고품질 시퀀싱 데이터는 데이터를 신뢰할 수 있고 복제할 수 있도록 보장하는 중요한 부분이며,고품질 시퀀싱 데이터를 얻는 것은 고품질 출발 물질을 사용하는 것을 의미합니다. 이는 연구자가 연구자의 품질을 나타내는 표준화된 숫자를 제공하고,개별 편향과 해석을 프로세스에서 제거하는 것을 의미합니다.
린은 28 초와 18 초의 비율인 린의 무결성이 이전에 계산된 방식에 비해 크게 개선된 것이다. 28 초는 약 5 킬로바이트이고 18 초는 약 2 킬로바이트이기 때문에 이상적인 28 초:18 비율은 2.7:1 이지만 벤치 마크는 약 2:1 로 간주됩니다. 그러나,이 측정은 실제로 훨씬 덜 안정적이 고 높은 회전율을 경험 하는 미르나 품질(매우 안정적인 분자)의 품질을 선형으로 반사 하는 가정에 의존 합니다.그림 1:린의 값이 다른 린의 샘플의 트레이스. 높은 품질의 샘플과 낮은 품질의 샘플의 차이점에 유의하십시오.
다행히 애질런트 테크놀로지는 더 나은 방법을 개발했습니다. 애질런트는 린 값을 계산하는 정교한 알고리즘을 개발했는데,이는 28:18 비율에 비해 상당히 개선된 수치입니다. 린은 유전자 발현의 질을 결정하는데 있어서 린의 완전성의 중요성이 첸에 의해 조사되었기 때문에,린의 측정뿐만 아니라 린의 샘플 전체를 고려한다는 점에서 개선되었다. 2014 년에 4 개의 다른 린 번호 샘플(4.5–9.4)과 3 개의 다른 라이브러리 준비 방법(폴리-선택된,리나-고갈 및 총 리나)을 비교함으로써 총 12 개의 샘플. 그런 다음 최고 품질의 유전자 발현과 라이브러리 준비 방법 간의 더 저하 된 샘플 간의 유전자 발현의 상관 계수를 계산했습니다.그림 2:만 폴리-선택된 라이브러리 준비는 린 값의 감소와 데이터 품질의 감소를 경험한다.
매혹적으로,높은 품질과 낮은 품질 간의 상관 관계에 유의 한 감소를 보여 주었다 유일한 라이브러리 준비 방법은 폴리 선택된 라이브러리 준비 방법이었다. 다른 두 라이브러리 준비 방법은 낮은 린에서도 여전히 0.95 보다 큰 상관 계수를 가졌습니다(그림 2 참조)!
첸 외. 이 뒤에 이유는 폴리-선택되는 저하 된 샘플이 점점 더 3’바이어스 라이브러리 준비가 발생합니다 것을 이론화,따라서 당신은 당신의 데이터에서 가치있는 읽기를 잃게됩니다. 다른 방법은 치료 또는 제거(선택과 반대)를 포함하지 않기 때문에 전체 샘플에서 상당히 적은 편향이있을 것입니다.
비록 폴리-선택된 라이브러리 준비 방법만이 낮은 린을 갖는 것으로 고통받는 것처럼 보이지만,공급자는 여전히 모든 라이브러리 준비 방법에 대해 상대적으로 높은 품질의 리나 샘플을 사용하는 것을 선호한다. 그러나,당신은 낮은 품질의 린의 중요한 샘플이있는 경우,그것은 여전히 직접 공급자와 옵션을 논의 가치가있을 수 있습니다-그리고 제노 허브에서 우리는 당신의 토론을 촉진하는 데 도움이 행복보다 더 있습니다! 당신은 가난한 린 샘플의 시퀀싱에 대한 추가 질문이있는 경우 여기에 문의하시기 바랍니다.