 |
新陳代謝是機體生命活動的基礎，影響細胞的各個方面。生長、增殖、分化或凋亡等不同的細胞過程，存在著顯著不同的代謝網(wǎng)絡。
|
|||||||||||||||||
| [發(fā)表評論] [本類其他服務] [本類其他服務商] | ||||||||||||||||||
| 服務商： 上�？党缮锕こ逃邢薰� | 查看該公司所有服務 >> |
新陳代謝是機體生命活動的基礎，影響細胞的各個方面。生長、增殖、分化或凋亡等不同的細胞過程，存在著顯著不同的代謝網(wǎng)絡[1,4] 。細胞內的新陳代謝除了受信號通路等多種機制調控外，也可作為信號分子，或獨立調控生物學過程[8] 。最近研究表明，新陳代謝參與調控表觀遺傳[6,7] 、自噬[3,5] 、凋亡、壞死[9]等多種細胞生命活動。代謝異常是引起肥胖、糖尿病及腫瘤等多種疾病的重要因素（圖1）。腫瘤被認為是一種代謝疾病，代謝改變是癌癥發(fā)生的顯著標志之一。癌細胞進行代謝重編程，以滿足腫瘤轉化、起始、發(fā)展、侵襲與遷移等不同階段以及不同營養(yǎng)環(huán)境下的代謝需求[1,8] （圖2）。系統(tǒng)地分析疾病的代謝改變，對尋找有效的代謝標記物與疾病治療靶點非常必需。
Arraystar公司新推出的NuRNA™ Human Central Metabolism PCR Array，可同時檢測373個編碼重要代謝酶與代謝物轉運蛋白的轉錄本，是進行代謝研究必不可少的工具。該芯片檢測的代謝通路與代謝物轉運系統(tǒng)包括：葡萄糖轉運蛋白，糖酵解、TCA循環(huán)、脂類合成、乳酸合成及轉運、糖異生途徑、糖原代謝、氨基己糖代謝、磷酸戊糖旁路、一碳單位代謝、谷氨酰胺轉運及代謝、氧化還原平衡與GSH合成、脂肪酸氧化、乙酸代謝、核苷酸代謝等。研究不同生物學過程的代謝特征，尋找生理病理狀態(tài)下的代謝改變，將有助于深入理解細胞生命活動，并為代謝疾病的治療提供新的思路。
圖1. 新陳代謝與生理病理過程。
圖2. 腫瘤代謝示意圖
產品信息：
|
芯片
|
規(guī)格
|
描述
|
|
NuRNA™ Human Central Metabolism PCR Array Service New！
|
384-well/plate
|
檢測373個編碼重要代謝酶與代謝物轉運蛋白的轉錄本
|
芯片特點：
• 覆蓋度高—覆蓋了關鍵代謝途徑與重要代謝物轉運系統(tǒng)中的酶和蛋白因子
• 注釋全面—整合了基因/轉錄本水平信息與蛋白水平信息，為每個代謝基因提供詳細注釋
• 轉錄本水平檢測—檢測編碼Uniprot經(jīng)典蛋白的轉錄本
• 嚴謹性強—所有引物都通過了多樣本嚴格測試
• 快速簡易—即用型384孔板規(guī)格，只需將cDNA與qPCR Master Mix混合試劑加入PCR板中，4小時內得到實驗結果。cDNA無需預先擴增。
數(shù)據(jù)庫：
|
葡萄糖轉運(13):
SLC2A1, SLC2A2, SLC2A3, SLC2A4, SLC2A5, SLC2A6, SLC2A7, SLC2A8, SLC2A9, SLC2A10, SLC2A11, SLC2A12, SLC2A14
糖酵解(36):
ADPGK, ALDOA, ALDOB, ALDOC, BPGM, ENO1, ENO2, ENO3, GAPDH, GAPDHS, GCK, GPI, HK1, HK2, HK3, HKDC1, PFKFB1, PFKFB2, PFKFB3-isoform 1, PFKFB3-isoform 2, PFKFB3-isoform 3, PFKFB3-isoform 4, PFKFB4, PFKL, PFKM, PFKP, PGAM1, PGAM2, PGAM4, PGK1, PGK2, PKL, PKM1, PKM2, PKR, TPI1
乳酸合成及轉運(18):
LDHA, LDHB, LDHC, LDHAL6A, LDHAL6B, UEVLD, SLC16A1, SLC16A2, SLC16A3, SLC16A4, SLC16A5, SLC16A6, SLC16A7, SLC16A8, SLC16A9, SLC16A10, SLC16A11, SLC16A12
糖異生(13):
BCAT1, BCAT2, FBP1, FBP2, G6PC, G6PC2, G6PC3, GPT, GPT2, LDHD, PC, PCK1, PCK2
糖原代謝(6):
GBE1, GYS1, GYS2, PGM1, PGM2, UGP2
氨基己糖代謝(6):
GFPT1, GFPT2, GNPNAT1, PGM3, UAP1, UAP1L1
PPP途徑(15):
G6PD, H6PD, PGD, PGLS, PRPS1, PRPS1L1, PRPS2, RBKS, RPE, RPEL1, RPIA, TALDO1, TKT, TKTL1, TKTL2
脂類合成(31):
ACACA, ACACB, ACAT1, ACAT2, ACLY, ACSBG1, ACSBG2, ACSL1, ACSL3, ACSL4, ACSL5, ACSL6, ACSM1, ACSM2A, ACSM2B, ACSM3, ACSM4, ACSM5, FADS1, FADS2, FASN, GPD1, GPD1L, HMGCR, HMGCS1, HMGCS2, MLYCD, SCD, SCD5, SLC25A1, SLC27A2
一碳單位代謝(28):
AHCY, AHCYL1, AHCYL2, AMT, BHMT, DHFR, DHFRL1, DLD, DNMT1, DNMT3A, DNMT3B, DNMT3L, GCSH, GLDC, MAT1A, MAT2A, MAT2B, MTHFD1, MTHFD1L, MTHFD2, MTHFD2L, MTHFR, MTR, PHGDH, PSAT1, PSPH, SHMT1, SHMT2
TCA循環(huán)(42):
ACO1, ACO2, D2HGDH, DHTKD1, DLAT, DLD, DLST, FH, IDH1, IDH2, IDH3A, IDH3B, IDH3G, L2HGDH, MDH1, MDH1B, MDH2, OGDH, OGDHL, PDHA1, PDHA2, PDHB, PDHX, PDK1, PDK2, PDK3, PDK4, PDP1, PDP2, PDPR, SDHA, SDHAF1, SDHAF2, SDHAF3, SDHAF4, SDHB, SDHC, SDHD, SUCLA2, SUCLG1, SUCLG2, UEVLD
谷氨酰胺轉運及降解(18):
GLS2, GLS-isoform 1, GLS-isoform 2, GLS-isoform 3, GLUD1, GLUD2, GOT1, GOT2, SLC1A1, SLC1A2, SLC1A3, SLC1A4, SLC1A5, SLC1A6, SLC38A1, SLC38A3, SLC38A5, SLC38A7
氧化還原平衡(16):
CBS, CTH, G6PD, GCLC, GCLM, GSR, GSS, IDH1, IDH2, ME1, ME2, ME3, MTHFD1, NNT, PGD, SLC7A11
GSH合成(7):
CBS, CTH, GCLC, GCLM, GSR, GSS, SLC7A11
脂肪酸氧化(51):
AADAC, ABHD12, ABHD6, ACAA1, ACAA2, ACAD10, ACAD11, ACAD8, ACAD9, ACADL, ACADM, ACADS, ACADSB, ACADVL, ALDH1B1, ALDH2, ALDH3A2, ALDH7A1, ALDH9A1, CEL, CPT1A, CPT1B, CPT1C, CPT2, ECH1, ECHS1, ECI1, ECI2, EHHADH, ETFA, ETFB, HADH, HADHA, HADHB, HSD17B10, HSD17B4, LIPC, LIPE, LIPF, LIPG, MGLL, PAFAH1B1, PAFAH1B2, PAFAH1B3, PNLIP, PNLIPRP1, PNLIPRP2, PNLIPRP3, PNPLA2, PNPLA3, SCP2
乙酸代謝(4):
ACOT12, ACSS1, ACSS2, ACSS3
核苷酸代謝(83):
ADA, ADCY1, ADCY10, ADCY2, ADCY3, ADCY4, ADCY5, ADCY6, ADCY7, ADCY9, ADSL, ADSS, ADSSL1, AK1, AK2, AK3, AK4, AK5, AK6, AK7, AK8, AK9, AMPD1, AMPD2, AMPD3, APRT, ATIC, CAD, CANT1, CDA, CECR1, CMPK1, CMPK2, CTPS1, DCK, DCTD, DHODH, DTYMK, DUT, GART, GDA, GMPS, GUCA1A, GUCA1B, GUCA1C, GUCA2A, GUCA2B, GUCD1, GUCY1A2, GUCY1A3, GUCY1B3, GUCY2C, GUCY2D, GUCY2F, GUK1, HPRT1, IMPDH1, IMPDH2, NME1, NME2, NME3, NME4, NME6, NME7, NT5C2, PAICS, PDE10A, PDE4D, PFAS, PNP, PPAT, RRM1, RRM2, RRM2B, TK1, TK2, TYMP, TYMS, UCKL1, UMPS, UPP1, UPP2, XDH
|
PCR芯片實驗流程
1.RNA抽提與質量檢測
進行RNA常規(guī)抽提，使用NanoDrop ND-1000檢測RNA濃度和純度，使用瓊脂糖凝膠電泳檢測RNA純度和完整性。詳細的樣品QC結果見Arraystar服務報告。
2.cDNA合成
每樣本取1.5 μg RNA，使用rtStar™ First-Strand Synthesis Kit (Cat# AS-FS-001, Arraystar) 試劑盒合成cDNA第一鏈。詳細步驟參照Arraystar產品操作手冊。
3.Real-time PCR擴增
將cDNA與 Arraystar SYBR Green qPCR Master Mix (Cat# AS-MR-005-5, Arraystar)混合，加入至384孔板中，在ABI 7900 PCR儀上進行Real-time PCR擴增。
4.熔解曲線分析與原始數(shù)據(jù)導出
PCR擴增完成后，進行熔解曲線分析，使用PCR儀自帶軟件導出原始數(shù)據(jù)。出具Raw Data文件夾，包含原始Ct值、PCR擴增曲線圖和熔解曲線圖。
PCR芯片數(shù)據(jù)分析流程
1.PCR芯片數(shù)據(jù)質控
質控參數(shù)：Ct(Blank)>35; Ct(GDC)>35; Ct(RNA Spike-in)<25; Ct (PPC) <25. 符合上述條件的樣本進入下一步分析。
2.數(shù)據(jù)校正與△Ct值計算
板間校正：使用Ct(PPC)對不同PCR板進行板間校正。
內參校正與△Ct值計算：挑選最優(yōu)內參，使用內參均值計算△Ct值。
3.差異倍數(shù)計算 (2^(-△△Ct))
使用 △△Ct 方法計算不同樣品組之間的表達差異倍數(shù)。
4.P值計算
對樣本組進行t檢驗，計算P值。
5.其他常規(guī)數(shù)據(jù)分析
散點圖分析；火山圖分析；TOP20表達上調和下調transcript柱形圖分析
6.提供服務報告與數(shù)據(jù)分析結果
a.Arraystar服務報告（包括RNA樣本QC和詳細實驗數(shù)據(jù)分析步驟）
b.Excel芯片結果匯總表（包括transcript列表，數(shù)據(jù)分析結果和各類圖表）
c.Raw Data文件夾 (包含原始數(shù)據(jù)、擴增曲線圖和熔解曲線圖)
NuRNA™ Human Central Metabolism PCR芯片服務部分結果展示
1.差異表達轉錄本列表（默認篩選參數(shù)：差異倍數(shù)>2；P<0.05，客戶可指定篩選參數(shù)值）
2.散點圖 (黑色斜線代表差異倍數(shù)為1，紅色斜線代表差異倍數(shù)為2)
3.火山圖（黑色垂線代表差異倍數(shù)為1；粉色垂線代表上調或下調倍數(shù)為2；藍色水平線代表P值為0.05）
4.TOP20表達上調transcript柱狀圖
5.TOP20表達下調transcript柱狀圖
參考文獻
1. Agathocleous, M., and Harris, W.A. (2013). Metabolism in physiological cell proliferation and differentiation. Trends in cell biology 23, 484-492, PMID:23756093.
2. Enns, G. Metabolic disease (Encyclopædia Britannica, inc.).
3. Galluzzi, L., et al. (2014). Metabolic control of autophagy. Cell 159, 1263-1276, PMID:25480292.
4. Green, D.R., et al. (2014). Cell biology. Metabolic control of cell death. Science 345, 1250256, PMID:25237106.
5. Kaur, J., and Debnath, J. (2015). Autophagy at the crossroads of catabolism and anabolism. Nature reviews Molecular cell biology 16, 461-472, PMID:26177004.
6. Kinnaird, A., et al. (2016). Metabolic control of epigenetics in cancer. Nature reviews Cancer 16, 694-707, PMID:27634449.
7. Lu, C., and Thompson, C.B. (2012). Metabolic regulation of epigenetics. Cell metabolism 16, 9-17, PMID:22768835.
8. Metallo, C.M., and Vander Heiden, M.G. (2013). Understanding metabolic regulation and its influence on cell physiology. Molecular cell 49, 388-398, PMID:23395269.
9. Vanden Berghe, T., et al. (2014). Regulated necrosis: the expanding network of non-apoptotic cell death pathways. Nature reviews Molecular cell biology 15, 135-147, PMID:24452471.
