华大科技结合多年转录组项目个性化分析经验，现在对转录组重测序产品全新升级，新增信息分析内容10余条，部分信息分析内容可以直接用于文章发表以及后续数据的深入挖掘，华大科技一直致力于为您提供最优的服务！
产品升级前后对比情况
| 类型 | 内容 | 升级前 | 升级后 |
| 时间 | 交付时间 | 40个工作日 | 30个工作日（仅限X-Bio产品） |
| 信息分析 | 对原始数据进行去接头污染及低质量的reads的处理 | √ | √ |
| 基因差异表达分析 | √ | √ | |
| 差异基因的表达模式聚类分析 | √ | √ | |
| 差异表达基因GO功能富集分析 | √ | √ | |
| 差异表达基因Pathway显著富集分析 | √ | √ | |
| 对基因的结构进行优化 | √ | √ | |
| 基因可变剪接的鉴定 | √ | √ | |
| 新转录本的预测及注释 | √ | √ | |
| SNP分析 | √ | √ | |
| 融合基因鉴定 | √ | √ | |
| 条件特异表达分析> | × | √ | |
| 主成分分析 | × | √ | |
| 样本特异表达及共有表达基因维恩图 | × | √ | |
| 组间差异表达基因分析 | × | √ | |
| 转录本水平定量 | × | √ | |
| 外显子水平定量 | × | √ | |
| 差异基因的蛋白互作网络分析 | × | √ | |
| 差异基因的转录因子分析 | × | √ | |
| InDEL分析 | × | √ | |
| RNA编辑 | × | √ | |
| 结题报告 | 深度优化结题报告，展示内容更加丰富，部分结果可以直接用于文章发表 | √ | √ |
备注：
1、X-Bio转录组产品，是华大科技在今秋隆重推出的高端产品，可以提供高品质、流程化的极致体验，详情请咨询华大科技销售代表。
2、主成分及条件特异表达分析，仅限5个及5个以上的样本；转录组因子分析仅限植物；融合基因分析仅限人的样本。
部分新增信息分析结果展示
| 信息分析项目 | 介绍 |
| RNA编辑分析 | RNA编辑是指发生在mRNA水平的遗传信息改变的过程，具体来说，指基因转录产生的mRNA分子中，由于核苷酸的缺失，插入或置换，基因转录物的序列不与基因编码序列互补，这将影响基因的表达，最后生成不同的氨基酸和开放读码框。 有些研究表明，许多疾病都与非正常的RNA编辑相关。 |
| 样本特异及共有基因维恩图 | 样本特异及共有基因维恩图展示了不同处理或者不同发育阶段的样本间共有及差异的基因的个数。 |
| 转录组因子分析 | 转录因子（Transcription factor）是一类能与特异性DNA序列结合并调节基因转录的调控蛋白，它通过调控目的基因的表达从而参与生长发育、对环境的响应、胞间信号传递响应、以及细胞周期调节等。我们用hmmsearch搜索植物中的转录因子的特征结构域来预测编码转录因子的基因。 |
| 蛋白互作网络分析 | 为了挖掘差异基因翻译的蛋白之间的相互作用关系，我们整合了BIND、BioGrid、HPRD等蛋白相互作用数据库，互作网络关系用Medusa软件进行可视化。 |
| 转录本水平及外显子水平定量 | 基因在特定时空表达会出现可变剪接，一个基因会对应多个转录本，通过对转录本水平定量和外显子水平表达定量，更深层次进行定量研究，有助于更细致了解基因表达和基因调控信息，可应用于相关疾病、不同表型等与编码区表达信息关联研究。有研究表明：reads的基因定位到编码外显子的表达测定比同时还包括3’非翻译区域（UTRs）的表达测定能更好地和qRT-PCR数据相关联。 |
| 生物学重复分析 | 生物学重复设置对生物学研究方案设计具有重要意义，生物学重复可消除个体差异，使得实验结果具有统计意义，并可真实反映表型差异以及疾病致病机理等。 |
图1 RNA编辑 |
图2 样品特异及共有基因维恩图 |
|
图 3 蛋白互作网络分析 |
图4 外显子覆盖度统计图 |
更多的介绍及结果，请尽快的体验华大科技的转录组产品吧！
参考文献
[1] Peng Z, Cheng Y, Tan BCM, et al. Comprehensive analysis of RNA-Seq data reveals extensive RNA editing in a human transcriptome. Nature biotechnology, 2012, 30: 253–260.
[2] Garg R, Verma M, Agrawal S, et al. Deep transcriptome sequencing of wild halophyte rice, Porteresia coarctata, provides novel insights into the salinity and submergence tolerance factors.- DNA Research, 2014, 21(1):69-84.
[3] Peng XJ, Wang YC, He RP, et al. Global transcriptomics identification and analysis of transcriptional factors in different tissues of the paper mulberry. BMC Plant Biology, 2014, 14(1):194.
[4] Ding YD, Chang JW, Guo J, et al. Prediction and functional analysis of the sweet orange protein-protein interaction network. BMC Plant Biology, 2014, 14(1):213.
[5] Li B, Dewey CN. RSEM: accurate transcript quantification from RNA-Seq data with or without a reference genome. BMC Bioinformatics,2011,12:323.
[6] Ramsköld D, Wang ET, Burge CB, et al.An abundance of ubiquitously expressed genes revealed by tissue transcriptome sequence data. Plos Computational Biology,, 2009, 5(12): e1000598.
[7] Hansen KD, Wu Z, Irizarry RA, et al. Sequencing technology does not eliminate biological variability. Nature Biotechnology, 2011,29(7): 572–573.
[8] Tarazona S, García-Alcalde F, Dopazo J, et al. Differential expression in RNA-seq: a matter of depth. Genome Research, 2011, 21(12):2213-23.