Razlika između Microarray i RNA sekvenciranja

Sadržaj:

Razlika između Microarray i RNA sekvenciranja
Razlika između Microarray i RNA sekvenciranja

Video: Razlika između Microarray i RNA sekvenciranja

Video: Razlika između Microarray i RNA sekvenciranja
Video: Город БАРСЕЛОНА. Испания или Каталония? Большой выпуск. 2024, Srpanj
Anonim

Ključna razlika – Microarray vs RNA sekvenciranje

Transkriptom predstavlja cjelokupni sadržaj RNK prisutne u stanici uključujući mRNA, rRNA, tRNA, degradiranu RNK i nerazgrađenu RNK. Profiliranje transkriptoma važan je proces za razumijevanje uvida u stanicu. Postoji nekoliko naprednih metoda za profiliranje transkriptoma. Microarray i RNA sekvenciranje dvije su vrste tehnologija razvijene za analizu transkriptoma. Ključna razlika između sekvenciranja mikronizova i RNA je u tome što se mikronizovi temelje na hibridizacijskom potencijalu unaprijed dizajniranih obilježenih sondi s ciljnim cDNA sekvencama, dok se sekvenciranje RNA temelji na izravnom sekvenciranju cDNA lanaca naprednim tehnikama sekvenciranja kao što je NGS. Microarray se izvodi s prethodnim znanjem o sekvencama, a RNA sekvenciranje se izvodi bez prethodnog znanja o sekvencama.

Što je Microarray?

Microarray je robusna, pouzdana i visoko propusna metoda koju znanstvenici koriste za profiliranje transkriptoma. To je najpopularniji pristup za analizu prijepisa. To je jeftina metoda, koja ovisi o hibridizacijskim sondama.

Tehnika počinje ekstrakcijom mRNA iz uzorka i konstrukcijom cDNA biblioteke iz ukupne RNA. Zatim se miješa s fluorescentno obilježenim unaprijed dizajniranim sondama na čvrstoj površini (spot matrix). Komplementarne sekvence se hibridiziraju s obilježenim probama u mikronizu. Zatim se mikromreža ispere i pregleda, a slika se kvantificira. Prikupljene podatke treba analizirati kako bi se dobili profili relativnih izraza.

Pretpostavlja se da je intenzitet sondi mikronizova proporcionalan količini transkripata u uzorku. Međutim, točnost tehnike ovisi o dizajniranim sondama, prethodnom poznavanju sekvence i afinitetu sondi za hibridizaciju. Stoga tehnologija mikronizova ima ograničenja. Tehnika mikromreža ne može se izvesti s transkriptima male količine. Ne uspijeva razlikovati izoforme i identificirati genetske varijante. Budući da ova metoda ovisi o hibridizaciji sondi, neki problemi povezani s hibridizacijom kao što su unakrsna hibridizacija, nespecifična hibridizacija itd. javljaju se u tehnici mikronizova.

Glavna razlika - Microarray vs RNA sekvenciranje
Glavna razlika - Microarray vs RNA sekvenciranje

Slika 01: Mikroniz

Što je RNA sekvenciranje?

RNA shotgun sekvenciranje (RNA seq) nedavno je razvijena tehnika sekvenciranja cijelog transkriptoma. To je brza i propusna metoda profiliranja transkriptoma. Izravno kvantificira ekspresiju gena i rezultira dubokim istraživanjem transkriptoma. RNA seq ne ovisi o unaprijed dizajniranim probama ili prethodnom znanju o sekvencama. Stoga RNA seq metoda ima visoku osjetljivost i sposobnost otkrivanja novih gena i genetskih varijanti.

Metoda sekvenciranja RNA provodi se kroz nekoliko koraka. Ukupna RNA stanice mora biti izolirana i fragmentirana. Zatim se pomoću reverzne transkriptaze mora pripremiti biblioteka cDNA. Svaki lanac cDNA mora biti povezan s adapterima. Zatim se povezani fragmenti moraju amplificirati i pročistiti. Na kraju, korištenjem NGS metode, mora se izvršiti sekvencioniranje cDNA.

Razlika između Microarray i RNA sekvenciranja
Razlika između Microarray i RNA sekvenciranja

Slika 02: Sekvenciranje RNA

Koja je razlika između Microarray i RNA sekvenciranja?

Mikroniz protiv sekvenciranja RNA

Microarray je robusna, pouzdana metoda visoke propusnosti. RNK sekvenciranje je precizna i visokoučinkovita metoda.
Cost
Ovo je jeftina metoda. Ovo je skupa metoda.
Analiza velikog broja uzoraka
Ovo olakšava analizu velikog broja uzoraka istovremeno. Ovo olakšava analizu velikog broja uzoraka.
Analiza podataka
Analiza podataka je složena. Ovom metodom generira se više podataka; stoga je proces složeniji.
Prethodno poznavanje nizova
Ova se metoda temelji na hibridizacijskim probama, stoga je potrebno prethodno znanje o sekvencama. Ova metoda ne ovisi o prethodnom znanju slijeda.
Strukturne varijacije i novi geni
Ova metoda ne može otkriti strukturne varijacije i nove gene. Ova metoda može otkriti strukturne varijacije kao što su spajanje gena, alternativno spajanje i novi geni.
Osjetljivost
Ovo ne može otkriti razlike u ekspresiji izoformi, tako da ima ograničenu osjetljivost. Ovo ima visoku osjetljivost.
Ishod
Ovo može rezultirati samo relativnim razinama izražaja. Ovo ne daje apsolutnu kvantifikaciju ekspresije gena. Daje apsolutne i relativne razine izražavanja.
Ponovna analiza podataka
Ovo treba ponovno pokrenuti kako bi se ponovno analiziralo. Podaci sekvenciranja mogu se ponovno analizirati.
Potreba za određenim osobljem i infrastrukturom
Specifična infrastruktura i osoblje nisu potrebni za microarray. Specifična infrastruktura i osoblje potrebno za sekvenciranje RNA.
Tehnički problemi
Tehnika mikronizova ima tehničke probleme kao što su unakrsna hibridizacija, nespecifična hibridizacija, ograničena stopa detekcije pojedinačnih sondi, itd. Tehnika RNA seq izbjegava tehničke probleme kao što su križna hibridizacija, nespecifična hibridizacija, ograničena stopa detekcije pojedinačnih sondi, itd.
Pristranosti
Ovo je pristrana metoda jer ovisi o hibridizaciji. Pristranost je niska u usporedbi s mikromrežom.

Sažetak – Microarray vs RNA sekvenciranje

Metode sekvenciranja mikronizova i RNA platforme su visoke propusnosti razvijene za profiliranje transkriptoma. Obje metode daju rezultate koji su u visokoj korelaciji s profilima ekspresije gena. Međutim, sekvenciranje RNA ima prednosti u odnosu na mikronizove za analizu ekspresije gena. Sekvencioniranje RNA je osjetljivija metoda za detekciju transkripata niske abundacije od mikronizova. Sekvenciranje RNA također omogućuje razlikovanje izoformi i identifikaciju varijanti gena. Međutim, mikronizovi su uobičajeni izbor većine istraživača budući da je sekvenciranje RNA nova i skupa tehnika s izazovima pohranjivanja podataka i složenom analizom podataka.

Preporučeni: