新生突变、药物基因组、疾病分子分型、人群队列数据库构建及群体进化等研究。特别对于癌症、精神分裂症、智力障碍等复杂疾病，非编码区变异及CNV/SV结构变异与疾病发生密切相关，WGS可结合两类信息全面挖掘致病突变位点。
癌症基因组学测序为什么通常选取同一个患者的癌组织和癌旁组织/血液样本？
癌症基因组学侧重于研究肿瘤细胞特有的体细胞突变，需选取患者正常组织测序以过滤germline mutations。由于个体间germline突变差异很大，为避免筛选出很多假阳性体细胞突变位点，肿瘤和正常组织需来源于同一个体。
FFPE样本为什么不推荐使用全基因组测序？
FFPE样本提取的DNA多数存在降解，基因组呈片段化，CNV/SV等结构变异检出的假阳性率较高，无法体现全基因组测序在结构变异检测方面的优势，且通过增加测序深度提高变异检出准确性的成本太高。
人全外显子测序 (WES)
高深度检测编码区域遗传变异
外显子组测序（WES）利用探针杂交富集外显子区域的基因组序列，结合高通量测序检测与蛋白质功能变异相关的遗传突变。相比全基因组测序，外显子组测序深度更高、更经济、更高效：直接对蛋白编码区测序，缩小研究范围和数据量；可分析常见变异、罕见变异和低频变异。
应用方向
- 人类遗传病：家系样本或散发样本研究；单基因疾病或复杂疾病研究；人群队列研究（GWAS、Burden等）；多组学研究。
- 人类癌症：呼吸系统、消化系统、泌尿系统、生殖系统、内分泌、头颈部、颅脑部等肿瘤研究；肿瘤体细胞突变、突变特征、肿瘤进化、新抗原预测等研究；肿瘤遗传易感基因分析等研究。
数据分析
- 基本信息分析：数据质控、比对、SNP/InDel/CNV检测、注释及统计。
- 高级信息分析：基于变异有害性筛选、驱动基因整体预测、突变位点分布、高频CNV分析、肿瘤纯度及倍性分析等。
- 个性化信息分析：药物效应多态性遗传学机理研究、疾病显著性关联基因分析、共有突变基因筛选等。
样本要求
| 组织类型 | 送样建议 |
|---|---|
| 冻存组织 | 大于0.1g |
| 培养细胞数量 | ＞5×10⁵个 |
| 全血 | ＞1ml |
| FFPE | 厚度5-10μm，含组织面积大于25mm²的切片6张 |
| DNA | 总量＞500ng |
| 血浆/血清 | ＞3ml |
常见问题（6）
外显子测序适用于什么种类的研究？
人类基因组蛋白编码区约包含85%的致病突变，外显子组测序主要针对编码区检测，适合编码区潜在变异引起的疾病研究，性价比高，尤其适合高深度、大样本量测序，可找出常见突变及低频突变，主要应用于孟德尔遗传病及肿瘤等复杂疾病研究。
外显子测序可以检测哪些类型的变异？
外显子捕获是杂交捕获过程，不同外显子区段探针杂交效率不同、覆盖深度差异较大，通常外显子测序不能用于CNV检测；但我们采用国际主流软件和长期优化的分析方法，可针对单个样本进行SNP、InDel和CNV变异检测。
使用的捕获平台是什么，有哪些优势？
使用Agilent SureSelect Human All Exon V6捕获平台，该产品汲取RefSeq、OMIM_cds等权威数据库核心内容，具有更大的捕获区间、更高的捕获效率，保证外显子编码区的高覆盖率及SNP检出率。
外显子测序为何强调"有效测序深度"？
测序深度指测序得到的总碱基数与目标区域大小的比值；捕获效率指比对到目标区域的数据量占比对到参考基因组总数据量的比例。例如使用Agilent V6试剂盒（捕获范围60M），测序得到600M数据时测序深度为10×；由于捕获效率约60%以上，实际目标区域数据量约360M，目标区域测序深度约6×，称为target depth。
癌组织为什么要采用高深度测序？
肿瘤组织样品中突变位点的等位基因频率较低（肿瘤细胞占比偏低、后期突变仅存在于少量肿瘤细胞中），高深度测序可尽可能全面地检测与癌症发生发展相关的变异。通常推荐的测序深度为：癌组织大于200×，癌旁组织/血液大于100×。
FFPE样本和ctDNA研究适合用外显子测序吗？
适合。FFPE样本和ctDNA存在DNA片段化、起始量不足等情况，高深度的外显子测序可以通过增加变异位点reads的支持数，提高变异检出的准确性。
动植物基因组 De novo 测序
不依赖参考基因组，绘制全基因组序列图谱
基因组从头测序（De novo sequencing）在不依赖参考基因组的情况下对某物种进行基因组测序及拼接组装，绘制该物种的全基因组序列图谱，为后续物种起源进化及特定环境适应性研究奠定基础。根据基因组的复杂程度，可分为简单基因组和复杂基因组。
数据分析
- 基因组序列是研究物种分子生物学的基础，通过全基因组De novo测序可得到物种全基因组序列图谱。
- 通过比较基因组学分析可对物种进行基因家族分析、系统进化分析、正选择分析和共线性分析。
- 组装结果采用BUSCO、LAI、Merqury、CEGMA、EST序列、RNA序列、一致性评估等多种方式评估。
测序方案设计
| 组装目标 | 测序策略 |
|---|---|
| 高质量基因组 | 30× PacBio HiFi + 100× Hi-C + 50× Illumina |
| 近完成图基因组 | 30× PacBio HiFi + 30× Ultra-long ONT + 100× Hi-C + 50× Illumina |
| T2T基因组 | 60× PacBio HiFi + 100× Ultra-long ONT（N50≥100K）+ 100× Hi-C + 50× Illumina |
| 基因组Survey（评估） | 30× PacBio CCS（HiFi）构建Contig / 超微量CCS建库；100× Hi-C辅助组装；50× Illumina/T7-350bp |
Survey样本与De novo样本原则上须来自同一个个体；DNA总量建议＞10μg。
常见问题（4）
如何保证组装结果的可靠性？
除保证Contig N50和Scaffold N50两项指标外，还需对组装质量进行评估，如BUSCO评估（单拷贝直系同源基因库）、LAI评估（长末端重复序列评估基因组完整度）、Merqury评估（基因组QV值）等，目前这三种评估方式较为常用。
De novo 组装的推荐策略是什么？
一般情况下De novo项目需具备50-100×的三代测序数据和100×的Illumina二代短读长数据用于组装和纠错，可增加100× Bionano、100× Hi-C数据辅助组装。推荐策略：高质量基因组30× PacBio HiFi + 100× Hi-C + 50× Illumina；近完成图增加30× Ultra-long ONT；T2T基因组60× HiFi + 100× Ultra-long ONT + 100× Hi-C + 50× Illumina。
Hi-C 辅助组装如何送样？
建议送新鲜的活体样本，非活体需冻存寄送；非经验物种会判风险建库，一般先试测1Gb评估数据有效率，合格后再安排加测。酒精浸泡或胶块包埋会影响建库质量；虾蟹、昆虫、次生代谢物、寄生物等特殊样本可能被判定为风险建库。
Survey 和基因组 De novo 所用 DNA 是否需要一样？
原则上Survey和De novo的DNA须来自同一个个体。如果DNA量不足，建议小片段文库的DNA必须来自同一个体，三代大片段甚至超长片段的DNA文库可使用同一群体的另一个个体。
全基因组关联分析 (GWAS)
定位目标性状关联的位点和基因
全基因组关联分析（GWAS）将群体中个体的变异信息与性状的表型信息结合，以基因（位点）间连锁不平衡（LD）为基础，将目标性状表型的多样性与基因（位点）的多态性进行统计学关联分析，最终定位目标性状关联的位点和基因，具有"材料来源广、遗传变异多、性状定位全"的优势。
数据分析
- SNP based GWAS：基于单核苷酸多态性与表型数据关联分析。
- Haplotype based GWAS：以单倍型块为基础，进行性状与基因的关联分析。
- SV based GWAS：结构变异（缺失、插入、重复和反转）是基因组变异的主要来源，对表型影响广泛。
- K-mer based GWAS：在基因组组装效果不理想时，通过比较不同样本的k-mer序列集，识别更广泛的遗传变异类型。
- 分析流程：首先进行群体分层，了解材料分层信息；然后进行连锁不平衡分析（决定关联分析精度与标记数目）；最后结合基因型和表型数据，使用混合线性模型进行全基因组关联分析，对强关联位点进行基因功能注释。
常见问题（5）
GWAS所需的最低样本数是多少？
原则上样本数越多越好。目前GWAS产品建议WGS需要200个样本以上，GBS需要300个样本以上，三代技术可酌情降低样本量。
是否需要多年多点的表型鉴定实验？
建议进行多年多点表型鉴定实验。动植物的表型由基因型（G）和环境效应（E）共同作用，可基于统计方法降低环境差异对表型的影响：将单年表型数据分别分析后比较汇总；或将多年多点表型数据进行育种值计算后再进行关联分析。
不同区域的样本需要人工驯化消除生长背景差异吗？
条件允许时建议将不同地域的样本放在同一环境中培育，以消除生长背景差异造成的假阳性结果。大样本量（如1000个以上）条件下，建议样本分布区域不多于3个，不建议跨区域采样。
不同性状可在一个个体上交叉吗？
可以。如以株高和颜色性状划分群体，两个群体间会有重叠的个体，不影响分析结果。
无参考基因组可以做GWAS吗？
无参考基因组情况下，可采用简化基因组测序技术（RAD-seq或GBS），通过聚类检测SNP用于全基因组关联分析；但由于缺乏基因组注释信息，找到关联位点后无法进一步进行基因注释。
转录调控测序
转录组、全长转录组、lncRNA、small RNA、翻译组学与多聚核糖体分析等
真核有参转录组 (RNA-seq)
全面快速分析mRNA序列和丰度信息
真核有参转录组测序（RNA-seq）采用Illumina测序平台，对真核生物特定组织或细胞在某个特定状态下转录的所有mRNA进行测序，与参考基因组比对，既可全面快速分析mRNA序列和丰度信息，又可对基因结构和产生的新转录本进行分析。
应用方向
- 生长发育：分析发育过程或生长过程时空特异性表达的基因集，描述生长图谱。
- 胁迫研究：研究胁迫环境下的机体响应机制。
- 性状差异：寻找研究对象重要性状或表型相关的关键基因。
- 互作关系研究：通过转录水平找到关键调控基因或代谢通路，研究宿主与寄主之间的相互作用关系。
数据分析
- 标准分析：测序数据质量评估、参考基因组比对、基因表达定量、差异表达基因分析、功能富集分析。
- 基因结构分析：可变剪切、新转录本鉴定等（区别于仅做差异分析的DGE数字基因表达谱）。
样本要求
| 样本类型 | 送样建议 |
|---|---|
| 新鲜植物组织干重 | 叶片、花≥0.3g；根、茎、种子等其他组织≥0.5g |
| 新鲜动物组织干重 | 内脏组织、脑组织≥0.08g；脂肪、皮肤、骨头、血管等其他组织≥0.3g |
| 新鲜培养细胞 | ≥5×10⁶个 |
| 新采集全血（加入TRIzol） | ≥5mL |
| 新采集全血（液氮速冻） | ≥2mL |
| PAXgene采血管 | ≥1管 |
| 石蜡切片 | 厚度5-10μm，含组织面积大于25mm²的切片12张 |
| 菌体/菌丝 | ＞3×10⁶个；＞0.3g |
| 半固体细菌 | ≥0.5mL |
常见问题（3）
哪些物种可以进行真核有参转录组测序？
a. 物种为真核生物；b. 物种具有参考基因组，至少拼接到scaffold水平；c. 具有较为完整的注释。如果没有参考基因组，可选择真核无参转录组测序。
标准分析和DGE分析的关系是什么？
主要差别在分析内容上：标准分析除差异基因富集分析外，还可进行基因结构分析（可变剪切、新转录本等）；DGE为数字基因表达谱，一般只分析差异基因，不进行基因结构分析。
RNA-seq的深度和覆盖度是多少？
转录组测序一般不涉及深度和覆盖度两个概念，大多考虑样本测序数据量和mapping率指标。
全长转录组
PacBio / Nanopore 平台获得mRNA全长序列
全长转录组基于PacBio平台或Nanopore平台进行测序获得物种转录组信息，可直接获得mRNA全长序列，克服转录本拼接短、信息不完整的难题，实现可变剪切及融合基因等结构变异的研究。
应用方向
- 农学：完善基因组/转录组信息（复杂基因结构、转录本结构和功能分析）；差异/动态转录组（胁迫处理或不同时序转录组变化、动植物驯化机制）；比较转录组（近缘物种间亲缘关系、mRNA序列差异）。
- 医学：融合现象解析（融合基因的癌症致病机理）；复杂基因转录本研究（疾病或癌症相关基因的复杂剪切形式）；定量转录组（基因/转录本水平定量，挖掘条件特异性基因/转录本）。
样本要求
| 样本类型 | 送样建议-PacBio | 送样建议-Nanopore |
|---|---|---|
| 新鲜动物组织干重 | ≥0.8g | ≥0.3g |
| 新鲜植物组织干重 | ≥1g | ≥0.5g |
| 新鲜培养细胞数量 | ≥5×10⁷个 | ≥5×10⁶个 |
| 全血（加入TRIzol） | ≥10mL | ≥5mL |
| 菌体 | ≥5×10⁷个/≥0.8g | ≥5×10⁶个/≥0.3g |
常见问题（3）
全长转录组是否需要打断、拼接？
全长转录组基于PacBio或Nanopore三代测序平台，无需打断拼接，直接获得包含5'、3'UTR和poly A tail的完整转录本，从而准确分析有参考基因组物种的可变剪切及融合基因等结构信息，克服无参考基因组物种转录本拼接较短、信息不完整的难题。
全长转录组检测准确率如何？
三代测序碱基错误率没有偏好性。PacBio平台采用CCS测序模式，产生的HiFi read平均质量值通常可达Q30以上；Nanopore平台可利用参考基因组信息进行序列校正，有效提高碱基校正效果。
全长转录组是否能获得全部lncRNA？
建库过程通过识别RNA上的Poly-A结构，将具有Poly-A的mRNA与部分具有Poly-A的lncRNA富集出来参与建库，没有Poly-A结构的lncRNA无法富集建库测序，因此只能获得一部分lncRNA结果。
lncRNA测序
准确鉴定长链非编码RNA并预测靶基因
长链非编码RNA（lncRNA）是一类长度超过200nt的非编码RNA，通过与DNA、RNA或蛋白质结合，在表观遗传、转录及转录后等水平调控基因表达。lncRNA测序针对有参考基因组样本开展准确的lncRNA鉴定和靶基因预测，同时提供针对测序数据中mRNA的分析，结果更全面，广泛应用于医学、农学研究领域。
应用方向
- 动物：人、小鼠、斑马鱼等胚胎发育、性腺发育、肌肉发育和免疫调控生命过程研究。
- 植物：植物逆境响应、器官发育、生殖生长和病毒侵染等研究。
- 癌症疾病：肿瘤、精神疾病、代谢病、心血管病、免疫病等疾病发生与诊治研究。
数据分析
- 标准分析流程：质控、比对、拼接、筛选、定量、差异lncRNA分析、差异mRNA分析、lncRNA靶向mRNA预测、功能富集等。
- lncRNA与mRNA关联分析：对差异表达lncRNA的靶基因与差异表达的mRNA取交集分析（样品数＜5时选取co-location靶基因；样品数≥5时选取co-location和co-expression靶基因并集）。
- lncRNA与miRNA关联分析：通过生信软件预测差异表达的miRNA的靶向lncRNA。
- lncRNA、miRNA与mRNA关联分析：基于ceRNA理论，构建以lncRNA为decoy、miRNA为核心、mRNA为靶标的lncRNA–miRNA–mRNA调控网络。
样本要求
| 样品类型 | 送样建议 | 备注 |
|---|---|---|
| 新鲜动物组织干重 | 内脏组织、脑组织≥0.2g，脂肪、皮肤、骨头、血管等其他组织≥0.4g | 核酸不丰富部位（脂肪、成熟皮肤、骨头等）建议酌情增加送样量 |
| 新鲜植物组织干重 | 叶片、花≥0.2g，根、茎、种子等其他组织≥0.7g | 成熟部位（植物茎、根、种子等）建议酌情增加送样量 |
| 新鲜培养细胞 | ≥5×10⁶个 | — |
| 新采集全血（液氮速冻） | ≥3ml | 送样前加入EDTA抗凝管，推荐使用BD管送样 |
| BD采血管 | ≥2管 | — |
| Total RNA建库起始量 | 浓度≥50ng/μL；体积20μL≤V≤120μL；总量≥1μg | — |
常见问题（2）
哪些物种可以研究lncRNA测序？
a. 物种为真核生物；b. 物种具有参考基因组，至少拼接到scaffold水平；c. 具有较为完整的注释。
lncRNA是否可以与蛋白质组的数量进行关联分析？
可以。关联分析的思路类似于lncRNA和mRNA的关联分析：蛋白质组差异表达蛋白和差异表达lncRNA靶基因编码蛋白交集分析（聚类、功能富集）。
small RNA测序
鉴定已知与新型miRNA、siRNA、piRNA
小RNA（Small RNA，sRNA）通过特异性识别结合RNA诱导的沉默复合体（RISC），对目标mRNA的表达在转录和翻译水平进行抑制，在调节个体发育、细胞增殖分化、肿瘤的发生发展及抗病毒等过程中起着重要的调控作用。Small RNA测序采用Illumina测序平台，既能鉴定已知sRNA，也能预测新的sRNA并预测其靶基因，为研究small RNA功能及调控机制提供有力手段。
应用方向
- 植物方向：植物对环境的适应性、突变、个体发育、遗传性状。
- 动物方向：农艺性状、适应性、个体发育、遗传性状、药物干预模式动物调控机制。
- 真菌方向：机理性、应用性、药用食用性研究。
数据分析
- 原始数据质控、Clean reads长度分布统计、small RNA注释、已知miRNA注释、已知piRNA注释、ncRNA分析。
- 新miRNA预测（有参考基因组）、差异基因分析、miRNA家族分析、差异表达miRNA聚类分析。
- miRNA靶基因预测、靶基因GO/KEGG富集分析。
- 关联分析：miRNA与lncRNA、miRNA与mRNA、miRNA与circRNA关联分析。
样本要求
| 样品类型 | 送样量 | 备注 |
|---|---|---|
| 新鲜动物组织干重 | 内脏组织、脑组织≥0.5g；脂肪、皮肤、骨头、血管等其他组织≥2g | 核酸不丰富部位（脂肪、成熟皮肤、骨头等）建议酌情增加送样量 |
| 新鲜植物组织干重 | 叶片、花≥0.8g；根、茎、种子等其他组织≥2g | 成熟部位（植物茎、根、种子等）建议酌情增加送样量 |
| 新鲜培养细胞 | ≥1×10⁷个 | — |
| BD采血管 | ≥2管 | 血液样本送样前加入EDTA抗凝管，推荐使用BD管送样 |
| Total RNA建库起始量 | 浓度≥50ng/μL；体积20μL≤V≤120μL；总量≥2μg | — |
常见问题（3）
small RNA测序对样品提取有什么特殊要求？
提取总RNA时建议不要使用过柱试剂盒，也不要使用LiCl沉淀，以免丢失小片段RNA。如果直接提供small RNA样品，可使用small RNA提取专用试剂盒提取。
为什么实验结果中会存在降解的rRNA序列？
由于total RNA会发生轻微降解，生物体内也有自然降解过程，实验结果中会含有小部分mRNA降解片段，但通常比例很低，取决于样品total RNA的质量。
进行small RNA测序时，客户除了样品以外还需要提供哪些信息？
需要提供相应物种的参考基因组相关信息；如果没有本物种的基因组，需要提供近缘物种的相关信息。
翻译组学 (Ribo-seq)
核糖体印迹测序，检测体内翻译状态
核糖体印迹测序（Ribosome profiling, Ribo-seq）能够详细检测体内的翻译状态。技术核心是识别与核糖体结合的mRNA以及正在被翻译的约30个核苷酸片段，对核糖体结合的mRNA片段进行测序，精确记录核糖体在翻译过程中的位置。将转录组与Ribo-seq数据联合分析，可以计算出蛋白质的合成速率。
应用方向
- 研究转录本的翻译活性、鉴定翻译起始位点、ORF位置和蛋白质的翻译调控机制。
- 从基因组水平检测蛋白质的翻译状况，获得正在翻译的mRNA序列信息并解析翻译调控机制。
数据分析
- 标准生信分析：原始数据过滤与质量评估、Reads长度分布统计与长度过滤、比对去除核糖体RNA/tRNA/sRNA等、样本关系分析、组间差异翻译基因分析。
送样要求
| 样本类型 | 送样建议 |
|---|---|
| 细胞样本 | 建议送样量5×10⁶-1×10⁷个 |
| 动物组织样本 | 建议送样量≥300mg |
| 植物组织样本 | 建议送样量≥500mg |
多聚核糖体分析 (Polysome profiling)
蔗糖密度梯度超速离心，研究翻译调控机制
多聚核糖体分析（Polysome profiling）是研究翻译调控机制常用的技术，通过蔗糖密度梯度超速离心分离free mRNA、40S和60S核糖体亚基、单核糖体和多聚核糖体，收集含有多聚核糖体的部分用于RNA或蛋白质分析，也可通过酶消化检测disome。
应用方向
- 研究翻译水平的调控机制，深入理解基因表达调控机制，解释转录组和蛋白质组分析之间的差异。
单细胞组学
基于寻因生物平台的单细胞及空间组学服务
我司单细胞及空间组学服务主要基于寻因生物平台，提供单细胞转录组、空间转录组等高分辨率组学服务，支持细胞异质性解析、细胞发育轨迹、空间表达图谱等研究。
查看平台详情表观组学
全基因组甲基化、染色质互作、染色质可及性及RNA修饰等
全基因组甲基化 (WGBS)
单碱基分辨率构建全基因组DNA甲基化图谱
全基因组DNA甲基化测序（WGBS）将重亚硫酸盐处理方法和高通量测序平台相结合，对有参考基因组的物种在全基因组水平进行甲基化研究，可达到单碱基分辨率，准确分析每一个胞嘧啶的甲基化状态。
应用方向
- 胚胎发育：人、小鼠、斑马鱼等胚胎细胞发育研究。
- 癌症疾病：肿瘤、精神疾病、代谢病、心血管病、免疫病等研究。
- 动物行为：动物觅食、攻击、繁殖、通讯等行为研究。
- 植物研究：植物胁迫、生长发育、开花、遗传育种等研究。
数据分析
- WGBS建库加入阴性对照λDNA，要求重亚硫酸盐转化效率99%以上，采用主流软件bismark分析。
- 从材料选取、建库测序到数据分析，每一步都经过科学、缜密的设计，以保障高质量研究成果。
样本要求
| 组织类型 | 送样建议 |
|---|---|
| 新鲜动物组织 | ＞100mg |
| 新鲜植物组织 | ＞200mg |
| 新鲜培养细胞数量 | 10⁶个 |
| 动物血（哺乳类） | ＞2mL |
| 动物血（红细胞有核类） | ＞1mL |
常见问题（2）
哪些物种可以研究WGBS？
a. 物种为真核生物；b. 物种具有参考基因组，至少拼接到scaffold水平；c. 具有较为完整的注释。
全基因组甲基化测序有哪些优势？
在全基因组水平以单碱基分辨率检出甲基化位点，不仅能够高精度发现CpG岛等常见区域的甲基化水平变化，还能分析genebody区、基因间区等区域的甲基化差异，分析甲基化对染色体状态以及基因结构变化的影响，从多维度解决生物学问题。
DAP-SEQ (DNA亲和纯化测序)
体外表达转录因子，发掘转录因子结合位点
DAP-seq技术使转录因子结合位点（TFBS）的研究不再局限于物种、不受抗体质量限制：体外表达的蛋白和DNA进行亲和纯化，将与蛋白结合的DNA洗脱后进行高通量测序，为生命科学领域转录因子的研究提供新的有效工具。
应用方向
- 快速找到转录因子的结合位点，寻找转录因子调控的靶基因。
- 适用于粮食和经济作物（谷子、高粱等）、花卉和观赏植物（玫瑰、月季、夏堇、紫薇等）及其他植物（拟南芥、盐芥、伴矿景天、小立碗藓等）等广泛物种。
数据分析
- 对原始数据进行去除接头、污染序列及低质量reads的处理。
- Peak calling、Peak序列模式发掘（motif search）、已知motif注释等。
DAP-seq与ChIP-seq技术对比
| 对比项 | DAP-seq | ChIP-seq |
|---|---|---|
| 实验模式 | 体外 | 体内 |
| 是否需要特异性抗体 | 否 | 是 |
| 是否适用于非模式物种 | 是 | 受限 |
| 时间成本 | 低 | 高 |
| 是否高通量 | 是 | 是 |
常见问题（5）
需要提供什么材料？
（1）组织材料或提取好的基因组DNA；（2）含有转录因子CDS序列的质粒。
为什么有些基因家族的成功率很低？
有些转录因子需要和其他蛋白形成复合体才能与DNA结合，这些蛋白的风险比较高。
一些特殊的样品能不能做，有没有风险？
两种情况不能做DAP-seq实验：没有参考基因组；转录因子不能在体外表达。除此之外会提供可行性分析报告供参考。
包含重复吗？用什么表达系统？
包含两个技术重复。优先使用真核表达系统进行蛋白表达，如果真核表达系统不能表达成功，可沟通换用原核表达系统。
DAP-seq用的input是什么，为什么选这个作为对照？
Input对照使用亲和纯化前的文库，目的是降低背景噪音，与2016年发表于Cell（DAP-Seq Cistrome and Epicistrome Features Shape the Regulatory DNA Landscape）的论文一致。
ChIP-SEQ (染色质免疫共沉淀测序)
全基因组范围检测蛋白-DNA互作
结合染色质免疫共沉淀技术（ChIP）和高通量测序技术，对目的蛋白结合的DNA片段进行测序，能够高效地在全基因组范围内检测与组蛋白修饰、转录因子等互作的DNA区段。
应用方向
- 组蛋白修饰
- 转录因子靶点检测
- 超级增强子鉴定
数据分析
- 标准分析：数据质控、参考基因组比对、Peak calling、Motif分析、Peak注释等。
- 关联分析：ChIP-seq与RNA-seq关联分析，展示表达水平与表观水平的关联、差异表达与表观水平的关联。
样本要求
| 类型 | 送样建议 |
|---|---|
| 动物组织 | 0.5~1g |
| 植物组织 | 3~5g |
| 细胞数量（固定后送样） | ＞10⁷个 |
常见问题（2）
Input和IP样本之间的关系是什么？
Input和IP属于两个样本，在前期检测、建库、测序环节中都是平行进行的，但分析中需要将两个样本的测序数据进行整合分析，得出最终的Peak结果，并进行后续分析。
Input是什么？有什么作用？
DNA片段化后、免疫沉淀前，取一部分断裂后的染色质做Input对照（不进行免疫沉淀过程）。通过Input对照可以排除背景噪音（非特异性结合造成的假阳性Peaks），验证染色质断裂效果和IP效果，是IP-seq实验必不可少的步骤。
ATAC-SEQ (染色质可及性测序)
Tn5转座酶检测全基因组开放染色质区域
ATAC-seq结合高通量测序对Tn5转座酶易接近性的核染色质区域进行测序分析，是研究染色质开放性/可及性的测序技术。通过转座酶对特定时空下开放的核染色质区域进行切割，即可获得该时空下全基因组上所有的开放染色质区域信息。
数据分析
- 标准分析：数据质控、参考序列比对、Peak calling、Motif分析、Peak注释等。
- 关联分析：ATAC-seq与RNA-seq关联分析（整体信号分布、差异表达与染色质可及性关联等）。
- 转录因子分析：根据Peak区域序列进行motif分析并匹配数据库，提供可能结合的已知转录因子，也可结合footprint分析。
样本要求
| 样本类型 | 送样建议 |
|---|---|
| 动物组织 | ≥50mg |
| 植物组织 | ≥300mg |
| 冻存细胞样本 | ≥5×10⁵个 |
| 新鲜细胞样本 | ≥1×10⁵个 |
常见问题（2）
ATAC-seq技术通常与哪些技术结合起来研究？
ATAC-seq获得的是全基因组处于开放状态的序列，包含潜在调控元件，属于表观遗传学范畴，通常与RNA-seq、CUT&Tag/ChIP-seq、Hi-C等技术结合，深入研究基因表达的调控机制。
ATAC能分析转录因子吗？
可以。ATAC-seq研究的开放染色质区域中存在大量转录因子可结合的区段，根据Peak区域序列进行motif分析与数据库匹配，提供可能结合的已知转录因子，也可结合footprint分析，为下游实验设计或验证提供切入点。
CUT&TAG
低起始量、高信噪比、快周期的蛋白-DNA互作研究
CUT&Tag技术是一种研究蛋白质-DNA互作的新方法：使用磁珠吸附活细胞，洋地黄皂苷打开细胞膜的通透性，pA-Tn5转座酶在抗体引导下精确结合靶蛋白附近的DNA序列，直接在片段化的DNA两端添加接头，通过PCR扩增获得完整的文库。
应用方向
- DNA组蛋白修饰研究（组蛋白甲基化、乙酰化及乳酸化、磷酸化等新组蛋白修饰）。
- DNA-转录因子互作研究（转录因子结合位点分布规律、转录因子合作规则、基因转录调控机制）。
- 增强子/超级增强子分析（鉴定超级增强子，结合转录组测序确定所调控的靶基因）。
- 组学验证手段（通过其他组学找到潜在结合的转录因子或组蛋白修饰后进行验证）。
样本要求
| 样本状态 | 样本类型 | 送样建议 |
|---|---|---|
| 冻存 | 细胞样本 | 每份≥40万，冻存前活性＞90%，建议送备份 |
| 新鲜 | 细胞样本 | 每份≥20万，冻存前活性＞80%，建议送备份 |
| 新鲜/冻存 | 动物组织 | 常见组织≥40mg；心、肾、神经等组织≥50mg |
| 新鲜/冻存 | 植物组织 | 幼嫩组织叶片≥0.3g；种子、根等组织0.5~1g |
常见问题（2）
与ChIP-seq相比，CUT&Tag的优势是？
起始量更低（ChIP需要千万级别细胞，CUT&Tag仅需十万级别甚至低至60个细胞建库）；数据信噪比更高（无需超声打断，属于原位捕获）；周期更快（高活性自带部分接头的转座酶，无需超声处理，简化操作流程）。
CUT&Tag对于一抗应该如何选择？
优先选用ChIP/ChIP-seq级别的候选抗体：ChIP级别抗体＞非ChIP级别抗体；文献验证过的抗体＞非文献验证过的抗体。如果没有找到目的基因的ChIP-seq级别抗体，通过ChIP和IP验证的抗体也可以使用，但尽量不使用没有标注ChIP应用的抗体，否则实验效果可能不理想。
RIP-SEQ (RNA免疫共沉淀测序)
全转录组范围研究RNA-蛋白结合
RNA IP-seq是研究细胞内RNA与蛋白结合情况的技术：以RNA免疫共沉淀（RIP）实验为基础，采用针对目标蛋白的特异性抗体把相应的RNA与蛋白质复合物沉淀出来，分离纯化复合物中的RNA，通过Illumina测序在全转录组范围内研究被目标蛋白特异性结合的RNA区域或种类，并比较样品/组间差异。
应用方向
- 验证目的蛋白与RNA之间的相互作用。
- 在全基因组范围内鉴定RNA与RBP的相互作用网络。
- 分析RBP与circRNA、lncRNA等非编码RNA的相互作用。
数据分析
- 标准分析：数据质控、参考基因组比对、Peak calling、差异Peak分析等。
- 关联分析：RIP-seq与RNA-seq关联分析（差异Peak相关基因与mRNA差异基因交集基因维恩图、GO/KEGG富集分析）。
常见问题（2）
Input和IP样本之间的关系是什么？
Input和IP属于两个样本，在前期检测、建库、测序都是平行进行的，但分析中需要将两个样本的测序数据进行整合分析，得出最终的Peak结果并进行后续分析。
Input是什么？有什么作用？
RNA片段化后、免疫沉淀前取一部分做Input对照（不进行免疫沉淀过程）。通过Input对照排除背景噪音（非特异性结合造成的假阳性Peaks），验证RNA断裂效果和IP效果，是IP-seq实验必不可少的步骤。
Me-RIP SEQ (RNA甲基化测序)
m6A抗体富集，全转录组研究RNA甲基化
MeRIP-seq通过m6A抗体富集发生m6A甲基化的RNA片段，对IP的RNA片段进行高通量测序，在全转录组范围内研究发生m6A甲基化程度较高的区域。
应用方向
- 不同植物的生物学功能研究：植物中的m6A RNA修饰参与调控植物的各方面生物学功能。
- 癌症发生和转移、疾病发生发展：m6A修饰参与调节生物体中多种生物学过程，与多种疾病发生、发展显著相关。
- 细胞分化、胚胎发育和压力应答等：m6A在细胞加速mRNA代谢和翻译、细胞分化、胚胎发育和压力应答等过程中起重要作用。
数据分析
- 标准分析：数据质控、参考序列比对、唯一比对reads分布统计、Peak calling（检出m6A修饰可信区域）、Motif分析（蛋白结合序列偏好性）。
- 关联分析：MeRIP-seq与RNA-seq关联分析（差异Peak相关基因交集分析、GO/KEGG富集分析）；MeRIP-seq与ncRNA-seq关联分析（m6A Peak分类注释、差异Peak注释基因富集分析）。
样本要求
| 建库方式 | 类型 | 送样建议 |
|---|---|---|
| 常量建库 | 动、植物 | Total RNA≥30μg |
| 微量建库 | 人、小鼠 | Total RNA≥2μg |
常见问题（1）
为什么MeRIP-seq项目需要同时测Input和IP样本？
IP样品用m6A抗体特异性富集甲基化修饰的RNA片段，Input仅作为片段化的RNA对照以消减背景噪音，需同时进行建库和测序。峰检测分析需整合两个样本的数据，利用Input数据排除本底表达水平高或非特异性结合的Peaks，提高Peak Calling的准确性。
微生物组学
扩增子测序、宏基因组测序、细菌与真菌基因组 de novo 等
16S/18S/ITS扩增子测序（二代）
研究环境微生物多样性及群落组成
扩增子测序是对特定长度的PCR产物或捕获的片段进行测序，分析序列中的变异。16S/18S/ITS扩增子测序通过提取环境样品的DNA，选择合适的通用引物扩增16S/18S/ITS目标区域，通过检测目标区域的序列变异和丰度，研究环境微生物多样性及群落组成差异。
应用方向
- 医学领域：疾病与人体微生物间关系，如代谢类疾病、消化类疾病、自身免疫性疾病、肿瘤癌症、神经类疾病等。
- 环境领域：特定环境（雾霾、沙尘等污染环境，住宅、商场等生活环境）的微生物群落组成；有机肥发酵、污水治理、石油降解、水体及海洋等微生物群落分布。
- 畜牧领域：肠道、瘤胃等微生物与动物繁殖、生长发育、营养健康、免疫和疾病治疗等的互作关系。
- 农业领域：根际微生物与植物互作、农业耕作/施肥处理与土壤微生物群落等。
- 生物能源：特殊功能的菌株、工程菌的开发。
- 特殊极端环境：极端环境条件下的微生物类群研究。
数据分析
- 群落组成分析：Venn图、群落柱形图、单样本群落饼图、多级物种Sunburst图、群落Heatmap图。
- 群落多样性分析：α多样性指数、指数组间差异检验、稀释曲线分析、样本层级聚类分析、PCA/PCoA/NMDS分析。
样本要求
| 样本类型 | 推荐送样量 | 送样要求 |
|---|---|---|
| 人粪便 | 3-5粒 | — |
| 小鼠粪便 | 0.4-0.6g | — |
| 口腔/皮肤 | 2-3根植绒拭子 | — |
| 唾液 | 视情况10-50ml | 离心取沉淀 |
| 肺泡灌洗液 | 20-50ml | 离心取沉淀 |
| 肠道内容物 | 0.2-0.3g | — |
| 尿液 | 2-5ml | 离心取沉淀 |
DNA：总量150ng，浓度≥2ng/μL，体积≥50μL，1.8≤OD260/280≤2.0。推荐测序量：3万-5万 clean reads/样。液体样品建议离心富集后再送样。
常见问题（3）
16S测序哪个区域比较合适？
目前没有研究表明哪个测序区域更好。有文献表明土壤样本中16S V4区（515F-806R）比较适合做扩增子研究，可检测的物种多样性更丰富，可重复性强（PNAS. 2013. 110(16): 6548-6553.）。
若关注环境中的真核微生物多样性，ITS测序和18S测序哪个更好？
ITS测序主要针对真菌多样性研究，注释准确度高；18S测序针对真核微生物，注释范围广，但就真菌而言精确度相对较低。可根据研究目的合理选择测序方案。
扩增子与宏基因组的区别？
扩增子主要分为16S、18S、ITS测序，关注环境样本中的物种组成，物美价廉、实用性强。宏基因组关注环境样本中的物种组成、功能组成及代谢通路等信息，深入挖掘功能层面的信息。
16S/18S/ITS扩增子测序（三代）
全长扩增子，注释到"种"的分类鉴定
全长扩增子（16S/18S/ITS）测序基于PacBio长读长测序平台，以16S为例可一次性获得9个高变区序列信息，获得注释到"种"的分类鉴定，不仅提高物种鉴定分辨率，还能通过全长序列进行准确的物种注释，更加真实地还原样本中微生物的群落结构。
应用方向
- 细菌多样性研究：16S全长。
- 真菌多样性研究：ITS全长。
- 真核微生物多样性研究：18S全长。
- 功能基因研究：反硝化细菌nirS、固氮菌nifH等。
样本要求
| 样本类型 | 建议送样量 | 最低送样量 |
|---|---|---|
| 土壤/污泥/沉积物/腐殖质 | 3-5g | 1g |
| 水体滤膜（孔径0.22-0.45μm/直径3-4cm） | 2-3张 | 1张 |
| 拭子 | 3-5个 | 1个 |
| 瘤胃液/发酵液/组织液（离心有明显沉淀） | 3-5mL | 1mL |
| 粪便/肠道内容物 | 3-5g | 1g |
| 动物/人组织 | 1-3g | 1g |
| 血浆 | 3-5mL | 1mL |
二代与三代扩增子物种注释对比
| 样本类型 | 二代种水平比例 | 三代种水平比例 |
|---|---|---|
| 土壤 | 10%-20% | 60%-70% |
| 人粪便 | 20%-30% | 60%-70% |
| 口腔拭子 | 15%-20% | 60%-70% |
| 动物粪便 | 10%-20% | 60%-70% |
宏基因组测序（二代）
无需分离培养，直接研究环境微生物群落
宏基因组学（Metagenomics）以特定生境中的整个微生物群落作为研究对象，无需分离培养，直接提取环境样本DNA进行测序，研究环境微生物的群落结构、物种分类、系统进化、基因功能及代谢网络等，已广泛应用于微生物领域。
应用方向
- 人体或动物微生态及其与疾病关联：肠道菌群、皮肤菌群、口腔菌群，肥胖、糖尿病、癌症等患者肠道微生物。
- 自然环境微生态：作物根系或受污染土壤微生物，海洋、冰川、污水等水体微生物。
- 工业环境微生态：食品发酵液、酸性工业废水、污泥处理器等微生物多样性，以及产甲烷菌、硝化/反硝化细菌的功能基因研究。
- 食品或药品的微生物安全检测。
数据分析
- 数据质控、基因预测及相关性分析、物种与基因功能注释及相关分析。
- 细菌致病菌毒力因子相关分析（VFDB）、转移原件相关分析（MGEs）、耐药基因相关分析（CARD）。
样本要求
| 样本类型 | 建议送样量 | 最低送样量 |
|---|---|---|
| 土壤/污泥/沉积物/腐殖质 | — | 1g |
| 水体滤膜（孔径0.22-0.45μm/直径3-4cm） | 3张 | 1张 |
| 空气滤膜（有明显颜色沉淀） | 3张 | 1张 |
| 拭子 | 5-10个 | 3个 |
| 瘤胃液/发酵液/组织液/冲洗液（离心有明显沉淀） | 3-5mL，沉淀1g | 1mL，沉淀0.5g |
| 粪便/肠道内容物 | 2g（小鼠6-10粒） | 0.5g（小鼠3粒） |
| 动物/人组织 | 1g | 0.5g |
| 牛奶/酸奶 | 30mL/50g | 10mL/5g |
| 食糜 | 2g | 1g |
| 食品表面拭子 | 10个 | 5个 |
常见问题（4）
做Meta分析需要有生物学重复吗？
自然环境（土壤、水体、发酵物、食品等）：至少3个生物学重复，推荐5个。体内样本（肠道、粪便、口腔拭子、胃组织样等）：个体特异性高、易出现样本偏离，至少3个重复，推荐6-10个以上。
粪便样品制备注意事项
粪便可保存在-80℃，取内部粪便提取基因组效果最好但不易操作。建议随时收集随时保存，以达到较好的DNA提取效果。
对于宏基因组项目，怎么排除宿主污染？
1. 取样时尽量不取靠近组织的部位；2. 可采用相应的去宿主试剂盒提取；3. 若有参考基因组，可通过比对分析去除宿主基因组污染。
如果存在较大的宿主污染，且没有宿主基因组的参考序列，可以进行宏基因组测序吗？
不可以。如果宿主DNA包含大量环境DNA，测序后会存在严重污染，暂无已知宿主基因组序列比对去污染，会影响后续结果分析的准确性，且可用数据量会很少；如果提取过程中宿主基因组污染量较少，后期数据分析暂可忽略。
宏基因组测序（三代）
超长读长，真实反馈菌群复杂组成
三代宏基因组测序摆脱了二代读长短的限制，基于PacBio的超长读长能轻松覆盖基因间区或基因特异性区域，更真实反馈菌群的复杂组成。新三代测序技术Nanopore平台除超长读长外，还以更低的测序成本受到研究者关注，已成为宏基因组测序分析的新热点。
应用方向
- 新物种挖掘
- 功能基因挖掘
- 临床快速诊断
数据分析
- 数据质控、基因预测及相关性分析、物种与基因功能注释及相关分析、耐药基因相关分析（CARD）等。
样本要求
| 样本类型 | 建议送样量 | 最低送样量 |
|---|---|---|
| 土壤/污泥/沉积物/腐殖质 | 6g | 2g |
| 水体滤膜（孔径0.22-0.45μm/直径3-4cm） | 6张 | 2张 |
| 空气滤膜（有明显颜色沉淀） | 6张 | 2张 |
| 拭子 | 10-20个 | 6个 |
| 瘤胃液/发酵液/组织液/冲洗液（离心有明显沉淀） | 6-10mL，沉淀2g | 2mL，沉淀1g |
| 粪便/肠道内容物 | 5g | 2g |
| 动物/人组织 | 2g | 1g |
| 牛奶/酸奶 | 100mL/100g | 20mL/10g |
| 食糜 | 4g | 2g |
| 食品表面拭子 | 20个 | 10个 |
常见问题（1）
三代宏基因组有什么优势？
相比二代产品，三代Meta是合作项目的文章亮点，也是研究微生物群落的趋势：1. 能提高不能分离培养的微生物基因组的组装完整度，基因组可达到完成图水平；2. 提高注释的准确度和分辨率，注释到更多低丰度物种；3. 对多样性研究有更深度的功能发掘，如比较基因组分析、基因簇和病毒信息等。
细菌基因组 de novo 测序
扫描图、完成图、重测序全覆盖
细菌基因组测序可分为细菌基因组扫描（通过高通量测序获得细菌基因组框架图，可开展基因功能注释、比较基因组学及泛基因组研究）、细菌基因组完成图（从头测序拼装获得完整基因组序列）和细菌基因组重测序。细菌基因组测序可预测重要基因和蛋白以了解其功能和可能机制，已取代传统方法成为研究细菌进化遗传机制、关键功能基因的重要工具。
数据分析
- 标准分析：质控、De novo组装、基因预测、基因功能注释、基因同源性分析、基因家族分析、基因组进化分析、共线性分析、基因组圈图。
- 个性化分析：泛基因组分析、比较基因组分析等。
技术策略
| 产品 | 测序策略 | 结果特点 |
|---|---|---|
| 细菌基因组扫描 | NGS（2Gb） | 可获得基因组草图并开展多数据库注释、比较基因组等研究 |
| 细菌基因组完成图 | NGS（2Gb）+ 三代（≥100×） | GC%正常范围（35%~65%）的细菌基因组实现0N、0Gap技术指标；可交付菌体中的质粒基因组；可承接GC含量异常、较大（6M以上）细菌基因组及链霉菌等较高研究难度的项目 |
样本要求
| 产品类型 | 文库类型 | 浓度要求 | 总量要求（单次建库） | 其他要求 |
|---|---|---|---|---|
| 细菌框架图 | 350bp文库 | ＞24ng/μL | 400ng | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
| 细菌完成图 | 350bp文库 | ≥70ng/μL | ≥5μg | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
| 细菌完成图 | 10Kb文库 | ≥70ng/μL | ≥5μg | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
常见问题（4）
检测新菌株的变异，通过比较基因组或重测序均可以实现，应该如何选择？
重测序手段受序列读长限制，为保证比对准确率一般仅保留相似度95%以上的比对结果，对变异较大的区域检测效果不理想。细菌进化速率较快，除个别诱变获得的菌株外，都存在不同含量变异较大的区域，比较基因组的变异检测效果更全面，且分析费用与重测序相比增加不多，通常推荐比较基因组分析策略。
为何完成图选择三代测序平台？
细菌基因组中重复序列的存在会大大增加拼接复杂度（重复序列大小从几百bp到7Kb不等），框架图的插入片段只能解决少量重复片段问题，组装结果更碎片化；三代测序采用10Kb文库、平均读长10Kb以上，序列够长可避免重复序列影响，获得0 gap的完整组装结果。
对于细菌基因组测序，三代和二代测序相比有何优势？
三代优势在于读长长、GC含量影响小，劣势是测序成本偏高。三代长读长可解决细菌重复序列问题、避免异常GC菌株的测序不均匀问题。由于细菌基因组较小，需要的测序量不大，对于较精细的细菌完成图，三代成本甚至低于二代结合一代的策略；在组装完整性较低的框架图层面，二代仍保持一定成本优势。
群体进化分析对于参考基因组选择有什么要求？
选择菌株间的单拷贝核心基因作为遗传标记构建进化树，一般选择5株左右同一属的菌株，再额外选择2株左右临近属的菌株作为外群，总共5~8株菌株用于构建进化树。基因组间亲缘关系越远，单拷贝核心基因数目越少；若低于数百个，进化树精度会受影响。
真菌基因组 de novo 测序
扫描图、精细图、Hi-C辅助染色体水平组装
真菌基因组测序可分为真菌基因组扫描（获得基因组框架图，可开展基因功能注释、比较基因组学及系统进化研究）、真菌基因组精细图（常用二代结合三代测序获得基因组精细图）和真菌基因组重测序。基于Hi-C辅助组装的真菌基因组，可利用高通量测序结合生物信息分析研究全基因组范围内染色质DNA的空间位置关系，获得高分辨率的染色质三维结构信息，达到染色体水平组装。
数据分析
- 标准分析：质控、De novo组装、基因预测、基因功能注释、基因同源性分析、基因家族分析、基因组进化分析、共线性分析。
- 基因预测采用de novo预测、同源预测、EST预测等多种途径并整合结果，获得可靠的最终注释。
测序策略
| 产品 | 测序策略 | 结果特点 |
|---|---|---|
| 真菌基因组扫描 | NGS（5Gb） | 可获得基因组框架图并开展多数据库注释、比较基因组等研究 |
| 真菌基因组完成图（精细图） | NGS（5Gb）+ 三代（≥100×） | Scaffold N50＞300K |
| 真菌基因组染色体水平组装 | NGS（5Gb）+ 三代（≥200×）+ Hi-C（≥100×） | 90%以上的contig和scaffold定位到染色体上；可提供多种高级分析选项，支持个性化分析方法评估 |
样本要求
| 产品类型 | 文库类型 | 浓度要求 | 总量要求（单次建库） | 其他要求 |
|---|---|---|---|---|
| 真菌框架图 | 350bp文库 | ＞24ng/μL | 400ng | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
| 真菌精细图 | 350bp文库 | ≥70ng/μL | ≥5μg | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
| 真菌精细图 | 10Kb文库 | ≥70ng/μL | ≥5μg | DNA无降解，条带单一，无杂带，无RNA、蛋白质等杂质污染 |
常见问题（3）
三代真菌精细图为何要进行Survey？
真菌种类繁多，从十几Mb的酵母到上百Mb的大型真菌，基因组大小和复杂程度差异很大，影响测序数据量和组装难度。三代测序成本高，通过Survey预先确定真菌基因组大小、选择合适的测序量十分重要；同时Survey还能预先排查基因组污染、提前风险预警。
三代真菌精细图中小片段文库的作用是什么？
小片段文库主要有两个作用：Survey功能（预估基因组大小并排除污染）；组装完成后的验证，进一步确认基因组组装质量。
真菌基因组如何进行编码基因预测？
与原核生物相比，真核生物编码基因结构更复杂，可变剪切机制、外显子和内含子结构使得难以用单一软件准确预测。我们使用de novo预测、同源预测、EST预测等多种途径进行编码基因预测，并对结果进行整合，获得尽可能可靠的最终注释结果。
蛋白组学
蛋白组检测与数据分析服务
蛋白组学服务
DIA/LC-MS 蛋白组、修饰蛋白组
蛋白组学服务详细内容整理中，敬请期待。可提供基于质谱的蛋白组检测与定制化数据分析方案，欢迎咨询详情。
代谢组学
代谢组检测与数据分析服务
代谢组学服务
非靶向代谢组、靶向代谢组、脂质组
代谢组学服务详细内容整理中，敬请期待。可提供基于质谱的代谢组检测与定制化数据分析方案，欢迎咨询详情。
个性化数据分析
私人订制全流程数据分析、公共数据库挖掘与临床数据分析
测序数据全流程个性化分析
覆盖各大组学数据的个性化全流程分析
涵盖肿瘤疾病和非肿瘤疾病所有方向：常规转录组、单细胞转录组、空间多组学、蛋白组、代谢组、基因组学、表观组学、微生物组学（16S、18S和宏基因组）和影像组学等各大组学数据的个性化全流程分析以及多组学联合分析。另外还能补充公共数据库深入挖掘扩展研究意义，降低投稿难度，提高利用率。
公共数据库挖掘
NHANES、GBD、CHARLS、UKB、SEER、MIMIC等
① NHANES、GBD、CHARLS、UKB、SEER、MIMIC等数据库挖掘；② 干湿结合短平快生信发文前沿热点方案设计，如单细胞+常规转录组+机器学习+空转多组学联合整合分析，挖掘新的疾病核心基因、构建诊断/预测/预后模型等所有方向的生信挖掘分析。
临床数据分析
多中心数据整理、医学统计、预后模型构建
根据收集的本院或多中心数据，辅助研究方案设计、数据整理、医学统计分析、预后诊断方面的深度学习/机器学习/神经网络模型构建等。
样本制备及要求
DNA/RNA提取、文库构建与质控、样本送样规范
DNA/RNA提取
血液、组织、细胞、FFPE、拭子、粪便、叶片、菌体等样本处理
支持血液、组织、细胞、FFPE切片、拭子、粪便、叶片、菌体等多种样本类型的DNA/RNA提取与质控，满足各类组学项目的建库起始要求。
文库构建与质控
自动化建库平台 + 自动化质控流程 + 高性能计算平台
依托自动化建库平台、自动化质控流程和高性能计算平台，可承接DNA文库、RNA文库、PCR-free文库、扩增子文库、外显子文库、甲基化文库、ChIP-seq文库等二十余种文库类型的构建与质检（详见"基因组学-建库测序服务"）。
样本送样规范
各服务对应的浓度、总量、纯度要求
不同服务的样本要求（组织类型、送样量、浓度、总量、纯度）详见各服务详情页中的"样本要求"表格；液体样本建议离心富集后再送样，样本建议-80℃保存、干冰寄送。
服务流程
四步标准化流程，确保项目高效推进
需求沟通
深入了解客户研究目标，明确服务类型、分析需求和交付标准
方案设计
根据需求定制最优实验方案和分析流程，提供报价与周期评估
执行交付
严格按SOP执行测序/分析/验证，全程质控，实时进度可查
结果分析
交付高质量数据与分析报告，提供结果解读与售后支持
技术优势
为什么选择富兰克林生物科技
多平台覆盖
整合Illumina、MGI、PacBio、Nanopore四大主流测序平台，满足不同应用场景需求
专业生信团队
核心团队具备10年以上生物信息学分析经验，熟悉各类公共数据库与分析流程
一站式服务
从组学测序、数据分析到下游验证与基因编辑，全链条覆盖，减少多供应商对接成本
数据安全保障
严格的数据加密与权限管理体系，签署保密协议，确保客户数据安全
常见问题
关于服务的常见疑问解答