A：【查看】
擬南芥 【查看】
A：1ug，純化后 3ug。
A：不建議，如果起始量足夠可以嘗試。
A：全基因組覆蓋，得到更多 CpG 位點信息，還能獲得 CHG、CHH 位點的甲基化信息。
A：只有有參考基因組的物種都可以做 WGBS，非常適合于基因組較小的植物。
A：通常建議測基因組大小 *30 的數據量，比如人的參考基因大小為 3G, 建議測序 90G.
A：可以，伯豪積累了許多相關經驗，還可以將甲基化與 mRNA、lncRNA 分別進行關聯分析。可參考附件。【查看】
A：基于超高重 PCR 的擴增目標區域后重測序，可以針對連續區段、外顯子靶標以及客戶指定區域，特異性設計擴增引物，經過引物優化及修飾，多重 PCR 一次性捕獲所有位點。只要有參考序列即可，沒有物種限制。
Q：目標區域重測序技術參數？
A：
Q：目標區域重測序的樣本要求？
A：基因組 DNA，要求：DNA 濃度≥40ng/ul，體積 >20ul。純度 OD260/OD280 在 1.8～2.0 之間。
A：500ng。DNA 濃度不低于 55ng/μl，OD 260/280 值應在 1.7～2.0 之間，A260/A230 > 1.5；RNA 應該去除干凈；不含有其它個體或其它物種的 DNA 污染。
A：DNA Qubit 定量滿足大于 80ng，彌散帶在 500bp 左右，并且無明顯污染即可。如提供 FFPE，需提供切片厚度為 10μm 左右的 FFPE 切片 10 片左右。如保存年限太久、保存不當、組織過少時，DNA 電泳可能無法看到明顯條帶。
A：推薦測序數據量至少為 6G。
A：例如：Mycobacterium tuberculosis H37Rv。
Q：FPKM 的大小如何衡量？
A：一般認為 FPKM>1 是基因表達的，這個閾值是主流雜志推薦的；如果做 qPCR 驗證，建議 FPKM>10。
A：用相關系數和 PCA，組內樣本間的相關性應明顯大于組間的相關性，才是比較成功的實驗設計，差異基因會比較多。
A：（1）正面回答審稿人問題，不要企圖回避；
（2）建議你把與結論重要的相關基因進行 qPCR 驗證一遍，用數據說話：“雖然沒有重復，但 qPCR 的結果支持測序結果；
（3）去數據庫查找類似的研究數據來支持結論。
A：標準分析內容包括 SNV、InDel、CNV、SV。
A：全基因組重測序是對已有參考基因組序列的物種的個體或群體進行重新測序，通過與原有基因組進行比較，得出豐富的全基因組變異信息。隨著測序成本的降低和分析技術的成熟，目前全基因組重測序在不同物種、不同應用和研究領域均已有廣泛應用。根據客戶的研究需求可以達到對應的測序深度，一般來說≥30X 可以滿足 SNV、InDel、CNV、SV 的數據需求；當然測序深度越高，變異檢出的可信度越高。
A：總量≥ 2 μg，濃度≥ 50 ng/μl，有明顯主帶，無污染。
A：【查看】
A：【查看】
A：樣本比對到參考基因組的比例一般情況下達到 99% 以上，如果過低說明樣本可能存在污染。
A：
A：我們有豐富的芯片實驗經驗，完善的數據分析流程，確保在樣品質檢合格后，20 個工作日內出具詳細的結果報告。
A：可以的，Affymetrix 的幾款芯片像 U133 Plus 2.0，Primeview，Clariom D 都可以用于 FFPE 樣本的檢測。
不同樣本有不同的送樣要求，伯豪芯片實驗室總結的送樣要求可供參考：
A：伯豪擁有 Agilent 和 Affymetrix 主流的表達譜芯片，助力客戶發表了大量的文章，附件詳細地列出了利用各款表達譜芯片發表的文章 【查看】
A：芯片檢測是一種高通量的篩選工具，后期需要進行一系列的驗證工作，其中 RT-qPCR 是常見也是簡便的芯片結果驗證方法。通常在拿到芯片結果后，可以按照鏈接中的方法用 RT-qPCR 對芯片結果進行驗證 【查看】。
A：主要從兩個方面來考慮：
（1）圖象：
主要看芯片掃描圖有無劃痕，有無圖象缺失，圖象是否清晰，背景是否過高，點是否規則，大小是否均一，有無融點，拖尾等 現象，圖象均一性如何，是否存在邊緣不清晰，陽性及陰性內參的情況等。
（2）數據：
①檢出率是否異常；
②相關系數（重復性如何）；
③變異系數（CV 值大小）；
④與 qPCR 趨勢的吻合程度；
⑤技術重復中差異基因的重復程度等。
A：CV 值是標準偏差與平均值之比，用百分數表示，計算公式為：CV = SD/Mean×100%。通過比較兩組數據之間的 CV 值來判斷芯片體系是否穩定。在 Agilent 表達譜芯片實驗中，用重復探針點（10 次重復）信號的 CV 值來計算芯片的穩定性和技術的穩定性，不同的芯片這樣的探針點從 20 到 100 個不等。Agilent 商品化芯片的 CV 值合格閾值是低于 15%。
A：芯片檢出率沒有也不應該有一個統一的標準，因為芯片只是一個檢測工具，芯片實驗的結果是以數據的形式反映出樣本里基因表達的情況，也就是說檢出率是樣品本身的屬性，而不是評價芯片實驗質量的指標。即使對于同一個物種，不同材料檢出率也不同，比如，人組織的檢出率要明顯高于細胞。一般來說相同樣品的檢出率相差不超過±5%。
A：
A：目前我們有三款 SBClncRNA 芯片，分別可以用于檢測人、小鼠和大鼠的 lncRNA 表達情況。
A：SBC lncRNA 芯片主要有以下幾個優勢：
（1）采用 Agilent eArray 平臺設計，Agilent SurePrint 技術合成，檢出率高，技術重復性高于 99%；
（2）覆蓋主流 lncRNA 數據庫的 lncRNA 信息，可同時檢測 lncRNA 和 mRNA，便于挖掘兩者之間的關聯性；
（3）芯片實驗過程中采用隨機引物擴增的方式，可同時擴增帶 poly- A 和不帶 poly- A 的 lncRNA。
A：有的，lncRNA 近來來是非編碼 RNA 研究的熱點，伯豪助力多位老師利用 lncRNA 芯片發表影響因子不低的文章，詳見附件 【查看】。
A：lncRNA 的定量驗證方法與 mRNA 基本相同，需要特別注意的是對于“exonic_sense”來源的 lncRNA，在引物設計時一定要區分開 lncRNA 和 mRNA。驗證過程中需要注意的事項請詳見附件 【查看】 。
A：我們的 SBC lncRNA 芯片是基于主流 lncRNA 數據庫設計的，在芯片結果中我們會列出每個探針對應的 lncRNA 詳細的信息可以直接根據 accession 號在相應的數據庫中進行 lncRNA 序列信息的查找。由于目前 lncRNA 的研究還處在初級階段，很多 lncRNA 都是預測的，因此隨著研究的深入，會發現部分 lncRNA 并非真的為 lncRNA。如果芯片結果里出現某些 lncRNA 在相應的數據庫中查找不到序列信息，那么很有可能該 lncRNA 已經不被該數據庫收錄了。
A：lncRNA 研究目前可分為 biomarker 研究和分子機制研究這兩個方向。 由于 lncRNA 具有組織特異性，且已有相關研究報道 lncRNA 在疾病組織和血液中特異性表達，因此，lncRNA 是一類理想的疾病研究潛在 Biomarker。
lncRNA 可以與蛋白復合體結合，調控基因的轉錄；可以影響 mRNA 的穩定性和翻譯；可以作為 miRNA 的”sponge”；可以作為 miRNA 的前體分子等。從 lncRNA 的分子作用機制入手，是目前 lncRNA 研究的熱點。
A：目前已知功能的 lncRNA 很少，根據 lncRNA 可以調控 mRNA 的特點，進行 lncRNA 靶基因預測，通過靶基因的功能間接推測 lncRNA 的功能。
lncRNA 的靶基因預測分為 cis 預測與 trans 預測。Cis 預測的原理是找出 lncRNA 所處染色體位置上下游 10 kb 范圍內的蛋白編碼基因。Trans 預測先采用 blast 選出序列上與 lncRNA 互補的 mRNA 序列，再利用 RNAplex 計算兩序列之間的互補能量，篩選出可能穩定結合的 mRNA。
A：根據 lncRNA 與編碼蛋白基因的關系，可以把 lncRNA 分為 5 類：
（1）Sense- overlapping：與 mRNA 外顯子有重疊區，轉錄方向一致；
（2）Antisense-overlapping：與 mRNA 外顯子有重疊區，轉錄方向相反；
（3）Bidirectional：與 mRNA 轉錄方向相反，轉錄起始位置距離在 1kb 內；
（4）Intronic：lncRNA 完全落編碼蛋白基因的內含子中；
（5）lncRNA 位于編碼蛋白基因的基因間區。
