A：【查看】
拟南芥 【查看】
A：1ug，纯化后 3ug。
A：不建议，如果起始量足够可以尝试。
A：全基因组覆盖，得到更多 CpG 位点信息，还能获得 CHG、CHH 位点的甲基化信息。
A：只有有参考基因组的物种都可以做 WGBS，非常适合于基因组较小的植物。
A：通常建议测基因组大小 *30 的数据量，比如人的参考基因大小为 3G, 建议测序 90G.
A：可以，伯豪积累了许多相关经验，还可以将甲基化与 mRNA、lncRNA 分别进行关联分析。可参考附件。【查看】
A：基于超高重 PCR 的扩增目标区域后重测序，可以针对连续区段、外显子靶标以及客户指定区域，特异性设计扩增引物，经过引物优化及修饰，多重 PCR 一次性捕获所有位点。只要有参考序列即可，没有物种限制。
Q：目标区域重测序技术参数？
A：
Q：目标区域重测序的样本要求？
A：基因组 DNA，要求：DNA 浓度≥40ng/ul，体积 >20ul。纯度 OD260/OD280 在 1.8～2.0 之间。
A：500ng。DNA 浓度不低于 55ng/μl，OD 260/280 值应在 1.7～2.0 之间，A260/A230 > 1.5；RNA 应该去除干净；不含有其它个体或其它物种的 DNA 污染。
A：DNA Qubit 定量满足大于 80ng，弥散带在 500bp 左右，并且无明显污染即可。如提供 FFPE，需提供切片厚度为 10μm 左右的 FFPE 切片 10 片左右。如保存年限太久、保存不当、组织过少时，DNA 电泳可能无法看到明显条带。
A：推荐测序数据量至少为 6G。
A：例如：Mycobacterium tuberculosis H37Rv。
Q：FPKM 的大小如何衡量？
A：一般认为 FPKM>1 是基因表达的，这个阈值是主流杂志推荐的；如果做 qPCR 验证，建议 FPKM>10。
A：用相关系数和 PCA，组内样本间的相关性应明显大于组间的相关性，才是比较成功的实验设计，差异基因会比较多。
A：（1）正面回答审稿人问题，不要企图回避；
（2）建议你把与结论重要的相关基因进行 qPCR 验证一遍，用数据说话：“虽然没有重复，但 qPCR 的结果支持测序结果；
（3）去数据库查找类似的研究数据来支持结论。
A：标准分析内容包括 SNV、InDel、CNV、SV。
A：全基因组重测序是对已有参考基因组序列的物种的个体或群体进行重新测序，通过与原有基因组进行比较，得出丰富的全基因组变异信息。随着测序成本的降低和分析技术的成熟，目前全基因组重测序在不同物种、不同应用和研究领域均已有广泛应用。根据客户的研究需求可以达到对应的测序深度，一般来说≥30X 可以满足 SNV、InDel、CNV、SV 的数据需求；当然测序深度越高，变异检出的可信度越高。
A：总量≥ 2 µg，浓度≥ 50 ng/µl，有明显主带，无污染。
A：【查看】
A：【查看】
A：样本比对到参考基因组的比例一般情况下达到 99% 以上，如果过低说明样本可能存在污染。
A：
A：我们有丰富的芯片实验经验，完善的数据分析流程，确保在样品质检合格后，20 个工作日内出具详细的结果报告。
A：可以的，Affymetrix 的几款芯片像 U133 Plus 2.0，Primeview，Clariom D 都可以用于 FFPE 样本的检测。
不同样本有不同的送样要求，伯豪芯片实验室总结的送样要求可供参考：
A：伯豪拥有 Agilent 和 Affymetrix 主流的表达谱芯片，助力客户发表了大量的文章，附件详细地列出了利用各款表达谱芯片发表的文章 【查看】
A：芯片检测是一种高通量的筛选工具，后期需要进行一系列的验证工作，其中 RT-qPCR 是常见也是简便的芯片结果验证方法。通常在拿到芯片结果后，可以按照链接中的方法用 RT-qPCR 对芯片结果进行验证 【查看】。
A：主要从两个方面来考虑：
（1）图象：
主要看芯片扫描图有无划痕，有无图象缺失，图象是否清晰，背景是否过高，点是否规则，大小是否均一，有无融点，拖尾等 现象，图象均一性如何，是否存在边缘不清晰，阳性及阴性内参的情况等。
（2）数据：
①检出率是否异常；
②相关系数（重复性如何）；
③变异系数（CV 值大小）；
④与 qPCR 趋势的吻合程度；
⑤技术重复中差异基因的重复程度等。
A：CV 值是标准偏差与平均值之比，用百分数表示，计算公式为：CV = SD/Mean×100%。通过比较两组数据之间的 CV 值来判断芯片体系是否稳定。在 Agilent 表达谱芯片实验中，用重复探针点（10 次重复）信号的 CV 值来计算芯片的稳定性和技术的稳定性，不同的芯片这样的探针点从 20 到 100 个不等。Agilent 商品化芯片的 CV 值合格阈值是低于 15%。
A：芯片检出率没有也不应该有一个统一的标准，因为芯片只是一个检测工具，芯片实验的结果是以数据的形式反映出样本里基因表达的情况，也就是说检出率是样品本身的属性，而不是评价芯片实验质量的指标。即使对于同一个物种，不同材料检出率也不同，比如，人组织的检出率要明显高于细胞。一般来说相同样品的检出率相差不超过±5%。
A：
A：目前我们有三款 SBClncRNA 芯片，分别可以用于检测人、小鼠和大鼠的 lncRNA 表达情况。
A：SBC lncRNA 芯片主要有以下几个优势：
（1）采用 Agilent eArray 平台设计，Agilent SurePrint 技术合成，检出率高，技术重复性高于 99%；
（2）覆盖主流 lncRNA 数据库的 lncRNA 信息，可同时检测 lncRNA 和 mRNA，便于挖掘两者之间的关联性；
（3）芯片实验过程中采用随机引物扩增的方式，可同时扩增带 poly- A 和不带 poly- A 的 lncRNA。
A：有的，lncRNA 近来来是非编码 RNA 研究的热点，伯豪助力多位老师利用 lncRNA 芯片发表影响因子不低的文章，详见附件 【查看】。
A：lncRNA 的定量验证方法与 mRNA 基本相同，需要特别注意的是对于“exonic_sense”来源的 lncRNA，在引物设计时一定要区分开 lncRNA 和 mRNA。验证过程中需要注意的事项请详见附件 【查看】 。
A：我们的 SBC lncRNA 芯片是基于主流 lncRNA 数据库设计的，在芯片结果中我们会列出每个探针对应的 lncRNA 详细的信息可以直接根据 accession 号在相应的数据库中进行 lncRNA 序列信息的查找。由于目前 lncRNA 的研究还处在初级阶段，很多 lncRNA 都是预测的，因此随着研究的深入，会发现部分 lncRNA 并非真的为 lncRNA。如果芯片结果里出现某些 lncRNA 在相应的数据库中查找不到序列信息，那么很有可能该 lncRNA 已经不被该数据库收录了。
A：lncRNA 研究目前可分为 biomarker 研究和分子机制研究这两个方向。 由于 lncRNA 具有组织特异性，且已有相关研究报道 lncRNA 在疾病组织和血液中特异性表达，因此，lncRNA 是一类理想的疾病研究潜在 Biomarker。
lncRNA 可以与蛋白复合体结合，调控基因的转录；可以影响 mRNA 的稳定性和翻译；可以作为 miRNA 的”sponge”；可以作为 miRNA 的前体分子等。从 lncRNA 的分子作用机制入手，是目前 lncRNA 研究的热点。
A：目前已知功能的 lncRNA 很少，根据 lncRNA 可以调控 mRNA 的特点，进行 lncRNA 靶基因预测，通过靶基因的功能间接推测 lncRNA 的功能。
lncRNA 的靶基因预测分为 cis 预测与 trans 预测。Cis 预测的原理是找出 lncRNA 所处染色体位置上下游 10 kb 范围内的蛋白编码基因。Trans 预测先采用 blast 选出序列上与 lncRNA 互补的 mRNA 序列，再利用 RNAplex 计算两序列之间的互补能量，筛选出可能稳定结合的 mRNA。
A：根据 lncRNA 与编码蛋白基因的关系，可以把 lncRNA 分为 5 类：
（1）Sense- overlapping：与 mRNA 外显子有重叠区，转录方向一致；
（2）Antisense-overlapping：与 mRNA 外显子有重叠区，转录方向相反；
（3）Bidirectional：与 mRNA 转录方向相反，转录起始位置距离在 1kb 内；
（4）Intronic：lncRNA 完全落编码蛋白基因的内含子中；
（5）lncRNA 位于编码蛋白基因的基因间区。
