| Description | T4Gene32Proteinisasingle-strandedDNA(ssDNA)bindingproteinrequiredforbacteriophageT4replication,recombinationandrepair. |
| Applications |
|
| Source | PurifiedfromastrainofE.colithatoverexpressesthegene32proteinofT4phage |
| Components | T4Gene32Protein:10mg/mlin10mMTris-HCl,300mMNaCl,1mMDTT,0.1mMEDTA,50%Glycerol,pH7.5@25°C |
| QualityControl | Theabsenceofendo-andexonucleaseandphosphataseactivitiesisconfirmedbyappropriatequalitytest. |
| StorageCondition | -20°C |
ebiomall.com
>
>
>
>
>
>
>
>
>
>
>
>
最近导师要求做一个关于PARP家族蛋白在肝癌和癌旁组织中转录以及表达情况的初步研究,以确定目前的课题是否有很大价值。我之前一直在做湿实验,没有生信背景,所以对这个工作比较头疼。我不会编程(只有很浅薄的R基础),而且没有统计学基础,所以直接上网查找有没有可以在网上直接进行分析的网站。我一开始是上cbioportal上对肝癌的mRNA转录谱进行分析(我只会看网站上红得蓝的表达上调下调的标记,不会看zscore什么的。。。),但网站里面提供的对照是一个所谓的标准正常人。我没查到这个所谓的标准正常人是什么,而且导师说肝癌可能存在个体差异,所以要求用肝癌及其对应的癌旁组织的转录谱和表达谱进行分析。我上GEO搜索癌旁组织(paracanceroustissue),根本什么想要的结果都没有。我现在完全是一头雾水,无从下手,希望有做相关领域工作的前辈们或是做与之类似的工作的前辈们提供指导,非常感谢!
单等位基因表达(monoallelicgeneexpression)是指在二倍体生物的细胞中一个基因的全部转录本均来自一个等位基因的现象。群体水平的细胞表达谱分析(bulkanalysis)表明,印记效应与等位基因间的相互抑制作用是产生单等位基因表达的两种可能的机制。由于群体水平的分析可能低估了单细胞内单等位基因表达的普遍程度,单细胞水平的研究可以更加全面地揭示细胞内的单等位基因表达现象。
中国科学院遗传与发育生物学研究所多个课题组以水稻叶肉细胞为对象,合作研究并揭示了植物中存在广泛的单等位基因表达。焦雨铃研究组将单细胞转录组的测定技术(single-cellRNA-seq)应用于植物细胞,并成功获得了两个水稻亚种(93-11和Nipponbare)及其正反交后代(F1)的叶肉细胞的单细胞表达谱。钱文峰和王秀杰研究组利用93-11和Nipponbare亚种之间的单核苷酸多态性估计出F1细胞中两个等位基因的表达量。通过比较等位基因的表达量,定义出细胞中单等位基因表达的基因。结果表明,单个细胞中约三分之二的基因是单等位基因表达的。进一步研究发现,等位基因表达的独立性和随机性能够很好地解释细胞中单等位基因表达的现象。该研究在单细胞水平上揭示了单等位基因表达现象的普遍性和可能的机制,为进一步研究细胞内基因表达调控规律奠定了基础。
上述研究成果于2017年9月23日在线发表于ScienceBulletin(DOI:10.1016/j.scib.2017.09.011)。焦雨铃研究组已毕业的博士生韩莹莹和钱文峰研究组的博士生楚霄为该文章的共同第一作者。焦雨铃和钱文峰为该文章的共同通讯作者。王秀杰研究员参与了课题合作。该研究得到了科技部973项目、中组部“万人计划”和植物基因组学国家重点实验室的资助。
图:水稻叶肉细胞呈现出广泛的单等位基因表达
如题,我现在做出了一个蛋白相对于正常组织,在肿瘤里表达升高。想做某转录因子调控它的表达。查了转录因子预测的网站,每个预测的都很不一样,而且参与其调控的转录因子有几十个。我该怎么办呢?用什么实验技术或者方法能找到一个能做的呢?
转录是遗传信息由DNA转换到RNA的过程。作为蛋白质生物合成的第一步,转录是mRNA以及非编码RNA(tRNA、rRNA等)的合成步骤。是遗传信息从DNA流向RNA的过程。即以双链DNA中的确定的一条链(模板链用于转录,编码链不用于转录)为模板,以ATP、CTP、GTP、UTP四种核苷三磷酸为原料,在RNA聚合酶催化下合成RNA的过程。
近期发表在《科学》(Science)以及其他杂志上的一些新研究证实,转录实际上是决定蛋白质丰度中最具影响力的步骤。
例如,近期来自哈佛-麻省理工Broad研究所的Marko Jovanovic等在Science杂志上发表文章,称检测了处于稳定状态和响应细菌脂多糖(LPS)时的小鼠骨髓树突细胞。他们发现在稳定状态时,mRNA水平、翻译速度和蛋白质降解速度可分别解释68%、26%和8%的蛋白质表达差异。当用LPS刺激细胞时,mRNA水平似乎可以解释90%的蛋白质表达差异,而翻译和蛋白质降解只能解释4%和6%的差异。Jovanovic等发现,在LPS处理的情况下,核糖体、线粒体以及其他一些高表达管家蛋白的翻译和蛋白质降解速度发生了更多改变,表明这两个步骤在控制一些过程中发挥了重要的作用。
来自加州大学洛杉矶分校统计学和人类遗传学助理教授Jingyi Jessica Li,和劳伦斯伯克利国家实验室的Mark Biggin,则在PeerJ杂志的一篇论文中用两种方法重新分析了2011年一项Nature研究的数据,说明了一些检测错误。他们证实采用第一种方法结果表明mRNA水平差异可以解释最小56%的蛋白质水平差异,而第二种方法表明mRNA水平可以解释84%的蛋白质表达差异,其中转录占73%,RNA降解占11%,而翻译和蛋白质降解各自仅占8%。
在3月6日,发表在Science杂志上的一篇题为“Statistics requantitates the central dogma”的文章中,Li和Biggin综述了上述这些近期的研究,得出了转录是蛋白质丰度最大贡献者这一结论。他们认为,他们自身以及近期其他一些研究工作都采用了更细致的统计学方法,来评估或是减少了实验性检测错误。Li和Biggin认为,早期的一些研究得到的有关翻译影响的结果实际上是由于实验错误所导致。
研究人员提出,科学家们精确地模拟基因表达需要采用更准确的测量和分析方法。他们的研究对于鉴别出可以有效治疗各种疾病的药物具有重要的影响。
原文链接:Statistics requantitates the central dogma
Dynamic profiling of the protein life cycle in response to pathogens
但严格来说,还是有区别的。因为基因的表达产物包括蛋白质和RNA(rRNA和tRNA)。如果产物是蛋白质,就是转录翻译;如果产物是RNA,就只是转录过程,没有翻译过程。

![]()
暂无品牌分类
