CN116286991A - 全基因组增强子筛选系统、筛选方法及应用 - Google Patents
全基因组增强子筛选系统、筛选方法及应用 Download PDFInfo
- Publication number
- CN116286991A CN116286991A CN202310097328.9A CN202310097328A CN116286991A CN 116286991 A CN116286991 A CN 116286991A CN 202310097328 A CN202310097328 A CN 202310097328A CN 116286991 A CN116286991 A CN 116286991A
- Authority
- CN
- China
- Prior art keywords
- library
- enhancer
- seq
- screening
- mae
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003623 enhancer Substances 0.000 title claims abstract description 132
- 238000012216 screening Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims description 35
- 239000013612 plasmid Substances 0.000 claims abstract description 82
- 239000013598 vector Substances 0.000 claims abstract description 73
- 239000012634 fragment Substances 0.000 claims abstract description 65
- 238000012163 sequencing technique Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 43
- 108091092584 GDNA Proteins 0.000 claims abstract description 24
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 20
- 108020004414 DNA Proteins 0.000 claims abstract description 5
- 230000003321 amplification Effects 0.000 claims abstract description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 5
- 238000003752 polymerase chain reaction Methods 0.000 claims abstract 6
- 102000053602 DNA Human genes 0.000 claims abstract 3
- 108700028146 Genetic Enhancer Elements Proteins 0.000 claims description 30
- 238000012408 PCR amplification Methods 0.000 claims description 24
- 230000006801 homologous recombination Effects 0.000 claims description 19
- 238000002744 homologous recombination Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 8
- 238000010163 Hochberg test Methods 0.000 claims description 7
- 108060001084 Luciferase Proteins 0.000 claims description 7
- 239000005089 Luciferase Substances 0.000 claims description 7
- 108700008625 Reporter Genes Proteins 0.000 claims description 7
- 239000002773 nucleotide Substances 0.000 claims description 7
- 125000003729 nucleotide group Chemical group 0.000 claims description 7
- 238000000265 homogenisation Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 4
- 230000037431 insertion Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims 2
- 239000006185 dispersion Substances 0.000 abstract description 4
- 238000012165 high-throughput sequencing Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 210000004027 cell Anatomy 0.000 description 49
- 238000010276 construction Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000000246 agarose gel electrophoresis Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012350 deep sequencing Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000000684 flow cytometry Methods 0.000 description 2
- 238000003670 luciferase enzyme activity assay Methods 0.000 description 2
- 239000013600 plasmid vector Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000001890 transfection Methods 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 102000018120 Recombinases Human genes 0.000 description 1
- 108010091086 Recombinases Proteins 0.000 description 1
- 101100495925 Schizosaccharomyces pombe (strain 972 / ATCC 24843) chr3 gene Proteins 0.000 description 1
- 108700026226 TATA Box Proteins 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 210000001671 embryonic stem cell Anatomy 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012264 purified product Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 108010054624 red fluorescent protein Proteins 0.000 description 1
- 108091008146 restriction endonucleases Proteins 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001177 retroviral effect Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000005758 transcription activity Effects 0.000 description 1
- 230000002103 transcriptional effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B35/00—ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
- G16B35/20—Screening of libraries
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/63—Introduction of foreign genetic material using vectors; Vectors; Use of hosts therefor; Regulation of expression
- C12N15/65—Introduction of foreign genetic material using vectors; Vectors; Use of hosts therefor; Regulation of expression using markers
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N15/00—Mutation or genetic engineering; DNA or RNA concerning genetic engineering, vectors, e.g. plasmids, or their isolation, preparation or purification; Use of hosts therefor
- C12N15/09—Recombinant DNA-technology
- C12N15/63—Introduction of foreign genetic material using vectors; Vectors; Use of hosts therefor; Regulation of expression
- C12N15/79—Vectors or expression systems specially adapted for eukaryotic hosts
- C12N15/85—Vectors or expression systems specially adapted for eukaryotic hosts for animal cells
- C12N15/86—Viral vectors
-
- C—CHEMISTRY; METALLURGY
- C40—COMBINATORIAL TECHNOLOGY
- C40B—COMBINATORIAL CHEMISTRY; LIBRARIES, e.g. CHEMICAL LIBRARIES
- C40B50/00—Methods of creating libraries, e.g. combinatorial synthesis
- C40B50/06—Biochemical methods, e.g. using enzymes or whole viable microorganisms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B35/00—ICT specially adapted for in silico combinatorial libraries of nucleic acids, proteins or peptides
- G16B35/10—Design of libraries
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12N—MICROORGANISMS OR ENZYMES; COMPOSITIONS THEREOF; PROPAGATING, PRESERVING, OR MAINTAINING MICROORGANISMS; MUTATION OR GENETIC ENGINEERING; CULTURE MEDIA
- C12N2740/00—Reverse transcribing RNA viruses
- C12N2740/00011—Details
- C12N2740/10011—Retroviridae
- C12N2740/10041—Use of virus, viral particle or viral elements as a vector
- C12N2740/10043—Use of virus, viral particle or viral elements as a vector viral genome or elements thereof as genetic vector
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Genetics & Genomics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Biotechnology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Microbiology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Immunology (AREA)
- Plant Pathology (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Medicinal Chemistry (AREA)
- Virology (AREA)
- General Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种全基因组增强子筛选系统,该系统包括MAE‑seq增强子筛选载体、待筛选片段构成的质粒文库、转染质粒文库并抽提gDNA进行PCR扩增后测序获得的input文库、转染质粒文库经荧光分选后再抽提gDNA并进行PCR扩增后测序获得的output文库以及可过滤掉output文库中假阳性数据的统计学过滤模型。由此,可以通过仅对待筛选的基因片段构建质粒文库、荧光分选、高通量测序及过滤模型过滤即可实现高效稳定的全基因组增强子筛选。本系统适用于适合物种,且不用构建转录组文库,通过荧光表达富集直观高效,还没有覆盖范围不均匀、过度分散且被测序偏差混淆的问题,是相对于现有技术STARR‑seq操作更便捷,成本更低,且稳定、高效的增强子筛选系统。
Description
技术领域
本发明涉及基因工程领域,特别涉及一种全基因组增强子筛选系统、筛选方法及应用。
背景技术
增强子是基因组重要的调控元件,对基因的转录表达调控具有重要作用。增强子通常与启动子互作并且作用方式不受距离和方向的影响,一个基因可能受一个或多个增强子调控,同一个增强子也可能与多个基因互作,正是由于增强子复杂的作用方式形成了基因组基因复杂的调控网络,并可以对生物体性状进行精细调控,要想更好的理解增强子的作用规律需要对全基因组增强子进行筛选,目前对增强子进行全基因组筛选的主流MPRAs(Massively parallel reporter assays大规模并行报告分析)的方法以STARR-seq(self-transcribing active reg-ulatory region sequencing,自转录活性调控区域测序)为主,但是STARR-seq需要进行复杂的转录基因组文库构建及深度测序,建库及深度测序成本高,流程复杂等问题,而且STARR-seq还存在容易导致覆盖范围不均匀、过度分散且经常被测序偏差(例如GC含量)混淆的问题。
为了解决这些问题,需要重新构建一种灵敏度高、可靠性好且流程简便,使用成本较低的筛选增强子的系统及方法。
发明内容
本发明的目的是提供一种全基因组增强子筛选系统、构建方法及在筛选、验证增强子上的应用,以解决上述问题。
根据本发明的第一个方面,提供了一种全基因组增强子筛选系统,该系统包括MAE-seq增强子筛选载体、待筛选片段构成的质粒文库、转染质粒文库并抽提gDNA进行PCR扩增后测序获得的input文库、转染质粒文库经荧光分选后再抽提gDNA并进行PCR扩增后测序获得的output文库以及可过滤掉output文库中假阳性数据的统计学过滤模型;该MAE-seq增强子筛选载体包括弱启动子、荧光素酶报告基因,该弱启动子与荧光素酶报告基因连接,该MAE-seq增强子筛选载体核苷酸序列如SEQ ID No:1所示。本系统设计了output文库可以通过荧光分选,对表达荧光的细胞进行富集,即是对增强子进行富集;同时还引入了统计学过滤模型,通过该过滤模型可以最大程度的过滤掉output文库中的假阳性。由此,可以通过仅对含有待筛选的基因片段构建质粒文库、荧光分选、质粒测序及过滤模型过滤即可实现高效稳定的全基因组增强子筛选。本系统适用于适合物种,且不用构建转录组文库,通过荧光表达富集直观高效,还没有覆盖范围不均匀、过度分散且被测序偏差(例如GC含量)混淆的问题,是相对于现有技术STARR-seq操作更便捷,成本更低,且稳定、高效的增强子筛选系统。
在某些实施方式中,该待筛选片段构成的质粒文库的是将待筛选片段两端增加与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库。
在某些实施方式中,该含有待筛选片段及同源臂的新序列如SEQ ID No:2所示,在SEQ ID No:2所示的序列中M表示待筛选片段插入的位置,M两端序列为可以与MAE-seq增强子筛选载体上进行同源重组的特异性序列。
在某些实施方式中,统计学过滤模型以input文库作为对照,对output文库进行过滤,可过滤掉output文库中假阳性数据,所述统计学过滤模型如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用BenjaminiandHochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
根据本发明的第二个方面,提供了一种全基因组增强子筛选系统的构建方法,该方法包括如下步骤:
1)构建MAE-seq增强子筛选载体,所述载体的核苷酸序列如SEQ ID No:1所示;
2)构建质粒文库:将待筛选片段两端增加与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
3)构建input文库:将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
4)构建output文库:将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
5)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,过滤后数据即为筛选获得的阳性增强子序列数据。
由此,通过本方法可以构建一套高效、稳定、操作便捷的全基因组增强子筛选系统。
在某些实施方式中,将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤步骤如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用BenjaminiandHochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
根据本发明的第三个方面,提供了全基因组增强子筛选系统在全基因组中筛选增强子的方法,该方法包括如下步骤:
1)将待筛选片段打断,将打断的片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;所述MAE-seq增强子筛选载体的核苷酸序列如SEQ ID No:1所示。
2)将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
3)将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
4)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,即为筛选获得的阳性增强子序列数据。
由此,通过本方法,可以高效、稳定的实现各个物种全基因组增强子的筛选,本方法是基于荧光分选的高通量增强子筛选方法(MAE-seq),没有筛选片段数量的限制,且相对于现有STARR-seq筛选方法,操作更便捷,成本更低。
在某些实施方式中,将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤步骤如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用BenjaminiandHochberg检验选择Q值小于0.05的位点作为有效信号,利用权利要求1-4任一项所述的全基因组增强子筛选系统在全基因组中筛选增强子的方法。
根据本发明的第四个方面,提供了一种全基因组增强子筛选系统在筛选基因组增强子中的应用。由此,通过本应用,可以实现对各个物种全基因组增强子的筛选,筛选过程更加便捷,筛选高效且稳定,筛选成本更低。
在某些实施方式中,该应用如下:
1)将待筛选片段打断,将打断的片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
2)将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
3)将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
4)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,即为筛选获得的阳性增强子序列数据。
根据本发明的第五个方面,提供了一种增强子筛选载体在验证增强子序列上的应用。本应用中,将待验证片段插入MAE-seq增强子筛选载体中,通过转染该载体并观察红色荧光的表达情况,即可直观的验证该片段是否为增强子,无需测序,更简便,易操作。
在某些实施方式中,该应用如下:将待验证基因片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有同源臂的待验证序列插入线性化的MAE-seq增强子筛选载体上,然后将该质粒转染细胞,根据该质粒在细胞中荧光表达情况来判断待验证序列是否为增强子序列,表达荧光则为增强子序列,反之则不是。
本发明的有益效果:
1、公开了一种新的全基因组增强子筛选系统,本系统设计了output文库可以通过荧光分选,对表达荧光的细胞进行富集,即是对增强子进行富集;同时还引入了统计学过滤模型,通过该过滤模型可以最大程度的过滤掉output文库中的假阳性。由此,可以通过仅对含有待筛选的基因片段构建质粒文库、荧光分选、质粒测序及过滤模型过滤即可实现高效稳定的全基因组增强子筛选。本系统适用于适合物种,且不用构建转录组文库,通过荧光表达富集直观高效,还没有覆盖范围不均匀、过度分散且被测序偏差(例如GC含量)混淆的问题,是相对于现有技术STARR-seq操作更便捷,成本更低,且稳定、高效的增强子筛选系统。
2、公开了一种新的全基因组增强子筛选系统的构建方法,通过本方法可以构建一套高效、稳定、操作便捷的全基因组增强子筛选系统。
3、公开了一种利用全基因组增强子筛选系统在全基因组中筛选增强子的方法,通过本方法,可以高效、稳定的实现各个物种全基因组增强子的筛选,本方法是基于荧光分选的高通量增强子筛选方法(MAE-seq),没有筛选片段数量的限制,且相对于现有STARR-seq筛选方法,操作更便捷,成本更低。
4、公开了一种全基因组增强子筛选系统在筛选基因组增强子中的应用,通过本应用,可以实现对各个物种全基因组增强子的筛选,筛选过程更加便捷,筛选高效且稳定,筛选成本更低。
5、公开了一种增强子筛选载体在验证增强子序列上的应用。本应用中,将待验证片段插入MAE-seq增强子筛选载体中,通过转染该载体并根据该载体的荧光表达情况,即可判断该待验证序列是否为增强子序列,表达荧光则为增强子序列,反之为非增强子序列。
附图说明
图1为MAE-seq增强子筛选载体的结构图;
图2为MAE-seq增强子筛选系统筛选增强子的流程图;
图3为MAE-seq增强子筛选系统验证筛选出来的阳性序列的验证结果图:其中,图中最右侧为对照组PGL4.53,其余9条为检测组,其中仅有第3条与对照组差异不显著;
图4为MAE-seq增强子筛选系统验证筛选出来的阴性序列的验证结果图:其中,图中最右侧为对照组PGL4.53,其余20条为检测组,其中仅有第5条与对照组差异显著。
具体实施方式
下面结合附图及实施例对发明作进一步详细的说明。
实施例1 MAE-seq增强子筛选载体的构建
本申请中增强子筛选载体是基于pMX-GFP逆转录病毒载体(Cell Biolabs,USA)进行改造获得的。首先从pGL4.23荧光素酶报告载体(Promega,USA)中获得mini-promoter(弱启动子)(该mini-promoter来源于pGL4.23荧光素酶报告载体,且该mini-promoter是含有TATA-box的一段不完整启动子序列,其必须与增强子相互作用才能进行转录)基因片段与mCherry基因片段(该基因片段为基因合成获得)合成新的miniP-mCherry片段(该miniP-mCherry片段的启动子为mini-promoter弱启动子,在无增强子的前提下,该mCherry基因无法表达红色荧光),获得方法如下:然后用XbaⅠ/NcoⅠ限制性内切酶酶切pGL4.23,去除luc2报告基因的原始编码序列,并用mCherry基因片段(该mCherry基因片段为基因合成获得)进行替换,即可获得miniP-mCherry片段;再用含有NcoⅠ或NotⅠ酶切位点的引物扩增该miniP-mCherry片段;将扩增获得的含有miniP-mCherry的DNA片段连接克隆到NcoⅠ和NotⅠ双酶切的pMX-GFP载体中,即得到增强子筛选载体MAE-seq(该MAE-seq增强子筛选载体的结构图如图1所示),用HindⅢ和xhoⅠ双酶切该MAE-seq载体,即形成可用于文库生成的线性化增强子筛选载体。
该MAE-seq增强子筛选载体,由于mCherry基因片段是连接的弱启动子(mini-promoter),因此该载体中若通过同源重组插入的不是增强子,则mCherry基因将无法表达红色荧光蛋白;而若通过同源重组,在该载体中插入了增强子序列,则该增强子可以与弱启动子(mini-promoter)互作来使mCherry基因表达红色荧光,进而可以通过红色荧光表达情况,来初步判断该插入片段是否为增强子。
该MAE-seq增强子筛选载体的核苷酸序列(SEQ ID No:1)为:
实施例2 MAE-seq增强子筛选系统的构建
2.1质粒文库的构建
将待筛选的DNA片段打断成合适大小的待筛选片段fragments(如200-600bp),通过人工合成或引物扩增的方式使待筛选片段fragments两端加上MAE-seq增强子筛选载体上的特异性序列作为同源重组的同源臂,形成新的待筛选片段,该新的待筛选片段的核苷酸序列组成如下所示:CTAACTGGCCGGTACCTGAGCTCGCTAGCCTCGAGTCGTCGGCAGCGTCAGATGTGTATAAGAGACAG-fragments-CTGTCTCTTATACACATCTCCGAGCCCACGAGACAAGCTTAGACACTAGAGGGTATATAATGGAAGCTCG(该序列在序列表中记为SEQ ID No:2序列,在SEQ ID No:2序列中用M表示待筛选片段fragments插入位置,M两端序列为可与MAE-seq增强子筛选载体进行同源重组的特异性序列,该特异性序列相当于同源臂),利用同源重组酶(Vazyme;Cat.No.C112)将这些新的待筛选片段(含有同源臂的)与已经用xhoI和Hind III进行双酶切的MAE-seq线性载体进行同源重组。将重组产物利用AMP XP磁珠进行纯化,纯化后的产物根据电击感受态(ThermoFisher Scientific;Cat.No.C6400)使用说明进行操作。将电击转化后的混合物转移到至少10L的LB培养基中在37℃,200rpm的摇床中进行培养过夜,第二天用无内毒素质粒提取试剂盒(QIAGEN;Cat.No 12362)进行质粒抽提。抽提出来的质粒合并在一起即为质粒文库。
序列表中SEQ ID No:2序列为:
CTAACTGGCCGGTACCTGAGCTCGCTAGCCTCGAGTCGTCGGCAGCGTCAGATGTGTATAAGAGACAGMCTGTCTCTTATACACATCTCCGAGCCCACGAGACAAGCTTAGACACTAGAGGGTATATAATGGAAGCTCG;
其中一端同源重组特异性序列为SEQ ID No:3:
CTAACTGGCCGGTACCTGAGCTCGCTAGCCTCGAGTCGTCGGCAGCGTCAGATGTGTATAAGAGACAG;
另一端同源重组特异性序列为SEQ ID No:4:
CTGTCTCTTATACACATCTCCGAGCCCACGAGACAAGCTTAGACACTAGAGGGTATATAATGGAAGCTCG。
2.2 input和output文库构建
对需要转染的细胞进行培养,等细胞汇合度在70%-90%时候用jetOPTIMUS试剂将2.1步骤中获得的质粒文库中的质粒进行转染,48小时后收集细胞并抽提gDNA,以100nggDNA为模板进行扩增(95℃45s;followedby 15cycles of98℃for 15s,60℃for 30s,72℃for 3min),共扩增20个反应并合并,产物经2%琼脂糖凝胶电泳50min(120v,130mA)回收后送样进行高通量测序,测序的数据为input文库。
同样,将与构建input文库时使用的相同的目的细胞进行同样的质粒文库转染,所不同的是细胞转染48小时后进行流式荧光分选,因为MAE-seq载体中含有mCherry报告基因,如果插入的待筛选片段fragment具有增强子效应,那么就会与弱启动子mini-promoter作用(互作)从而使mCherry报告基因发出红色荧光,通过流式细胞仪富集这些具有红色荧光的细胞,并提取gDNA,以100ng gDNA为模板进行扩增(95℃45s;followedby 15cyclesof98℃for 15s,60℃for 30s,72℃for 3min),共扩增20个反应并合并,产物经2%琼脂糖凝胶电泳50min(120v,130mA)回收后送样进行高通量测序,测序的数据为output文库。
2.3统计学过滤模型的建立
因为一个细胞中可能会有多个质粒进入,从而导致在output文库中有一些假阳性。比如一个阳性质粒A和一个阴性质粒B同时进入同一个细胞X,那么这个细胞X会因为阳性质粒A的进入而表达红色荧光,从而这个细胞X会被收集,也导致这个细胞里面的阴性质粒B也会被收集起来进入output文库,所以output文库会有一些假阳性数据。当然,这个阳性质粒A除了进入这个细胞X,还会进入其他细胞,这个阳性质粒A进入的所有细胞都会表达红色荧光,都会被富集起来,那么在output文库中阳性质粒A中增强子序列富集比例要远远大于阴性质粒B中非增强子序列。再者,与input文库相比,由于output文库经过了荧光富集,所以增强子序列在output文库中会富集并且比例要高于input文库。
基于上述原理,本申请中设计了一个算法过滤模型,以input为对照,对output文库进行过滤。首先通过cut-adaptive(v1.16)对fastq格式的input和output原始数据(rawreads)进行裁剪,去除接头序列。然后,使用bwa(version 0.7.5a-r405)将剩余的reads(读数)比对到相应的参考基因组上。保留了待筛选片段fragments不超过两个bwa错配的唯一比对序列。然后将这些reads的基因组起始和结束坐标用于下游处理。设计了一个量化函数对这些数据进行均一化处理,该函数如下:
在波松检验中参数值越小,显著性越低,因此设置了缩放因子作为补偿来拟合检验。缩放系数由下式计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input和output计数的次要值;x,y分别是input和output的总读计数。
MAE-seq增强子筛选系统筛选出来的数据经验证服从泊松分布,概率函数为:
λ=n×p:其中,k表示观测值的个数,N是读的总数,P是观测的概率。然后用Poisson检验计算显著性差异,用Benjaminiand Hochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
综述所述,为MAE-seq增强子筛选系统筛选增强子的全部流程,整个流程的示意图如图2所示。
实施例3MAE-seq增强子筛选系统的验证
利用MAE-seq增强子筛选系统,在小鼠胚胎干细胞中鉴定出了626,879条增强子序列,为了验证MAE-seq增强子筛选系统的准确性,随机挑选了9条阳性序列(如表1)进行双荧光素酶验证(该双荧光素酶验证系统为pGL4.53[luc2/PGK]Vector(promega,E5011),验证步骤可参考该试剂盒说明书)(如果该序列是增强子,则该序列所在的细胞的荧光表达值要显著高于对照组;反之则为非增强子),结果显示其中8条显示出了很强的增强子活性(如图3中,有8条荧光表达值要显著高于对照组,仅有第3条荧光表达值与对照组差异不显著)。然后又选择了MAE-seq增强子筛选系统没有筛选到的20条阴性序列(如表2)进行验证,结果显示其中19条没有显示出增强子活性(如图4中,仅有第5条荧光表达值要显著高于对照组,其余19条的荧光表达值与对照组差异不显著)。以上结果均验证了MAE-seq增强子筛选系统的准确性和稳定性。
表1:
表2:
染色体 | 起始位置 | 终末位置 |
chr10 | 122109641 | 122109665 |
chr10 | 21744354 | 21744378 |
chr1 | 101755127 | 101755151 |
chr11 | 104634897 | 104634921 |
chr12 | 115622243 | 115622267 |
chr13 | 11329090 | 11329114 |
chr14 | 90997574 | 90997598 |
chr15 | 40394402 | 40394426 |
chr16 | 26131527 | 26131551 |
chr1 | 67723813 | 67723837 |
chr16 | 84437252 | 84437276 |
chr17 | 58864852 | 58864876 |
chr18 | 16003828 | 16003852 |
chr18 | 75250265 | 75250289 |
chr1 | 9023409 | 9023433 |
chr19 | 19940515 | 19940539 |
chr2 | 105619788 | 105619812 |
chr2 | 48634640 | 48634664 |
chr3 | 11773411 | 11773435 |
chr4 | 20587915 | 20587939 |
实施例4利用MAE-seq增强子筛选系统在全基因组中筛选增强子
1)将待筛选片段打断,将打断的片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
2)将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
3)将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
4)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,即为筛选获得的阳性增强子序列数据。
该统计学过滤模型以input文库作为对照,对output文库进行过滤,可过滤掉output文库中假阳性数据,步骤如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留不超过两个bwa错配的唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用BenjaminiandHochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
实施例5利用MAE-seq增强子筛选载体验证基因组增强子
将待验证基因片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有同源臂的待验证序列插入线性化的MAE-seq增强子筛选载体上,然后对该质粒载体荧光表达情况进行检测,来判断插入的待验证序列是否为增强子,检测方法如下:
第一种方法:将获得的质粒载体与MAE-seq空载体(没有插入待验证序列)转染细胞,以MAE-seq空载体作为对照组。最后收集实验组和对照组细胞并用酶标仪器测定荧光值,若实验组的荧光值高于对照组则说明实验组中待验证的序列为增强子序列,反之不是。
第二种方法:通过流式细胞仪检测转染了该质粒的细胞是否表达荧光,表达荧光则为增强子,反正不是(可用转染了空载体的细胞作为对照)。
第三种方法:通过显微镜观察转染了该质粒的细胞是否表达荧光,表达荧光则为增强子,反正不是(可用转染了空载体的细胞作为对照)。
将实施例3中的待验证序列用上述方法进行验证,获得与实施例3中一致的结果,说明本MAE-seq增强子筛选载体可用于增强子序列的验证,且与现有双荧光素酶系统验证效率一致。
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于发明的保护范围。
Claims (10)
1.全基因组增强子筛选系统,其中,所述系统包括MAE-seq增强子筛选载体、待筛选片段构成的质粒文库、转染质粒文库并抽提gDNA进行PCR扩增后测序获得的input文库、转染质粒文库经荧光分选后再抽提gDNA并进行PCR扩增后测序获得的output文库以及可过滤掉output文库中假阳性数据的统计学过滤模型;所述MAE-seq增强子筛选载体包括弱启动子、荧光素酶报告基因,所述弱启动子与荧光素酶报告基因连接,所述MAE-seq增强子筛选载体核苷酸序列如SEQ ID No:1所示。
2.根据权利要求1所述的筛选系统,其中,所述待筛选片段构成的质粒文库是将待筛选片段两端增加与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库。
3.根据权利要求2所述的筛选系统,其中,所述含有待筛选片段及同源臂的新序列如SEQ ID No:2所示,在SEQ ID No:2所示的序列中M表示待筛选片段插入的位置,M两端序列为可以与MAE-seq增强子筛选载体上进行同源重组的特异性序列。
4.根据权利要求1所述的筛选系统,其中,所述统计学过滤模型以input文库作为对照,对output文库进行过滤,可过滤掉output文库中假阳性数据,所述统计学过滤模型如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用Benjaminiand Hochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
5.一种全基因组增强子筛选系统的构建方法,其中,所述方法包括如下步骤:
1)构建MAE-seq增强子筛选载体,所述载体的核苷酸序列如SEQ ID No:1所示;
2)构建质粒文库:将待筛选片段两端增加与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
3)构建input文库:将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
4)构建output文库:将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
5)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,过滤后数据即为筛选获得的阳性增强子序列数据。
6.根据权利要求5所述的构建方法,其中,所述方法步骤5)中统计学过滤模型以input文库作为对照,对output文库进行过滤,可过滤掉output文库中假阳性数据,步骤如下:
1)去除input文库与output文库的接头序列,然后将剩余的读数比对到相应的参考基因组上,保留唯一比对序列;
2)对步骤1)中处理后读数用如下函数进行均一化处理:
其中N是读的总数,p为PCR扩增效率,c为PCR循环次数,ω是缩放因子,该ω是缩放系数由如下公式进行计算:ω=10([log10(MIN(x,y))]+1),其中MIN函数是总的input文库和output文库计数的次要值,x,y分别是input文库和output文库的总读计数;
4)对上述获得的数据进行Poisson检验计算显著性差异,用Benjaminiand Hochberg检验选择Q值小于0.05的位点作为有效信号,筛选出来的有效信号位点的序列即为增强子序列。
7.利用权利要求1-4任一项所述的全基因组增强子筛选系统在全基因组中筛选增强子的方法,其中,所述方法包括如下步骤:
1)将待筛选片段打断,将打断的片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的如权利要求1中所述的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
2)将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
3)将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
4)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,即为筛选获得的阳性增强子序列数据。
8.权利要求1-4中任一项所述的全基因组增强子筛选系统在筛选基因组增强子中的应用。
9.根据权利要求8所述应用,其中,所述应用如下:
1)将待筛选片段打断,将打断的片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有待筛选片段及同源臂的新序列插入线性化的MAE-seq增强子筛选载体上,并进行转化,抽提质粒并将质粒合并组成质粒文库;
2)将质粒文库转染细胞,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为input文库;
3)将质粒文库转染细胞,然后将转染后的细胞进行荧光表达分选,将可以表达荧光的细胞进行收集,并抽提细胞中gDNA进行PCR扩增后测序,测序数据为output文库;
4)将获得的input文库与output文库数据进行统计学过滤模型过滤,过滤掉output文库中假阳性数据,即为筛选获得的阳性增强子序列数据。
10.一种增强子筛选载体在验证增强子序列上的应用,其中,所述增强子筛选载体为权利要求1中所述的MAE-seq增强子筛选载体,所述应用如下:将待验证基因片段两端加入能与MAE-seq增强子筛选载体上可同源重组的特异性序列作为同源臂,然后将合成的含有同源臂的待验证序列插入线性化的MAE-seq增强子筛选载体上,然后将该质粒转染细胞,根据该质粒在细胞中荧光表达情况来判断待验证序列是否为增强子序列,表达荧光则为增强子序列,反之则不是。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097328.9A CN116286991B (zh) | 2023-02-10 | 2023-02-10 | 全基因组增强子筛选系统、筛选方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310097328.9A CN116286991B (zh) | 2023-02-10 | 2023-02-10 | 全基因组增强子筛选系统、筛选方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116286991A true CN116286991A (zh) | 2023-06-23 |
CN116286991B CN116286991B (zh) | 2023-10-13 |
Family
ID=86823089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310097328.9A Active CN116286991B (zh) | 2023-02-10 | 2023-02-10 | 全基因组增强子筛选系统、筛选方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116286991B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002037077A2 (en) * | 2000-11-06 | 2002-05-10 | Medexbio Co. | Screening methods based on transcriptional regulation analysis system using transformed cell lines |
US20030134263A1 (en) * | 2001-11-21 | 2003-07-17 | Erives Albert J. | Regulatory nucleic acid assay for diagnostic and library screens |
US20060281082A1 (en) * | 2002-09-05 | 2006-12-14 | Jiahui Zhu | Genome partitioning |
KR20090040809A (ko) * | 2007-10-22 | 2009-04-27 | 한국생명공학연구원 | RhoB 프로모터의 리포터 시스템을 이용한 아폽토시스유도 항암 물질 스크리닝 방법 |
CN107034210A (zh) * | 2017-05-09 | 2017-08-11 | 古博 | 增强子筛选高通量测序文库简易构建的载体制作方法 |
CN110066852A (zh) * | 2019-05-29 | 2019-07-30 | 复旦大学 | 一种在哺乳动物细胞中检测CRISPR/Cas PAM序列的方法和系统 |
CN110257430A (zh) * | 2019-06-19 | 2019-09-20 | 中国农业科学院农业基因组研究所 | 一种活性增强子筛选载体及其构建方法 |
CN110819707A (zh) * | 2019-11-24 | 2020-02-21 | 中南大学湘雅医院 | 一种针对多种来源细胞样本中内部核糖体结合位点元件的高通量鉴定方法 |
CN110885845A (zh) * | 2019-06-19 | 2020-03-17 | 中国农业科学院农业基因组研究所 | 一种基于随机序列利用载体筛选活性增强子的方法 |
CN112359092A (zh) * | 2020-10-22 | 2021-02-12 | 中国农业科学院农业基因组研究所 | 一种基因组短片段文库的构建方法 |
CN112538493A (zh) * | 2021-01-12 | 2021-03-23 | 中国农业科学院农业基因组研究所 | 全基因组沉默子筛选系统及其应用 |
WO2021133871A2 (en) * | 2019-12-24 | 2021-07-01 | Asklepios Biopharmaceutical, Inc. | Method for identifying regulatory elements |
CN113957089A (zh) * | 2020-12-31 | 2022-01-21 | 云舟生物科技(广州)有限公司 | 一种筛选调控序列的载体体系和应用 |
WO2022162361A1 (en) * | 2021-01-27 | 2022-08-04 | The University Court Of The University Of Edinburgh | Functional nucleic acid molecule and method |
-
2023
- 2023-02-10 CN CN202310097328.9A patent/CN116286991B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002037077A2 (en) * | 2000-11-06 | 2002-05-10 | Medexbio Co. | Screening methods based on transcriptional regulation analysis system using transformed cell lines |
US20030134263A1 (en) * | 2001-11-21 | 2003-07-17 | Erives Albert J. | Regulatory nucleic acid assay for diagnostic and library screens |
US20060281082A1 (en) * | 2002-09-05 | 2006-12-14 | Jiahui Zhu | Genome partitioning |
KR20090040809A (ko) * | 2007-10-22 | 2009-04-27 | 한국생명공학연구원 | RhoB 프로모터의 리포터 시스템을 이용한 아폽토시스유도 항암 물질 스크리닝 방법 |
CN107034210A (zh) * | 2017-05-09 | 2017-08-11 | 古博 | 增强子筛选高通量测序文库简易构建的载体制作方法 |
CN110066852A (zh) * | 2019-05-29 | 2019-07-30 | 复旦大学 | 一种在哺乳动物细胞中检测CRISPR/Cas PAM序列的方法和系统 |
CN110257430A (zh) * | 2019-06-19 | 2019-09-20 | 中国农业科学院农业基因组研究所 | 一种活性增强子筛选载体及其构建方法 |
CN110885845A (zh) * | 2019-06-19 | 2020-03-17 | 中国农业科学院农业基因组研究所 | 一种基于随机序列利用载体筛选活性增强子的方法 |
CN110819707A (zh) * | 2019-11-24 | 2020-02-21 | 中南大学湘雅医院 | 一种针对多种来源细胞样本中内部核糖体结合位点元件的高通量鉴定方法 |
WO2021133871A2 (en) * | 2019-12-24 | 2021-07-01 | Asklepios Biopharmaceutical, Inc. | Method for identifying regulatory elements |
CN112359092A (zh) * | 2020-10-22 | 2021-02-12 | 中国农业科学院农业基因组研究所 | 一种基因组短片段文库的构建方法 |
CN113957089A (zh) * | 2020-12-31 | 2022-01-21 | 云舟生物科技(广州)有限公司 | 一种筛选调控序列的载体体系和应用 |
WO2022142963A1 (zh) * | 2020-12-31 | 2022-07-07 | 云舟生物科技(广州)股份有限公司 | 一种筛选调控序列的载体体系和应用 |
CN112538493A (zh) * | 2021-01-12 | 2021-03-23 | 中国农业科学院农业基因组研究所 | 全基因组沉默子筛选系统及其应用 |
WO2022162361A1 (en) * | 2021-01-27 | 2022-08-04 | The University Court Of The University Of Edinburgh | Functional nucleic acid molecule and method |
Non-Patent Citations (1)
Title |
---|
陈晓鹏;杨来志;葛国朝;崔巍;屠佳;田野;: "人乙酰肝素酶基因增强子的初步筛选与鉴定", 东南大学学报(医学版), no. 05, pages 17 - 22 * |
Also Published As
Publication number | Publication date |
---|---|
CN116286991B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11913017B2 (en) | Efficient genetic screening method | |
US11155814B2 (en) | Methods for using DNA repair for cell engineering | |
JP6012633B2 (ja) | 特異的プロモーターの構築のための方法 | |
CN1890373B (zh) | Dna克隆载体质粒及其使用方法 | |
CN110343724B (zh) | 用于筛选和鉴定功能性lncRNA的方法 | |
Qi et al. | Dynamic CTCF binding directly mediates interactions among cis-regulatory elements essential for hematopoiesis | |
CN112384620B (zh) | 用于筛选和鉴定功能性lncRNA的方法 | |
CN112430586B (zh) | 一种VI-B型CRISPR/Cas13基因编辑系统及其应用 | |
Menon et al. | Bioinformatics tools and methods to analyze single-cell RNA sequencing data | |
US20220017895A1 (en) | Gramc: genome-scale reporter assay method for cis-regulatory modules | |
Dori et al. | Sequence and expression levels of circular RNAs in progenitor cell types during mouse corticogenesis | |
US20220010304A1 (en) | Methods for measuring and improving crispr reagent function | |
Clappier et al. | Deciphering integration loci of CHO manufacturing cell lines using long read nanopore sequencing | |
US20230016656A1 (en) | Novel crispr dna targeting enzymes and systems | |
CN111613272B (zh) | 程序化框架gRNA及其应用 | |
CN116286991B (zh) | 全基因组增强子筛选系统、筛选方法及应用 | |
CN107002150B (zh) | 一种dna合成产物的高通量检测方法 | |
Koeppel et al. | Randomizing the human genome by engineering recombination between repeat elements | |
Mitschka et al. | Generation of 3′ UTR knockout cell lines by CRISPR/Cas9-mediated genome editing | |
CN111334531A (zh) | 高信噪比阴性遗传筛选方法 | |
Tegowski et al. | Detection of m6A in single cultured cells using scDART-seq | |
Cirincione et al. | A benchmarked, high-efficiency prime editing platform for multiplexed dropout screening | |
CN104073549A (zh) | 一种高效快速测定bac末端序列的方法 | |
KR102667508B1 (ko) | 프라임 에디팅 시스템을 이용한 게놈 편집의 과정에서 발생 가능한 오프 타겟을 예측하는 방법 | |
Li et al. | Enrichment of prime-edited mammalian cells with surrogate PuroR reporters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |