
Qu'est-ce que le séquençage de microARN ?
Le microARN (miARN) est une classe de petits ARN non codants endogènes chez les eucaryotes, d'une longueur d'environ 17 à 25 paires de bases. Depuis la découverte des miARN en 1993, les avancées et découvertes dans le domaine des petits ARN ont révolutionné la compréhension de la régulation génique au sein de la communauté scientifique. Du développement embryonnaire à l'apoptose cellulaire, en passant par la croissance tumorale, les miARN jouent un rôle crucial dans une gamme de processus physiologiques et pathologiques. Divers miARN associés à la génétique, au métabolisme, aux maladies infectieuses et aux tumeurs offrent aux scientifiques de nouvelles perspectives pour la recherche pathologique et peuvent servir de biomarqueurs fiables pour les maladies. Les scientifiques explorent activement des interventions et des traitements thérapeutiques pour les maladies en manipulant les fonctions des miARN et en développant de nouvelles méthodes de livraison in vivo. De plus, il a été découvert que les miARN médiatisent l'évolution et l'adaptation entre espèces, et il reste encore beaucoup à explorer concernant les miARN.
la séquençage des miARN est un séquençage à haut débit méthode développée pour détecter l'expression des miARN. Drosha et Dicer, qui sont impliqués dans le traitement des miARN, appartiennent à la famille des nucléases RNase III. Par conséquent, les miARN possèdent un groupe 5' -PO4 et un groupe 3' -OH, qui peuvent être directement utilisés pour des réactions de ligation. De plus, les miARN se caractérisent par des longueurs de 18 à 30 nucléotides. Ainsi, en ligaturant directement l'ARN total et en récupérant les fragments insérés d'une longueur variant de 18 à 30 nucléotides, les miARN peuvent être enrichis, des bibliothèques peuvent être construites et l'expression des miARN peut être analysée.
Notre service de séquençage de miARN :
CD Genomics s'applique séquençage à haut débit technologie pour séquencer des bibliothèques de microARN. Cette technologie permet l'acquisition de millions de séquences de microARN en une seule fois, facilitant l'identification rapide des microARN connus et inconnus ainsi que de leurs différences d'expression dans différentes espèces, tissus, stades de développement et états pathologiques. De plus, le séquençage de nouvelle génération La technologie a des applications significatives dans la détection des brins complémentaires de microARN, l'édition de microARN, la détection des isoformes de microARN, la prédiction de nouveaux microARN et l'analyse des gènes cibles des microARN. Elle fournit un outil puissant pour étudier le rôle des microARN dans les processus cellulaires et leurs impacts biologiques.
Les services de séquençage de microARN de CD Genomics incluent la quantification des échantillons d'ARN total ou de microARN fournis par le client, suivie de la construction de bibliothèques de microARN, de la génération de clusters et du séquençage. Le service de séquençage de microARN de CD Genomics propose des services complets et intégrés, allant de l'extraction d'échantillons à l'analyse des données. Le service comprend le contrôle de qualité de l'extraction des échantillons, la préparation des bibliothèques, le séquençage, l'analyse bioinformatique et le reporting des données.
Avantages de notre service de séquençage miARN
- Haute sensibilité : Théoriquement capable de détecter une seule copie de microARN.
- Haute Précision : Capable de détecter des différences d'une seule base dans les microARN.
- Non affecté par l'interférence d'informations antérieures, capable d'identifier des microARN connus et de découvrir de nouveaux.
- Préserve les informations directionnelles pour l'analyse d'expression spécifique aux brins.
- Utilise des codes-barres pour analyser économiquement plusieurs échantillons en une seule fois.
- La plus haute sensibilité et le plus faible biais.
- Utilise des codes-barres moléculaires et des étiquettes numériques pour corriger les doublons faussement positifs introduits par la PCR et le séquençage.
- Équipe d'analyse en bioinformatique solide fournissant des résultats d'analyse complets.
Applications du séquençage des miARN
- Utilisation autonome : Étudier l'expression des miARN lors des processus biologiques.
- Utilisation autonome : Recherche de biomarqueurs miARN dans des fluides biologiques tels que le sérum, le plasma et les exosomes.
- Utilisation combinée avec mRNA-seqConstruction de réseaux régulateurs miARN-mARN lors des processus biologiques.
- Utilisation combinée avec séquençage circRNA: Construction de réseaux de régulation miARN-circARN.
- Intégration multi-omiques : Construction de réseaux régulateurs circRNA-miRNA-mRNA.
Flux de travail de séquençage des miARN

Spécification de service
Exigences d'échantillon
|
|
Cliquez |
Stratégies de séquençage
|
| Analyse de données Nous proposons plusieurs analyses bioinformatiques personnalisées :
|
Pipeline d'analyse

Livrables
- Les données de séquençage originales
- Résultats expérimentaux
- Rapport d'analyse des données
- Détails sur le séquençage des microARN pour votre rédaction (personnalisation)
CD Genomics propose des services de séquençage de microARN spécialisés, couvrant le contrôle de qualité des échantillons, la construction de bibliothèques, le séquençage approfondi et une analyse de données rigoureuse. Notre approche sur mesure garantit des résultats précis en accord avec vos besoins de recherche. Contactez-nous pour plus d'informations sur la manière dont nous pouvons soutenir vos objectifs de recherche.
Résultats représentatifs de l'analyse des petits ARN axée sur les microARN
Ces extraits anonymisés d'un rapport de démonstration de séquençage de microARN montrent des distributions d'expression et une vue de l'expression différentielle. Le microARN est un sous-ensemble de petits ARN ; ces images ne montrent pas le profilage de chaque classe de petits ARN.
Utilisation à des fins de recherche uniquement. Confirmer l'autorisation d'utilisation externe pour les chiffres dérivés des clients avant publication.
FAQ sur le séquençage des microARN
1. Pourquoi choisir de réaliser un séquençage de microARN ?
Le séquençage des microARN permet un profilage complet des niveaux d'expression de tous les microARN dans les cellules ou les tissus, y compris les microARN de faible abondance et rares. Par rapport aux méthodes traditionnelles telles que la RT-qPCR, il offre une sensibilité et une couverture supérieures. Cela est crucial pour étudier les relations entre les microARN et les maladies, les processus biologiques et les réponses aux médicaments.
2. Quel est le processus de construction de bibliothèque pour le séquençage des microARN ?
Le microARN (miARN) diffère de l'ARN messager (ARNm), de l'ARN non codant long (ARNnc) et de l'ARN circulaire (ARNcirc) en raison de ses courtes séquences. Par conséquent, lors de la construction de la bibliothèque, les caractéristiques uniques des séquences de miARN sont directement utilisées en ajoutant des adaptateurs, suivis d'une transcription inverse et d'une amplification. Ensuite, des adaptateurs de séquençage sont ajoutés par amplification PCR, suivie d'une purification par gel des fragments d'ADN spécifiques. Ensuite, la bibliothèque subit un séquençage sur la machine. En raison du processus distinct de construction de la bibliothèque, la détection simultanée de miARN et d'ARNm nécessite la construction de bibliothèques séparées. Cela est dû au fait que la sélection de segments dans le processus de construction de la bibliothèque lié à l'ARNm, à l'ARNnc et à l'ARNcirc filtre les petits fragments d'ARN.
3. Qu'est-ce que la séquence de graine de miARN ?
La séquence de graine d'une molécule de miARN fait référence à un segment crucial généralement composé de 2 à 8 nucléotides. Située à l'extrémité 5' de la molécule de microARN, cette séquence joue un rôle essentiel dans la liaison à la région 3' UTR des gènes cibles. En s'appariant de manière complémentaire avec le gène cible via sa séquence de graine, le miARN module l'expression génique.
4. Quelle est la durée du séquençage des microARN ?
La longueur du séquençage des microARN varie en fonction de la plateforme de séquençage et du design expérimental utilisé. En général, les lectures générées lors du séquençage des microARN se situent généralement entre 18 et 50 nucléotides, en fonction des contraintes techniques de l'instrument de séquençage et des objectifs spécifiques de l'expérience de séquençage.
5. Quelles sont les méthodes de détection des miARN ?
Les méthodes de détection des miARN comprennent le séquençage profond, les microarrays et la qPCR en temps réel. Le séquençage profond est à la pointe de la technologie. séquençage à haut débit technologie qui permet une analyse complète, approfondie et détaillée d'une entité biologique, d'un tissu ou d'un composant cellulaire au niveau du génome, du transcriptome ou du métabolome. Grâce à la technologie de séquençage profond, des miARN inconnus peuvent être explorés et découverts, et des miARN connus peuvent être analysés préliminairement de manière qualitative et semi-quantitative. Micro-array La technologie offre des avantages en termes de débit élevé et de rentabilité, mais a des capacités d'expression différentielle limitées. La qPCR en temps réel est la méthode de quantification des miARN la plus sensible et la plus précise pour déterminer le nombre de copies d'ADN (ou d'ADNc) dans un échantillon.
6. Quels avantages le séquençage des microARN offre-t-il par rapport à la RT-qPCR traditionnelle ?
Le séquençage des microARN présente des avantages significatifs par rapport à la RT-qPCR traditionnelle : il détecte de manière exhaustive tous les microARN connus et potentiels, y compris ceux avec des niveaux d'expression faibles ; il facilite le traitement à haut débit de plusieurs échantillons, améliorant ainsi l'efficacité du travail et la cohérence des données ; de plus, il offre des analyses bioinformatiques détaillées, y compris des analyses d'expression différentielle et d'enrichissement fonctionnel, aidant à une compréhension plus approfondie des rôles et des mécanismes des microARN dans les processus biologiques.
Études de cas sur le séquençage des microARN
biomarqueurs miARN pour prédire les résultats de survie globale dans le carcinome épidermoïde de la tête et du cou
Journal : Génomique
Facteur d'impact : 6,205
Publié : 2020
Contexte
Le carcinome épidermoïde de la tête et du cou (HNSCC) est une tumeur maligne du tractus digestif supérieur. Les altérations de la fonction des miARN peuvent favoriser le développement du cancer par divers mécanismes. Cette étude a utilisé Séquençage de l'ARN (RNA-seq) et des données de séquençage de miARN provenant de la base de données TCGA pour démontrer le microenvironnement de miARN dysrégulé et fournir des biomarqueurs précieux pour la thérapie par miARN. Dans l'ensemble d'entraînement, sept miARN ont été identifiés comme des facteurs pronostiques indépendants pour les patients atteints de HNSCC. Ces miARN ciblaient collectivement 60 gènes, parmi lesquels neuf gènes cibles (CDCA4, CXCL14, FLNC, KLF7, NBEAL2, P4HA1, PFKM, PFN2 et SEPPINE1) étaient associés à la survie globale (OS) des patients. Cette étude a identifié de nouveaux marqueurs de miARN pour prédire le pronostic du carcinome épidermoïde de la tête et du cou.
Matériaux et Méthodes
- 529 patients (42 normaux et 487 tumeurs)
- 552 patients (44 normaux et 508 atteints de tumeur)
- RNA-seq
- séquençage de miARN
- Analyse d'enrichissement des gènes cibles des miARN
- Profils d'expression standardisés de l'ARNm et de l'ARNmi
Résultats
1. Acquisition de données
Les données RNA-seq et miRNA-seq des patients atteints de HNSCC ont été téléchargées à partir de la base de données TCGA. La base de données miRBase contient des séquences et des annotations de miRNA connus, y compris des informations sur l'emplacement et la séquence des miARN matures. Les séquences au format Fasta de toutes les séquences de miARN matures obtenues à partir de miRBase ont été utilisées pour l'annotation des miARN. Les données RNA-seq et miRNA-seq ont été extraites d'échantillons de 529 individus (42 normaux et 487 tumeurs) et 552 individus (44 normaux et 508 tumeurs), respectivement. Les données cliniques et pathologiques collectées simultanément comprenaient le sexe, l'âge, le stade, la classification TNM, le statut de survie et les jours de survie.
2. Établissement de la prognostique basée sur les miARN
Marqueurs Un total de 1 075 ARNm exprimés de manière différentielle (581 régulés à la hausse et 494 régulés à la baisse) et 313 miARN exprimés de manière différentielle (203 régulés à la hausse et 110 régulés à la baisse) ont été obtenus à partir de l'analyse des données omiques du TCGA. Les figures 1A-1B montrent les cartes thermiques et les diagrammes en volcan des 20 ARNm exprimés de manière différentielle les plus régulés à la hausse/à la baisse, tandis que les figures 1C-1D montrent les cartes thermiques et les diagrammes en volcan des 20 miARN exprimés de manière différentielle les plus régulés à la hausse/à la baisse. Pour sélectionner les miARN pronostiques, les miARN exprimés de manière différentielle ont été évalués à l'aide d'une analyse de Cox univariée. Dans l'analyse de Cox univariée, 26 miARN importants avec des changements significatifs ont été identifiés, parmi lesquels sept miARN exprimés de manière différentielle (hsa-miR-499a-5p, hsa-miR-99a-5p, hsa-miR-337-3p, hsa-miR-4746-5p, hsa-miR-432-5p, hsa-miR-142-3p, hsa-miR-137-3p) ont été identifiés comme des facteurs pronostiques indépendants pour les patients atteints de HNSCC. Par conséquent, la formule du modèle dans cette étude est : Score de Risque = (0,238 × hsa-miR-337-3p) + (0,246 × hsa-miR-99a-5p) - (0,232 × hsa-miR-4746-5p) - (0,233 × hsa-miR-432-5p) - (0,261 × hsa-miR-142-3p). De plus, les scores de risque pour chaque patient dans la cohorte d'étude ont été calculés. Ensuite, le score de risque médian a été utilisé comme valeur seuil pour diviser les patients en groupes à haut risque et à faible risque dans l'ensemble d'entraînement, l'ensemble de test et tous les patients.
Fig. 1. Le graphique en volcan et la carte thermique des 20 gènes ou miARN différemment exprimés les plus régulés à la hausse/à la baisse. A-B : ARNm ; C-D : miARN.
3. Résultats de survie et analyse multivariée
Dans cette étude, l'expression de sept miARN dans la survie des patients a été analysée à l'aide de courbes de survie de Kaplan-Meier (KM). Il a été constaté que hsa-miR-499a-5p, hsa-miR-99a-5p, hsa-miR-337-3p, hsa-miR-4746-5p, hsa-miR-432-5p, hsa-miR-142-3p et hsa-miR-137-3p influençaient significativement les résultats de survie globale (OS) (Figures 2A-G). De plus, les courbes de survie KM pour les deux ensembles de données ont été utilisées pour évaluer la valeur prédictive des sept miARN. Dans l'ensemble d'entraînement et l'ensemble de test, les patients du groupe à haut risque avaient des taux de survie inférieurs à ceux du groupe à faible risque. Une analyse de la courbe ROC a été réalisée pour déterminer si les motifs d'expression des miARN associés à la survie pouvaient fournir une prédiction précoce de l'apparition du HNSCC. Les résultats ont montré une AUC de 0,716 pour l'ensemble d'entraînement et une AUC de 0,654 pour l'ensemble de test, indiquant une sensibilité et une spécificité modérées du modèle pronostique. Le graphique de l'état de survie à risque a démontré qu'à mesure que le score de risque du patient augmentait, le taux de mortalité augmentait également (Figure 3). Pour établir un modèle pronostique basé sur les sept miARN, des analyses de Cox univariées et multivariées ont été réalisées pour identifier les facteurs de risque. Les résultats ont révélé qu'en se basant sur les sept caractéristiques de miARN, le sexe et le stade N étaient des facteurs pronostiques indépendants pour la survie globale (Figure 4).
Fig. 2. Analyse de la survie globale de 7 miARN, l'ensemble d'entraînement et l'ensemble de test. A-G : miARN ; H : Ensemble d'entraînement ; I : Ensemble de test.
Fig. 3. Les résultats des courbes ROC et du statut de survie des patients dans l'ensemble d'entraînement et l'ensemble de test. A : ROC dans l'ensemble d'entraînement ; B : ROC dans l'ensemble de test ; C : Statut de survie dans l'ensemble d'entraînement ; D : Statut de survie dans l'ensemble de test.
Fig. 4. Analyse COX univariée et multivariée pour identifier les facteurs de risque. A : Univariée ; B : Multivariée.
4. Analyse des gènes cibles des miARN
La prédiction des gènes cibles pour ces sept miARN a abouti à 60 gènes cibles obtenus à partir de bases de données en ligne. Les connexions potentielles entre les miARN et les gènes cibles ont été explorées à l'aide de Cytoscape. Comme le montre la Figure 5, hsa-miR-137-3p était le plus grand nœud du réseau, tandis que hsa-miR-99a-5p et hsa-miR-4746-5p n'avaient pas de gènes cibles correspondants (les nœuds rouges représentent les gènes régulés à la hausse, les nœuds verts représentent les gènes régulés à la baisse). Pour évaluer les fonctions biologiques de ces gènes cibles, des analyses d'enrichissement GO et des analyses de voies KEGG ont été réalisées. L'analyse GO a révélé un enrichissement des gènes cibles dans des processus biologiques (BP) tels que la régulation négative des processus cellulaires, le développement des tissus et la réponse aux facteurs inhibiteurs. Les fonctions moléculaires (MF) étaient enrichies en constituants structurels de la matrice extracellulaire, en liaison avec des facteurs de croissance, en liaison avec l'actine et en activité de phosphatase protéique tyrosine/sérine/thréonine. Les composants cellulaires (CC) étaient principalement enrichis en granules alpha plaquettaires, en kinétochores de chromosomes condensés, en matrice extracellulaire et dans d'autres termes. L'analyse des voies KEGG a indiqué que ces gènes cibles étaient principalement enrichis dans la voie des pentoses phosphates, le métabolisme du galactose et les voies de la glycolyse/gluconéogenèse (Figure 6).
Fig. 5. Cytoscape a exploré le lien potentiel entre les microARN et les gènes cibles.
Fig. 6. Les résultats de l'analyse GO et de l'analyse KEGG des gènes cibles.
5. Relation entre les miARN
Gènes cibles et résultats de survie En analysant l'impact de l'expression des gènes cibles de miARN sur la survie des patients, il a été constaté que l'expression de neuf gènes : CDCA4, CXCL14, FLNC, KLF7, NBEAL2, P4HA1, PFKM, PFN2 et SEPPINE1, influençait significativement la survie globale (OS) (Figures 7A-7I). La construction d'un réseau d'interaction protéine-protéine (PPI) a révélé deux gènes clés centraux, PDGFRB et RAD51 (Figure 7J).
Fig. 7. Analyse de la survie globale des gènes cibles identifiés et du réseau d'interaction protéine-protéine (PPI). A-I : ARN messager ; J : réseau PPI.
Conclusion
Cette étude, basée sur le jeu de données TCGA, a identifié une caractéristique innovante de miARN et analysé le pronostic du HNSCC. La recherche fournit de nouvelles perspectives pour le développement d'outils fiables pour la prédiction précise des résultats des traitements du cancer. Cependant, les limitations de cette étude incluent le manque de validation dans des échantillons cliniques et une taille d'échantillon relativement petite, ce qui peut limiter la puissance statistique. Les marqueurs moléculaires identifiés devraient être validés dans d'autres études indépendantes et des expériences fonctionnelles.
Référence :
- Wu Z H, Zhong Y, Zhou T, et al.Biomarqueurs de miARN pour prédire les résultats de survie globale dans le carcinome épidermoïde de la tête et du cou. Génomique, 2021, 113(1) : 135-141.
Publications connexes
Voici quelques publications qui ont été publiées avec succès en utilisant nos services ou d'autres services connexes :
L'autophagie médiée par les chaperonnes contrôle les voies protéomiques et transcriptomiques pour maintenir l'activité des cellules souches de gliome.
Journal : Recherche sur le cancer
Année : 2022
Les virus tumoraux à ADN circulaire produisent des ARN circulaires.
Journal : Actes de l'Académie nationale des sciences
Année : 2018
L'immunisation répétée avec un adjuvant liposomal contenant de l'ATRA transdifférencie les cellules Th17 en un phénotype semblable à celui des Tr1.
Journal : Journal d'Autoimmunité
Année : 2024
Le rôle de la variante d'histone H2A.Z.1 dans la mémoire, la transcription et l'épissage alternatif est médié par la modification des lysines.
Journal : Neuropsychopharmacologie
Année : 2024
La perte de FAK réduit la phosphorylation de l'ERK induite par BRAFV600E pour promouvoir la nature des cellules souches intestinales et la formation de tumeurs cécales.
Journal : Elife
Année : 2023
Identification des ARN circulaires régulant la prolifération des cardiomyocytes dans les cœurs de porcelets nouveau-nés
Journal : JCI Insight
Année : 2024
Voir plus articles publiés par nos clients.
