全基因组重测序

产品介绍常见问题经典案例结果展示10x Genomics 方案多组学方案


多组学方案

疾病或癌症的发生发展涉及复杂的生物学过程,传统的单一组学仅能有限地解读生物学问题,
而不同类型多组学的实验数据整合已经逐渐成为疾病以及肿瘤研究的必然趋势。整合基因组、转录组以及表观组学数据,
从不同角度研究和阐述疾病、癌症的发生发展机制,将基因组遗传信息与基因转录情况建立联系,
一方面相互印证,增强结果的说服力;
另一方面多维度、全方位阐释生物学过程及机制。

技术路线

信息分析

疾病多组学联合分析 癌症多组学联合分析
复杂疾病
1. DNA 层面筛选的候选基因在转录水平展示
2. RNA 层面筛选的显著差异表达基因在基因组突
变情况展示
3. DNA 和 RNA 层面共有 SNV/InDel 突变筛选
4. CNV 与表达相关性分析
5. 共有基因筛选
  5.1 DNA 层面筛选的候选基因和差异表达基因
的共有筛选
  5.2 差异表达 lncRNA 靶基因与差异表达基因共
有筛选
  5.3 差异表达 circRNA 来源基因与差异表达基因
共有筛选
  5.4 差异表达 miRNA 靶基因与差异表达基因共
有筛选
6. 甲基化修饰与转录水平调控联合分析
7. 关键基因的通路富集分析(基于以上分析共同定
义关键基因)
8. ceRNA 网络构建(≥ 6 个样本)
  8.1 lncRNA-miRNA-mRNA 调控网络构建
  8.2 circRNA-miRNA-mRNA 调控网络构建
基本分析
1. 高频突变基因 (SNV/InDel/CNV) 转录水平展示
2. 差异表达基因突变情况展示
3. 共有基因筛选
  3.1 高频突变基因与差异表达基因共有筛选
  3.2 差异表达 lncRNA 靶基因与差异表达基因共有
筛选
  3.3 差异表达 circRNA 来源基因与差异表达基因共
有筛选
  3.4 差异表达 miRNA 靶基因与差异表达基因共有
筛选
4. 基于转录水平的突变验证
高级分析
1. 驱动基因预测
  1.1 DNA 和 RNA 水平驱动基因预测
  1.2 DriverNet 驱动基因预测
2. CNV 与表达相关性分析
3. SV 与表达相关性分析
4. 融合基因验证
5. 甲基化修饰与转录水平调控联合分析
6. 关键基因通路富集分析(基于以上分析共同定义关
键基因)
7. ceRNA 网络构建(≥ 6 个样本)
  7.1 lncRNA-miRNA-mRNA 调控网络构建
  7.2 circRNA-miRNA-mRNA 调控网络构建
个性化分析
1. 分子分型
2. 新抗原预测
3. 临床数据整合

经典案例

案例一 整合DNA、RNA和蛋白数据分析TREML4导致冠状动脉钙化的致病机理
Integrative DNA, RNA, and Protein Evidence Connects TREML4to Coronary Artery Calcification

发表杂志: Am J Hum Genet
影响因子:9.025
发表时间:2014.07

冠状动脉钙化(CAC)是可遗传的、是动脉粥样硬化形态学上的marker,预示着未来心血管疾病的风险。为了寻找参与CAC相关的基因,在前期探索阶段,作者利用二代测序技术整合了基因 组、转录组、蛋白表达数据,随后用分子生物学和组织病理学技术进行验证。发现只有TREML4基因在CAC患者中上调,rs2803496是TREML4基因的顺式作用eQTL且使CAC的风险增加了6.5 倍。通过免疫组化技术定位在周围有冠状动脉斑块坏死核心的巨噬细胞,并暗示由钙化导致;通过对细胞组织进行染色,判定TREML4蛋白在冠状动脉斑块微钙化区域。

案例二 多组学联合分析揭示嗜铬细胞瘤和副神经节瘤分子特征及分子分型
Comprehensive molecular characterization of pheochromocytoma and paraganglioma

期 刊: Cancer Cell
影响因子:27.407
发表单位:University of Pennsylvania,USA
发表年份:2017年2月

一、研究背景

嗜铬细胞瘤(PCCs)和副神经节瘤(PGLs)是起源于肾上腺髓质或肾上腺外交感神经链的神经内分泌瘤,大多为良性,约25%为恶性远端转移肿瘤,其临床治疗方法有限,预后较差,5年生 存期不足50%,且大部分PCCs/PGLs肿瘤发生的病因不明。

二、方法流程

取材

173例嗜铬细胞瘤(PCCs)和副神经节瘤
(PGLs)

测序

WES、SNP-array、RNA-seq、
miRNA、methylation、RPPA

分析

1. 突变与表达水平、甲基化水平的关联分析
2. 分子分型
3. 临床数据关联分析

三、研究结果

1.突变特征分析
基因组测序分析发现PCCs和PGLs具有不同的驱动基因,影响多种信号通路。除了已知驱动基因还发现了 新的驱动突变基因CSDE1,CSDE1突变常伴有基因显著缺失以及表达下调;含有MAML3、BRAF、 NGFR和NF1相关融合基因的肿瘤往往表现出基因过表达、超甲基化或DNA扩增等。

2.分子分型
基于mRNA表达数据,将PCCs/PGLs分成4种分子亚型:激酶信号亚型、伪缺氧亚型、Wnt突变型以及皮 质混合型。联合其他组学数据如methylation、copy number、miRNA及RPPA,发现均与以上4种亚型 显著相关。对每一种亚型进行深入解析并与临床数据整合,得出PCCs/PGLs的临床预后标志物包括SDHB 生殖细胞突变, ATRX体细胞突变, Ki-67表达水平以及MAML3融合基因。

placeholder+image

四、研究结论

本研究整合了基因组、转录组、miRNA、甲基化、蛋白组学等数据进行广泛的联合分析,将PCCs/PGLs分成4种分子亚型,并进行深入的特征分析,同时与临床数据进行整合,为实现 PCCs/PGLs精准医疗提供了全面的理论基础。