全基因组DNA甲基化测序(Whole Genome Bisulfite Sequencing,WGBS)是将重亚硫酸盐处理方法和Illumina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高精准甲基化研究。WGBS可以达到单碱基分辨率,精确分析每一个胞嘧啶的甲基化状态,从而构建精细的全基因组DNA甲基化图谱。
ChIP-Seq是将染色质免疫共沉淀(Chromatin Immunoprecipitation,ChIP)与二代测序相结合的表观遗传研究技术,能够高效地在全基因组范围内对DNA和蛋白的相互作用进行检测,通常用于转录因子结合位点或组蛋白特异性修饰位点的研究。
RIP-seq是研究细胞内RNA与蛋白结合情况,以RNA免疫共沉淀(RIP)为基础,采用特异抗体对RNA结合蛋白或者特殊修饰的RNA进行免疫共沉淀后,分离RNA,通过Illumina测序,在全转录组范围内研究被特定蛋白特异结合的RNA区域或种类,且可比较多个样品间差异。。
服 务 优 势
♕ 精准获得全基因组甲基化的C位点,是甲基化测序的金标准;
♕ 定制化分析策略:根据不同测序方案和测序目标,定制化选择比对算法、Peak Calling算法以及注释用数据库区域信息;便向性,适用于各类型样本;
♕ 全面的数据库整合:不断更新基因组数据库并进行多数据库多版本整合,获得准确的Peak定位信息与注释;
♕ 强大的组学联合分析能力:将ChIP-Seq与甲基化测序、转录组测序以及全基因组测序等技术进行结合,将单一的蛋白结合数据更进一步拓展。
全基因组甲基化测序;
开发染色体定位检测(ATAC-seq);
ChIP-seq;
RIP-seq;
MeRIP-seq;
RRBS.
服 务 流 程
甲基化
样本量要求
检测平台:
基因组甲基化测序采用先进的Illumina测序平台,快速、高效地读取高质量的测序数据。
测序深度:
PE 150
服务周期:
90天
WGBS | 分析内容 | 解决问题 |
标准分析 | 测序数据质量评估 | 过滤掉低质量数据,保证数据质量 |
与参考基因组比对 | 比对率和覆盖度分析 | |
甲基化位点calling | 分析甲基化位点 | |
甲基化分布 | 甲基化在基因组,染色体,功能元件上的分布 | |
差异甲基化分析 | 寻找DMR | |
相关基因分析 | 相关基因GO,KEGG富集分析 | |
多样本分析 | PCA分析多样本甲基化变化规律 |
RIP-seq
样本量要求
检测平台:
通过Illumina测序,在全转录组范围内研究被特定蛋白特异结合的RNA区域或种类,且可比较多个样品间差异。
测序深度:
PE 150 / SE 50
服务周期:
60天
分析内容 | 解决问题 |
测序数据质量评估 | 过滤掉低质量数据,保证数据质量 |
与参考基因组比对 | scc分析,判断IP效果 |
peak峰calling | 分析蛋白结合位点 |
样品间相关性分析 | 判断实验分组设计是否合理 |
motif分析 | 蛋白结合序列的偏好性 |
peak峰相关基因注释 | 寻找蛋白潜在调控或者结合的基因 |
差异peak分析 | 分析不同样本间差异peak峰 |
相关基因功能分析 | 相关基因GO,KEGG富集分析 |
甲基化
结果展示
数据质控
测序得到的原始测序序列raw reads,里面含有带接头的、低质量的reads。为了保证信息分析的可靠性,必须对raw reads过滤,得到clean reads,后续分析都是基于clean reads。
参考基因组比对
甲基化分布
不同序列环境(CpG, CHH, CHG,其中H代表A、C、T)下甲基化位点比例,不同种类物种甲基化的主要环境不同,根据不同环境的甲基化情况判定测序的可信性。而不同样本上的甲基化水平分布,反映了不同样本之间甲基化水平的差异。
甲基化组比较分析
差异甲基化修饰位点(DMS)指在不同样本之间,甲基化修饰水平具有显著差异的胞嘧啶位点。DMS可以在单碱基分辨率下反映样本之间的甲基化修饰差异,是研究甲基化调控基因表达的基本单位。差异甲基化修饰区域(Differentially Methylated Region,DMR)指在不同样本之间,甲基化修饰水平具有显著差异的基因组区域,这些区域在基因表达调控方面发挥重要作用。基于DMS进行DMR鉴定,DMR的鉴定是分正负链进行的。利用DMR所在的基因组位置与基因组结构注释信息,对其进行结构注释。
PCA分析
PCA(Principal Component Analysis)又称为主成分分析,常用来强化数据集中的变异,从而发掘其中隐藏的规律。通过对多个样本中基因的功能区不同context下甲基化水平进行PCA分析,以期发现不同处理,不同发育时期样本间的甲基化水平变化规律,是基于多样本(大于9)甲基化水平分析,解释不同处理甲基化的变化规律。
GO富集分析
KEGG分析
RIP-seq
结果展示
与参考基因组比对
参考Peak峰检出
相关基因富集分析
相关基因富集分析
甲基化典型案例
单碱基甲基化分析揭示了干旱胁迫时苹果的动态表观差异
Single-Base Methylome Analysis Reveals Dynamic Epigenomic Differences Associated with Water Deficit in Apple
期刊:Plant Biotechnology Journal
影响因子:7.443
发表单位:西北农林科技大学
发表时间:2017.08
本研究以苹果的抗旱品种‘秦冠’和不抗旱品种‘蜜脆’为材料,采用全基因组甲基化测序(WGBS),解析了苹果的甲基化组图谱,首次研究了外界因素如干旱胁迫对苹果甲基化水平的影响,并联合mRNA-seq技术检测干旱胁迫时基因表达的变化,进一步分析苹果甲基化水平的改变与基因表达变化之间的关系。
研究过程
1. 苹果甲基化图谱的构建
对‘QG’和‘HC’进行WGBS检测,结果显示二者基因组的甲基化图谱几乎相同。因此,选用‘QG’甲基化数据来显示苹果甲基化图谱。
2. 在不同苹果基因组区域的DNA甲基化模式
由于在不同基因组区域,如常染色质、异染色质、重复序列和编码序列等,DNA甲基化状态不同。为研究在不同苹果基因组区域的DNA甲基化模式,作者分析了基因(包括编码序列和内含子)的甲基化谱。
3. 干旱胁迫改变了甲基化模式并联合基因差异表达
采用mRNA-seq研究‘QG’和‘HC’ DNA甲基化状态与基因表达水平间的关系,按基因表达水平高低将其均分为5组,同时按甲基化水平将基因分为甲基化组和非甲基化组,并按甲基化水平高低将甲基化组也均分为5组。结果显示,启动子区甲基化与基因表达呈负相关,基因区甲基化与基因表达呈正相关。
DNA甲基化是最早发现的表观修饰方式之一,能引起染色质结构、DNA构象与稳定性以及DNA与蛋白质相互作用方式的改变,从而影响基因表达。通过构建人类脑组织单碱基分辨率的全基因组DNA甲基化和羟甲基化图谱,揭示了5-甲基胞嘧啶甲基化及其去甲基化过程的中间产物在调控可变剪切和基因表达中的作用。
Xu J, Zhou S, Gong X, et al. Single-base methylome analysis reveals dynamic epigenomic differences associated with water deficit in apple[J]. Plant Biotechnol J, 2017.
RIP-seq典型案例
m6A去甲基化酶ALKBH5通过维持FoxM1表达和细胞增殖过程,从而保持胶质母细胞瘤干细胞样细胞的致瘤性
m6A Demethylase ALKBH5 Maintains Tumorigenicity of Glioblastoma Stem-like Cells by Sustaining FOXM1 Expression and Cell Proliferation Program.
期刊:Cancer cell
影响因子:27.406
发表单位:MD安德森癌症中心
发表时间:2017.04
作者发现在胶质母细胞瘤干细胞样细胞(GSCs)中RNA去甲基化酶ALKBH5表达增高可通过调控FOXM1,从而有助于自身更新及致瘤性。FOXM1反义lncRNA促进ALKBH5与FOXM1 RNA的相互作用,导致去甲基化作用及FOXM1的基因表达升高。
研究过程
1. 利用m6A-seq和基因芯片预测ALKBH5的下游靶标FOXM1
作者比较了control和shALKBH5 GSC中m6A的分布情况,在GSC11细胞系中 GGACU motif在m6A位点处高度富集。由于ALKBH5是去甲基化酶,这新出现的特异峰应该包含了ALKBH5的 真实靶标。随后作者在全部峰和特异峰中研究了m6A的分布模式。当把RNA分为5’UTR、CDS、3’UTR、ncRNA时,发现了整体/共同m6A相似的分布模式。此外还研究了这些差异峰是否 与表达基因相关,找到与观察现象相关、可改变增殖相关基因表达的候选基因。
ALKBH5通过使FOXM1前体mRNA 3’UTR去甲基化,从而使其与HUR结合,促进FOXM1前体mRNA表达,进而促进FOXM1表达,对GSC增殖和肿瘤形成过程产生重要影响。
Zhang S, Zhao BS, Zhou A, et al. m6A Demethylase ALKBH5 Maintains Tumorigenicity of Glioblastoma Stem-like Cells by Sustaining FOXM1 Expression and Cell Proliferation Program[J]. Cancer cell, 2017, 31(4):591-606.