极品人妻VideOssS人妻,国产成人人妻精品一区二区三区,香蕉av777xxx色综合一区,精品人妻少妇一区二区,久久草视频

首頁-技術服務 > 高通量芯片平臺 > -850K甲基化芯片
  •  

    850K甲基化芯片

     

    背景介紹

     

    表觀基因組學修飾可以通過調控基因表達,參與細胞和組織分化、發育、衰老、環境適應等一系列過程。大量的研究表明,表觀遺傳修飾的異常也會引起細胞、組織、器官,乃至整個機體的結構和功能改變,甚至導致疾病的發生,尤其是 DNA 甲基化(DNA methylation)變化會伴隨著許多復雜疾病(如腫瘤、精神類疾病、心血管疾病等)的早期發生到后期發展,并可作為臨床疾病全過程管理(包括早期診斷、個性化醫療、復發檢測、慢性疾病的風險評估等)的生物標志物。因此,對DNA甲基化的深入研究有助于了解疾病發病機制,發現疾病相關的分子標志物,為精準醫學發展奠定基礎。

     

    blob.png

    DNA甲基化與腫瘤風險預測

     

     

    產品簡介

     

    Illumina公司推出的Infinium Methylation EPIC(簡稱:850K甲基化芯片)芯片保留了其前身Infinium Human Methylation 450K芯片大于90%的CpG位點,并額外添加了增強子區域的35萬個CpG位點,每張芯片可檢測8個樣本,每個樣本可檢測85萬個標記。 850K甲基化芯片能檢測組織、細胞、FFPE等樣本在單個CpG水平上的甲基化變化,是一個經濟、有效的甲基化高通量篩選技術平臺。該方法為表觀遺傳研究提供了強有力的解決方案,不僅是腫瘤、呼吸系統、心血管、精神類等復雜疾病研究的有力工具,更是目前最適合表觀基因組關聯分析(EWAS)研究的高通量檢測技術平臺。

     

    123微信截圖_20211111121510副本.png

    blob.png

    Illumina Infinium Methylation EPIC BeadChip(850K)

     

    技術原理

     

    850K甲基化芯片采用了Infinium I和Infinium II兩種微珠設計方法加強甲基化分析的覆蓋深度。尤其Infinium II僅提供一種微珠類型,經探針雜交后,通過是否發生單堿基延伸即可判定是否甲基化。

    探針一: 對于每個甲基化位點, 都對應設計有兩種探針: M 型磁珠、 U 型磁珠。 M 型磁珠尾部為 G,用來檢測甲基化位點。 U 型磁珠尾部為 A, 用來檢測未甲基化位點。

    基因組上的某一位點, 如果被甲基化了, 那么在亞硫酸氫鹽的處理下, GC 仍為 GC, 與 M 型磁珠配對, 熒光標記的核苷酸摻入后能被檢測到熒光信號。 M 型磁珠發光。 反之, 如果沒有被甲基化, 那么在亞硫酸氫鹽的處理下, GC 變為 GT, 與 U 型磁珠配對, 延伸后 U 型磁珠發光。

    探針二: Infinium Ⅱ 探針只使用一種磁珠, 探針末端為 C。 配對后只摻入單個堿基( ddNTP-BioT,ddNTP-DNP) 。 根據熒光類型判斷摻入的堿基類型, 從而判斷是否被甲基化。

     

    blob.png

    infinium探針檢測原理

     

    結果展示

     

     

    blob.png

    相關性分析(左); 甲基化程度熱力圖(中); 聚類熱圖(右)

     

    blob.png

    差異位點分布circos(左); 無監督聚類樹狀圖(中); 富集分析氣泡圖(右)

     

    產品優勢

     

    廣泛應用 

    發表科研論文最多的甲基化技術平臺,美國癌癥基因組圖譜(TCGA)計劃檢測樣本量達 10,181 個,國際癌癥基因組聯盟(ICGC)檢測樣本量達 9,246 個

     

    性價比高 

    >850,000 個甲基化位點,單堿基分辨,可以直接檢測到發生甲基化的確切位點

     

    重復性高 

    自身技術重復相關性 R2>0.98,與 450K 交集探針間(850K vs 450K)相關性 R2>0.98

     

    經驗豐富 

    團隊服務項目經驗>100項,樣本數>6000例。應用包括:腫瘤、精神疾病、免疫疾病、藥物表觀基因組、生殖和發育、干細胞、中醫體質等

     

    送樣要求

     

    blob.png

     

    應用方向

     

    微信截圖_20211111131111.png

     

    應用案例

     

    區分原發性肺鱗狀細胞癌與轉移癌的甲基化標志物研究

    Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases

    發表雜志:Science Translational Medicine(IF:17.956); 發表時間: 2019年 9月; 應用技術:850K甲基化芯片

     

    頭頸部鱗狀細胞癌(HMSC)患者有可能同時發生肺轉移或二次肺鱗狀細胞癌(LUSC)。區分原發性肺癌和肺轉移癌具有重要的臨床意義,但目前多數情況下無法對兩種癌癥進行區分。研究人員首先對原發性肺鱗癌、頭頸部鱗癌肺轉移和正常對照樣本共計 1071 例樣本的 DNA 甲基化數據進行分析,利用差異最為顯著的2,000 個 CpG 位點構建分類器,通過比較隨機森林,支持向量機和神經網絡三種不同機器學習算法,發現神經網絡算法在判別原發性肺鱗癌樣本的準確率達到 96.4%。進一步提高亞組患者的分類結果概率分數,發現該算法能夠對大多數病例診斷準確度超過 99%。

     

    blob.png

    訓練隊列的 t-SNE 圖(左); 神經網絡、支持向量機和隨機森林的分類結果熱圖(右)