RNA-seq

RNA-seq即转录组测序技术，就是把mRNA，smallRNA，and NONcoding RNA等或者其中一些用高通量测序技术把它们的序列测出来。反映出它们的表达水平。

RNA-seq高通量测序技术，也就是下一代测序技术已经成为现代生物学研究的一个较为常规的实验手段了。这一技术的发展*地推动了基因组学，表观基因组学以及翻译组学的研究。RNA-seq通过测定稳定状态下的RNA样品的序列来对RNA样品进行研究，从而避免了许多之前研究手段的不足，比如象基因芯片或者PCR就需要背景知识。而且RNA-seq还可以触及以前无法研究的领域，比如复杂结构的转录体。RNA-seq可以应用于以下几个方面的研究，1. SNPs；2. novel transcripts；3. alternative splicing；4. RNA editing。无论如何，使用RNA-seqzui多的还是比较两组样品基因水平表达差异，比如野生型与突变型，用药组与对照组，不同组织之间，癌细胞与正常细胞，等等。我们把这种基因水平差异表达，简称为DE (differential expression，注，不是ED啊???)。

常用的RNA-seq操作平台有Illumina GA/ HiSeq, SOLiD 还有Roche 454。它们都是提取RNA后，纯化，打碎，逆转录成cDNA，然后测序。测序的结果被称为short reads，短序。通常一个短序的长度为25-300bp之间。如果测序只测一端可能会带来比对时的困难，于是这些操作平台提供了两端都测的办法，这样的结果成对出现，中间有一定的间隔，但是因为测序长度一下子提高了一倍，所以比对会精准很多。人们把这种测序结果称为’paired-end’ reads，成对短序。一般来讲，测序结果会直接转换成一行一行的由字母组成的短序列，可能是fasta,fastq等等不同格式。

一般的来讲，RNA-seq后DE的工作流程是这样的（图1），首先，将短序映射到基因组相应的位置上去，其次，对映射的结果进行基因水平，外显子水平，以及转录水平的拼接，而后对结果进行数据统计，标准化之后生成表达水平报告文件，zui后由生物学者依据系统生物学相关知识，来对数据结果进行分析。

RNA-seq分析工作流程

RNA-seq服务内容：大数据分析，整体课题的分解，真实的实验数据，完整的实验报告及分析。