多组学生信分析平台 | 基因组转录组表观组

技术背景与基本原理

二代测序将基因组、转录组与表观组统一为可计数的数据类型：DNA 重测序用于变异、RNA 逆转录后测序用于转录与剪接。单细胞技术将方差分解到细胞层面，多模态方法尝试联合 RNA、蛋白、染色质可及性等。WGBS 通过亚硫酸盐将未甲基 C 读成 T 获得 CpG 水平甲基化；ATAC-seq 以转座酶切开放染色质获得调控元件图；Hi-C 通过交联-连接揭示三维基因组结构。

在基因编辑与药物研发中的价值

多组学联合可连接“编辑-转录-表型”，支撑靶点发现、机制与生物标志物挖掘；生信需与实验设计、批次效应控制同步规划。

核心组学服务

每个组学维度均配备标准化数据处理流程与专业生信分析报告。

基因组学

全基因组 / 外显子测序

WGS（全基因组测序）提供单核苷酸变异（SNV）、小片段插入缺失（Indel）、拷贝数变异（CNV）及结构变异（SV）的全面检测；WES聚焦编码区，成本效益更高。

测序深度：WGS ≥30×；WES ≥100×
分析流程：BWA-MEM比对 → GATK HaplotypeCaller变异检测 → ANNOVAR注释
适用：肿瘤突变谱、遗传病诊断、iPSC质检

转录组学

bulk RNA-seq & 单细胞 scRNA-seq

bulk RNA-seq检测细胞群体平均基因表达，适合条件比较与通路分析；scRNA-seq在单细胞分辨率揭示细胞异质性、稀有细胞类型及发育轨迹。

平台：Illumina NovaSeq（bulk）；10x Genomics Chromium（scRNA-seq）
分析：DESeq2/edgeR差异基因；Seurat/Scanpy单细胞聚类
可整合scATAC-seq实现多模态分析
Hao et al., Cell 2021（Seurat v4）

蛋白质组学

质谱蛋白质组

基于LC-MS/MS的数据依赖采集（DDA）与非标定量（label-free）或TMT标记定量，检测蛋白质表达、翻译后修饰（磷酸化、泛素化等）及蛋白质互作。

鉴定深度：细胞裂解液通常覆盖5,000–8,000个蛋白
分析：MaxQuant/Perseus定量；STRING/Cytoscape互作网络
磷酸化蛋白质组学：TiO₂富集 + LC-MS/MS

代谢组学

靶向 / 非靶向代谢组

LC-MS或GC-MS检测细胞/组织/培养基中的小分子代谢物，结合同位素标记示踪（¹³C-葡萄糖）可追踪代谢通量，揭示代谢重编程机制。

非靶向：全谱代谢物发现，HMDB/KEGG注释
靶向：氨基酸、有机酸、核苷酸、脂质等定量检测
代谢通量分析（¹³C-MFA）支持合成生物学优化

表观基因组学

WGBS / ChIP-seq / ATAC-seq

全基因组亚硫酸氢盐测序（WGBS）检测DNA甲基化；ChIP-seq鉴定组蛋白修饰（H3K27ac、H3K4me3等）和转录因子结合位点；ATAC-seq检测染色质开放区域。

WGBS：单碱基分辨率CpG甲基化，覆盖率 >95%
ATAC-seq：Buenrostro et al., Nature Methods 2013
多维度表观遗传整合分析，可结合RNA-seq

三维基因组

Hi-C 染色质构象分析

Hi-C技术通过交联、酶切与连接捕获基因组三维空间构象，鉴定拓扑关联域（TAD）、区室（A/B compartment）及染色质环（loop），解析调控元件与基因的远程互作。

Lieberman-Aiden et al., Science 2009
分析工具：Juicer、HiCExplorer、cooler
适用于评估基因组编辑对染色质构象的影响

标准分析流程

组学类型	数据产出	核心分析工具	交付内容
WGS/WES	FASTQ → VCF	BWA、GATK、ANNOVAR	变异注释表、质控报告
bulk RNA-seq	FASTQ → count matrix	HISAT2、featureCounts、DESeq2	差异基因表、KEGG/GO富集图
scRNA-seq	FASTQ → cell×gene矩阵	Cell Ranger、Seurat/Scanpy	UMAP聚类图、marker基因表
蛋白质组	raw → 定量矩阵	MaxQuant、Perseus	差异蛋白表、火山图、网络图
WGBS	FASTQ → methylation call	Bismark、DSS	DMR列表、甲基化热图
ATAC-seq	FASTQ → peak	Bowtie2、MACS2、DiffBind	开放区域注释、motif分析

参考文献

内容依据公开论文，不构成对具体服务结果的承诺。

Hao Y, et al. Integrated analysis of multimodal single-cell data. Cell. 2021;187(13):3573–3587。意义与启发：提供多模态单细胞数据整合的算法框架，体现实验从单一 RNA 向联合测读发展。

Buenrostro JD, et al. Transposition of native chromatin for fast and sensitive epigenomic profiling of open chromatin, DNA-binding proteins and nucleosome position. Nat Methods. 2013;10:1213–1218。意义与启发：以 Tn5 切开放区为主的 ATAC-seq 开创性工作，是调控组学与可及性研究的主力方法。

Lieberman-Aiden E, et al. Comprehensive mapping of long-range interactions reveals folding principles of the human genome. Science. 2009;326(5950):289–293。意义与启发：提出 Hi-C 全基因组长程相互作用图谱，TAD/区室等概念为编辑位点与远端调控提供空间语境。

多组学生信平台