快递查询
测试调用测试设计Survival生存曲线绘制软件环境微生物多样性软件转录组分析软件转录组软件购买重测序软件环境微生物多样性软件(1)桌面软件中药空间代谢组学检测中药非靶代谢组检测中药入血/入靶成分分析中药成分鉴定检测中药组学ATAC-seqCHIP-seqHi-C测序基因调控OmicsBeanMicrobe Trakr(微生物基因组鉴定分析工具)网页分析系统WEB分析系统澳洲血清 BovineBD科研管KAPAQIAGENThermoFisherMVE液氮罐4titude® 样品管标记系统Hi-C建库试剂盒及基因组组装软件无血清细胞冻存液Cell Freezing Medium纳米流式检测仪lexogen支原体检测试剂盒仪器试剂耗材数据库开发数据中心TCGA生存数据包功能医学报告系统开发PlantArray植物生理组平台特色服务单细胞测序空间代谢组DSP空间蛋白质组Visium空间转录组测序空间多组学类器官基因芯片染色体级别基因组组装Hi-C建库叶绿体、线粒体基因组测序一代测序动植物基因组de novo测序细菌基因组测序真菌基因组测序病毒基因组测序简化基因组遗传图谱测序简化基因组GWAS测序基因组重测序表观组基因分型外显子捕获目标区域捕获简化基因组遗传图谱性状定位扫描图DNA中5-hmC图谱测定全基因组甲基化测序真菌基因组扫描图测序epiGBS-简化甲基化BSA混池测序基因组SSR开发基因组（DNA）UMI-RNAseq转录组测序真核有参转录组测序真核无参转录组测序原核链特异性转录组测序全转录组测序 降解组表达谱芯片circRNA芯片circRNA测序Small RNA测序Lnc RNA测序m6A甲基化测序互作转录组测序UMI-RNAseq转录组（RNA）16S扩增子全长测序Meta-Barcoding（eDNA）技术研究微生物多样性测序宏基因组测序宏基因组Binning分析宏基因组抗性基因测序HiC-Meta宏基因组宏转录组差异表达测序宏病毒组测序环境DNAHiFi-Meta宏基因组肠道菌群临床检测基于肠道菌群检测和移植的肠道微生态学科建设宏基因组元素循环测序微生物组蛋白组代谢组抗体芯片Raybiotech芯片蛋白芯片蛋白芯片4D蛋白质组Raybiotech芯片OLINK精准蛋白质组学解决方案常规定量蛋白质组蛋白质组定性分析靶向蛋白质组学修饰蛋白质组学非靶向代谢组学靶向代谢组学脂质组学蛋白和代谢组GC-MS全代谢组LC-MS全代谢组靶向代谢组脂质组学代谢组学分子生物学CRISPR基因编辑细胞定制细胞株构建iPS构建CRISPR/Cas9DNA甲基化修饰细胞FAQ基因编辑切片图像扫描组织芯片免疫组化微量基因组建库专家病理切片数字存档多色免疫荧光组织透明化技术服务病理形态学数据陪护扩增子时序分析基因突变体克隆动物中心小动物疾病模型构建和检测服务基因编辑小鼠动物实验支原体污染检测服务细胞系遗传背景鉴定细胞系鉴定外泌体全转录组测序外泌体分离与鉴定单外泌体蛋白质组学分析服务外泌体专题甲基化焦磷酸测序cfDNA甲基化测序DNA甲基化测序850K甲基化芯片935K甲基化芯片全基因组甲基化测序（WGBS）简化基因组甲基化测序 (RRBS)目标区域甲基化测序 (Targeted Bisulfite Sequencing)甲基化DNA免疫沉淀测序 (MeDIP-seq)氧化-重亚硫酸盐测序 (oxBS-seq)TET-重亚硫酸盐测序(TAB-seq)5hmC-Seal，超高灵敏度的羟甲基化检测羟甲基化免疫共沉淀测序 (hMeDIP-seq)DNA 6mA免疫沉淀测序 (6mA-IP Seq)甲基化专题RNA修饰研究专题免疫印迹(Western-blot)技术服务定量Western检测Simoa单分子免疫分析qPCRCNVSNPPGM测序PCR array数字PCR精准检测ATAC-SeqChIP-SeqRIP-Seq基因调控Ribo-seq核糖体印迹测序技术Active Ribo-seq活跃翻译组测序技术翻译组10x官方发布样本准备样本要求样本取材以及样本编号技巧精简版细胞库组织库动物模型蛋白组代谢组Hi-C单细胞与空间转录组单细胞悬液外泌体Raybiotech蛋白芯片Simoa样本准备样本准备要求表单留言板SaaS 帮助搜索Mac谷歌浏览器2019国自然基金查询生信相关工具集合数据分析项目信息单提交资料分享核酸抽提产品资料转录组软件教学视频微生物多样性软件教学视频Lexogen产品培训视频Olink精准蛋白组学专题项目进度个人中心会员登录会员注册购物车联系我们公众号手机商城公司愿景知识分享
当前位置
项目简介
技术流程
样本要求
结题报告
FAQ
项目简介

     2009年，Job Dekker 研究团队利用Hi-C技术分析人类正常淋巴母细胞染色体中基因座空间交互信息，首次提出Hi-C技术的概念。

     Hi-C技术是染色体构象捕获（Chromosome conformationcapture，简称为3C）的一种衍生技术，是指基于高通量进行染色体构象的捕获，它能够在全基因组范围内捕捉不同基因座位之间的空间交互，研究三维空间中调控基因的DNA元件。

     动物群体细胞Hi-C测序：Hi-C技术源于染色体构象捕获（Chromosome Conformation Capture—3C）技术，以整个细胞核为研究对象，利用高通量测序技术，结合生物信息学方法，研究全基因组范围内整个染色质DNA在空间位置上的关系；通过对染色质内全部DNA相互作用模式进行捕获，获得高分辨率的染色质三维结构信息，并与ChIP-seq、转录组数据联合分析，从基因调控网络和表观遗传网络来阐述生物体性状形成的相关机制。

　　植物群体细胞Hi-C测序：植物Hi-C技术以整个细胞核为研究对象，利用高通量测序技术，结合生物信息分析方法，研究全基因组范围内整个染色质DNA在空间位置上的关系；通过对染色质内全部DNA相互作用模式进行捕获，获得高分辨率的染色质三维结构信息。云生物Hi-C研发团队采用独特的细胞破壁及甲醛固定技术，成功降低文章中的自环比例、提高了有效数据比例。

      Hi-C辅助基因组组装：Hi-C技术源于染色体构象捕获技术，利用高通量测序技术，结合生物信息分析方法，研究全基因组范围内整个染色质DNA在空间位置上的关系，获得高分辨率的染色质三维结构信息。基于Hi-C数据中染色质片段间的交互强度呈现出随距离衰减的规律，Hi-C可以用于基因组组装，将杂乱的基因序列组装到染色体水平。

　　捕获Hi-C测序：捕获Hi-C技术源于染色体构象捕获（Chromosome Conformation Capture—3C）技术，将Hi-C技术与杂交捕获技术相结合，用更小的数据量获取更高分辨率的染色质三维结构信息，并可以与ChIP-seq、转录组数据联合分析，从基因调控网络和表观遗传网络来阐述生物体性状形成的相关机制。

参考文献：

1.Giorgetti L, Lajoie B R, Carter A C, et al. Structural organization of the inactive X chromosome in the mouse[J]. Nature, 2016.

2.Wang C, Liu C, Roqueiro D, et al. Genome-wide analysis of local chromatin packing in Arabidopsis thaliana[J]. Genome Research, 2014, 25(2): 487-93.

3.Xie T, Zheng J F, Liu S, et al. De Novo Plant Genome Assembly Based on Chromatin Interactions: A Case Study of Arabidopsis thaliana[J]. Molecular Plant, 2015, 408(3): 489-492.

4.Jäger R, Migliorini G, Henrion M, et al. Capture Hi-C identifies the chromatin interactome of colorectal cancer risk loci[J]. Nature Communications, 2015, 6.




技术流程

1. 用甲醛对细胞进行固定，使DNA与蛋白，蛋白与蛋白之间进行交联

2. 进行酶切（如Hind III等限制性内切酶），使交联两侧产生粘性末端

3. 末端修复，引入生物素标记，连接

4. 解交联，使DNA和蛋白、蛋白和蛋白分开，提取DNA，打断，捕获带有生物素标记片段，进行建库

5. 测序

技术流程.png

Hi-C实验流程

项目周期


1、动物群体细胞Hi-C测序



产品类型

策略

推荐数据量

周期

动物Hi-C测序

Illumina HiSeq PE50/PE150

12G reads

（bin size：1kb）

75天（标准分析）


2、植物群体细胞Hi-C测序



产品类型

策略

推荐数据量

周期

植物Hi-C测序

Illumina HiSeq PE50/PE150

2G reads

（bin size：1kb）

75天（标准分析）


3、Hi-C辅助基因组组装



产品类型

策略

推荐数据量

周期

Hi-C辅助基因组组装

Illumina HiSeq PE50/PE150

≥60X（PE50）

75天（标准分析）


4、捕获Hi-C测序



产品类型

策略

推荐数据量

周期

捕获Hi-C测序

Hi-C文库

视捕获区域大小及分辨率而定

75天（标准分析）

样本要求

动物群体细胞Hi-C测序样本要求


产品类型

文库类型

送样要求

动物Hi-C测序

Hi-C文库

样本处理：细胞/组织需要进行甲醛交联固定。

样本运输：大体积干冰运输。

送样量：一般来讲，2.5*107个细胞能够满足制备一个标准的Hi-C文库，建议培养5*107至1*108个细胞用于固定，以保证实验的可重复性。由于细胞数量会影响Hi-C文库的复杂度，因此需要尽量精确的统计细胞数量。组织样本，一个文库需要的DNA量为15-20ug。


植物群体细胞Hi-C测序样本要求



产品类型

文库类型

送样要求

植物Hi-C测序

Hi-C文库

样本处理：细胞/组织需要进行甲醛交联固定。

样本运输：大体积干冰运输。

送样量：一般来讲，2.5*107个细胞能够满足制备一个标准的Hi-C文库，建议培养5*107至1*108个细胞用于固定，以保证实验的可重复性。由于细胞数量会影响Hi-C文库的复杂度，因此需要尽量精确的统计细胞数量。组织样本，一个文库需要的DNA量为15-20ug。


Hi-C辅助基因组组装样本要求


产品类型

文库类型

送样要求

Hi-C辅助基因组组装

Hi-C文库

样本处理：细胞/组织需要进行甲醛交联固定。

样本运输：大体积干冰运输。

送样量：一个文库需要的DNA量为15-20ug。



捕获Hi-C测序样本要求


产品类型

文库类型

送样要求

捕获Hi-C测序

Hi-C文库

植物样品：

样本类型：交联后细胞/组织样本、交联后细胞核样本、未交联新鲜植株。

取样要求：新鲜活体植株上的目标组织，推荐取较为幼嫩的叶片、根毛、茎等部位，便于充分交联。

动物样品：

样本处理：一般来讲，2.5*107个细胞能够满足制备一个标准的Hi-C文库，建议培养5*107至1*108个细胞用于固定，以保证实验的可重复性。由于细胞数量会影响Hi-C文库的复杂度，因此需要尽量精确的统计细胞数量。组织样本，一个文库需要的DNA量为15-20ug。

结题报告

1 项目信息

1.1 背景介绍

1.2 实验流程

实验流程图.png

实验流程图

1.3 信息分析流程

信息分析流程.png

信息分析流程图

1.4 样本信息

2 数据过滤

2.1 原始数据

2.2 数据过滤

2.3 测序数据质量分布

2.3.png

测序质量分布图

2.4 测序数据碱基分布

2.4.png

样品碱基分布图

3 比对分析

3.1 比对到基因组

3.1.png

PE Reads比对

3.2 NT库比对

4 分配到酶切片段

4.1 分子类型统计

4.2 酶切片段覆盖度

4.3 酶切片段深度分布

4.3.png

酶切片段覆盖深度分布图

5 顺反分析

5.1 顺反相互作用比例

5.2.png

顺反式交互比例分布图

5.2 顺反相互作用频率

5.22.png


相互作用强度随距离衰减图

6 染色体相互作用

6.1 染色体间相互作用

6.1-1.png

染色体相互作用的三维图

6.1-2.png

标准化之前的相互作用的热图

6.1-3.png

标准化之后的相互作用的热图

6.1-4.png

反式相互作用的片段的Circle图

6.2 全基因组交互热图

6.2.png

染色体不同区域相互作用的强弱

6.3 染色体内的相互作用

6.3.png

染色体内相互作用的热图

7 结构分析

7.1 Compartments

7.1.png

Iced + Observed/Expected标准化热图

7.1-2.png

相关性热图

7.1-3.png

**第二特征向量分类

8 附录

8.1 参考文献

8.2 使用软件列表

FAQ

1、Hi-C 需不需要做重复？

理论上是需要做 3 个重复的,但是从成本角度考虑,暂时 Hi-C 可以做两个技术重复，即如果一个样本理论上需要测 180G 数据量,那我们建两个文库,每个文库测 90G，分析数据相关性比较高后将两个文库的数据进行整合。

2、样品交联后检测出现降解、DNA 蛋白复合物少怎么办?

1) 植物或者动物组织尽量剪碎,保证充分交联。

2)要注意交联反应温度(25度左右)和时间，甲醛处理时间过长,未及时中和容易导致样本降解。

3)同时要保证样本新鲜。

3、bin size 的真正含义是什么?

在所设定的 binsize 下,80%—90%以上的 bin 对有 reads 支持(80%—90%bin 与 bin 之间有互作)，则认为此分辨率是可以达到的。市场上偷换概念者大有人在,把 bin size 设得特别小，但是很多 bin 都是空的,即和其他 bin 没有互作，可能也就 50% 甚至更低的 bin 之间有互作,达不到承诺的分辨率。

4、Hi-C在辅助基因组组装时有什么作用？

1）Hi-C最主要的作用是将零散的基因组序列锚定到染色体上（这一点类似遗传图谱）；

2）还可以对组装的基因组进行纠错处理；

3）在某种程度上进一步提升Contig N50.

5、Hi-C技术与遗传图谱的差异？

1）Hi-C应用单个个体就可以完成染色体构建；

2）Hi-C挂载染色体效率高达90%以上；

3）但Hi-C技术不能进行QTL定位。