RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
Spanish
Menu
Menu
Menu
Menu
Research Article
Jenny L. Carey1, Olivia H. Cox1, Fayaz Seifuddin1, Leonard Marque1, Kellie L.K. Tamashiro1, Peter P. Zandi1,3, Gary S. Wand1,2, Richard S. Lee1
1Departments of Psychiatry and Behavioral Sciences,Johns Hopkins School of Medicine, 2Department of Medicine,Johns Hopkins School of Medicine, 3Department of Mental Health,Johns Hopkins School of Public Health
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Aquí, describimos el protocolo y la implementación de metil-Seq, una plataforma de epigenómica, utilizando un modelo de rata para identificar cambios epigenéticos asociados a la exposición de estrés crónico. Los resultados demuestran que la plataforma de metil-Seq de la rata es capaz de detectar diferencias de metilación que surgen de la exposición del estrés en ratas.
Medida genomas de una amplia variedad de animales, hay una creciente necesidad de herramientas que pueden capturar dinámicos cambios epigenéticos en estos modelos animales. La rata es un animal modelo en particular donde una herramienta epigenética puede complementar muchos estudios farmacológicos y de comportamiento para proveer valiosa información mecanicista. Para ello, adaptamos el SureSelect sistema de captura de objetivo (denominado metil-Seq) de la rata, que puede evaluar los niveles de metilación de ADN en el genoma de la rata. El diseño de la rata había dirigida promotores, las islas de CpG, costas de la isla y regiones ricas en GC de todos los genes RefSeq.
Para implementar la plataforma en un experimento de rata, ratas Sprague Dawley machos fueron expuestas a estrés crónico variable durante 3 semanas, después de lo cual se recolectaron muestras de sangre para la extracción de ADN genómica. Metil-Seq bibliotecas fueron construidas de las muestras de ADN de rata por corte, ligadura de adaptador, enriquecimiento objetivo, conversión de bisulfito y multiplexación. Las bibliotecas fueron ordenadas en una plataforma de secuenciación de próxima generación y las lecturas secuenciadas fueron analizadas para identificar DMRs entre ADN de ratas tensionadas y unstressed. DMRs candidato superior fueron validados independientemente por pirosecuenciación de bisulfito para confirmar la robustez de la plataforma.
Los resultados demuestran que la plataforma de metil-Seq de rata es una útil herramienta epigenética que puede captar cambios de metilación inducidos por la exposición al estrés.
Avances en la secuenciación de alto rendimiento han llevado a una gran cantidad de secuencias genómicas para el modelo y organismos no-modelo. La disponibilidad de tales secuencias ha facilitado la investigación en genética, genómica comparativa y transcriptómica. Por ejemplo, secuencias genómicas disponibles son altamente útiles para alinear los datos de la secuencia de experimentos de ChIP-Seq que enriquecen de ADN basado en su asociación con histona modificaciones1o secuenciación de bisulfito, que mide la metilación del ADN por detección de uracilo forma de conversión de bisulfito de unmethylated cytosines2. Sin embargo, ha habido retrasos en la implementación de plataformas epigenómicas que incorporan datos de secuenciación disponibles en su diseño debido a la falta de datos comentadas de secuencias reguladoras específicas de especies que pueden influir en funciones de los genes.
En particular, la metilación del ADN es uno de las más ampliamente estudiadas modificaciones epigenéticas en el ADN que pueden aprovechar los datos genómicos disponibles para la construcción de una plataforma de methylomic. Un ejemplo es una plataforma basada en arreglos de discos para el metiloma humano3, que ha sido ampliamente utilizado en diversas disciplinas de la oncología a psiquiatría4,5. Por desgracia, plataformas similares para los modelos animales no humanos son escasas, ya que hay prácticamente no hay plataformas ampliamente utilizado que han aprovechado la secuencia genomic en su diseño inicial.
Un método común para evaluar el paisaje de methylomic de modelos animales no humanos es reducida representación bisulfito de secuenciación (RRBS)6. Este enfoque supera el coste de la secuenciación de genoma completo bisulfito que, ofreciendo un paisaje de methylomic integral, ofrece cobertura a profundidad de lectura inferior debido al costo y limitada información funcional en grandes áreas pobres en genes del genoma2 . RRBS implica restricción recopilación y selección del tamaño de ADN genómico para enriquecer para altamente rico en GC secuencias como las islas de CpG que son comúnmente encontradas cerca de promotores de genes y se cree que desempeñan un papel en la regulación de genes7. Mientras que el método RRBS se ha utilizado en un número de importantes estudios, su dependencia de las enzimas de restricción no es sin limitaciones y desafíos notables. Por ejemplo, enriquecimiento de secuencias ricas en GC en RRBS es enteramente dependiente de la presencia de secuencias específicas reconocidas por la enzima de restricción y posterior preselección por electroforesis. Esto significa que se excluyen las áreas genómicas que contienen estos sitios de restricción durante la selección de tamaño. Además, las comparaciones entre especies están desafiando a menos que los mismos sitios de restricción están presentes en el mismo loci entre las diferentes especies.
Un enfoque para superar las limitaciones de RRBS es utilizar un método de enriquecimiento que se aprovecha de la secuencia genómica Publicada en el diseño de la plataforma. La plataforma humana basada en la matriz utiliza sondas de cartilla diseñadas contra GPC específica de alelo específico (CG vs TG después de la conversión de bisulfito) blanco recocido y cartilla extensión. Su diseño refleja no sólo la secuencia genómica humana disponible, sino regiones reguladoras verificadas experimentalmente de varias líneas de investigación, tales como codificar y ENSEMBL8. A pesar de su amplio uso en las investigaciones de la methylomic humana, una plataforma similar no existe para los animales modelo. Además, el formato basado en el arreglo pone limitación significativa en el área de superficie disponible para la colocación de la sonda. En los últimos años, se hicieron esfuerzos para combinar la especificidad objetivo de diseño de la sonda de captura y la característica de alto rendimiento de secuenciación de próxima generación. Tal empeño ha resultado en el sistema enriquecimiento objetivo basado en la secuenciación del genoma del ratón (ratón metil-Seq), que fue utilizado para identificar las diferencias específicas del cerebro o inducida por glucocorticoides en metilación9,10. Plataformas similares para otros modelo y modelo no animales son necesarios para facilitar la investigación epigenómicas en estos animales.
Aquí, demostramos la aplicación de esta novedosa plataforma para llevar a cabo análisis de methylomic en la rata. La rata ha servido como un modelo animal importante en farmacología, metabolismo, Neuroendocrinología y comportamiento. Por ejemplo, hay una creciente necesidad de entender los mecanismos subyacentes que dan lugar a toxicidad de la droga, obesidad, respuesta de estrés o adicción a las drogas. Una plataforma de alto rendimiento capaz de captar cambios de methylomic asociados con estas condiciones aumentaría nuestra comprensión de los mecanismos. Puesto que el genoma de rata todavía carece de anotación para regiones reguladoras, incorpora promotores redundante, las islas de CpG, Isla costas11y previamente identificadas secuencias ricas en GC en la rata metil-Seq plataforma12.
Para evaluar el éxito del diseño e implementación de la plataforma SureSelect enriquecimiento de Target (genéricamente conocido como metil-Seq) para el genoma de la rata, se empleó un modelo de estrés crónico variable (CVS)13 para identificar diferencialmente metilados ratas regiones entre los animales tensionados y unstressed. Nuestro diseño de la plataforma, el protocolo y la aplicación pueden ser útiles para investigadores que quieran realizar una investigación completa e imparcial epigenética en un organismo cuya secuencia genómica ya está disponible pero sigue siendo mal anotado.
Todos los experimentos fueron terminados de acuerdo y conformidad con todos lineamientos regulatorios e institucionales pertinentes, incluyendo el cuidado de Animal institucional y Comité de uso en la escuela de Medicina Johns Hopkins.
1. los animales
2. crónicas de la tensión Variable
3. los ensayos
4. comportamiento
5. diseño de la rata metil-Seq
6. construcción de la biblioteca de metil-Seq de rata de la DNA Genomic
Nota: Para eliminar los efectos de la hornada, procesar varias muestras al mismo tiempo y aumentar por consiguiente la mezcla principal. Extracto de ADN utilizando un kit de extracción de ADN disponible en el mercado. Método basado en la columna o la precipitación tanto rendimiento calidad de ADN genómico (relación 260/280 ~ 1.8). No se recomienda el uso de métodos basados en fenol. Procederá a la elución o Resuspender el DNA en buffer de baja TE (10 mM TE, 0.1 mM EDTA, pH 8.0).
7. la secuencia en un secuenciador de última generación
8. análisis para identificar DMRs
9. validación por pirosecuenciación de bisulfito
Una implementación exitosa de la plataforma de metil-Seq rata depende de varios criterios. Figura 1 muestra el flujo de trabajo general del estudio y destaca pasos específicos control de calidad (QC) que se necesitan antes de seguir adelante. Uno de los primeros factores a considerar es la robustez del modelo animal y el régimen de estrés, que determinan la magnitud de cambios epigenéticos que se producen en el metiloma. Puesto que nuestro trabajo animal está basada en nuestra observación anterior de que la exposición de corticosterona (CORT) puede conducir a cambios en la metilación de ADN19,20, nuestro régimen de estrés crónico variable (CV) debe ser de suficiente rigor para producir hizo hincapié en las ratas con niveles elevados de plasma CORT. Un típico régimen semanal de CVS se muestra en la tabla 1 y consistió de estresores diarios en la mañana, por la tarde, y durante la noche que cambian constantemente para evitar la habituación y disminuida respuesta de estrés. Durante el régimen de 3 semanas, los animales estresados exhibieron niveles significativamente elevados de plasma media CORT [Control de los días 4 y 21,: 32,7 3.7 ng/mL, estrés: 103,0 11.9 ng/mL (media SEM), P = 2.2 x 10-4, figura 2A] sobre los de unstressed, control de animales. Consistentemente, estos animales también mostraron mayor ansiedad-como comportamiento en la elevada y laberinto (EPM), como se indica por el significativamente más tiempo en los brazos cerrados del EPM y menos tiempo en los brazos abiertos (figura 2B). Estos resultados demuestran que la exposición CVS condujo a endocrinos significativos y cambios de comportamiento, que nos lleva a investigar si estos cambios se asociaron con firmas de metilación de ADN específicas.
Destacamos varios puntos que son cruciales para la exitosa construcción de la biblioteca de metil-Seq. A partir de una cantidad suficiente de ADN es necesario, como la sonicación, múltiples lavado/purificación, enriquecimiento de destino, y pasos de conversión de bisulfito sucesivamente reducen la cantidad de DNA en la biblioteca acabada. Aunque varios pasos de amplificación de PCR aliviar la pérdida de la plantilla de la DNA, excesivo número de ciclo PCR puede introducir mayor Lee duplicado. Para el actual estudio de rata metil-Seq, 2 g de sangre gDNA por rata fue utilizado. Tomamos nota de que las bibliotecas metil-Seq se pueden hacer con a partir de cantidad de ADN 500 ng. Más pequeños a partir de material permite generar bibliotecas de ADN aislado por FACS (clasificación celular activado por fluorescencia) o golpes, la aguja aunque hay mayor riesgo de producir una cantidad insuficiente de bibliotecas para la secuencia posterior. Control de calidad se realiza por electroforesis de 1 L de la muestra en un equipo bioanalyzer, que proporciona el peso molecular de ADN, cantidad y molaridad. Tres pasos críticos que requieren el uso del equipo bioanalyzer son: 1) tras el paso de sonicación para asegurar suficiente corte de ADN (~ 170 bp, rojo, figura 3) 2) siguiente adaptador ligadura paso indicada por un cambio en el tamaño medio del ADN esquilado (~ 200 bp, azul, figura 3) para su posterior amplificación por PCR; y 3) siguiente paso de purificación final biblioteca para garantizar la cantidad y el tamaño de la biblioteca para la secuencia.
Los paquetes de R BSSeq y BSmooth en Bioconductor fueron utilizados para el análisis del bisulfito de secuenciación de datos18. Incluyen herramientas y métodos para alinear la Lee de la secuencia, realizar control de calidad, e identificar diferencialmente metiladas regiones (DMRs). BSmooth software invoca Bowtie 2.016,17 como un alineador de la secuencia interna para obtener resúmenes de medición de nivel de CpG, por alineación de raw Lee entrada a convertido a bisulfito de secuencias genómicas. Lee alineado entonces se filtra a través de procedimientos de control de calidad riguroso que pretenden identificar la secuencia sistemática y errores de base de llamadas que pueden sesgar el análisis descendentes. Una serie de diagramas se generan para visualmente facilitar en este proceso de filtrado. Indicadores de secuencia se generan también a información relevante del documento como el número de alineados Lee, % blanco y por cobertura de GPC, entre otros (tabla 2). Una vez que se filtran los datos, se realiza un algoritmo de suavizado/normalización, donde cada GPC se asigna un valor estimado de la metilación basado en control de calidad todos Lee de cada muestra y las estimaciones de los vecinos de CpGs para asegurar más exacto llamar de la metilación Estado incluso en casos donde es baja la cobertura de la secuencia. Este valor proporciona una estimación suavizada de la probabilidad de la metilación en cada sitio de CpG. Al comparar la media de las estimaciones de metilación alisado de cada muestra entre los dos grupos de tratamiento y clasificación regiones genómicas de los más significativamente diferentes al menos, se genera una lista de DMRs (tabla 3).
La parte superior con que DMR entre grupos de tensionado y unstressed se encontraba en el promotor del gen de histocompatibilidad rata Rt1-m4, tensionado animales exhibiendo niveles más altos de metilación a través de todas las GPC que unstressed animales (Figura 4A). Para confirmar la implementación exitosa de la plataforma de metil-Seq y el análisis de datos, se diseñaron cartillas contra el DMR y niveles de metilación de ADN en la cohorte completa de animales tensionados y unstressed (8 ordenados por metil-Seq y 8 no ordenados) se evaluaron por pirosecuenciación de bisulfito. Resultados demuestran un aumento significativo en la metilación del ADN en 10 de los 12 CpGs ensayaron (5.1 – 10.4 cambio en % de metilación, P < 0.037, Figura 4B). Análisis del camino KEGG fue realizada en todo el DMRs nominalmente significativos para identificar vías asociadas con el estrés. Constantemente, vías DMR asociado implicado enfermedades asociadas con la exposición a estrés crónico, como diabetes, enfermedades cardiovasculares y cáncer (tabla 4). 21 , 22 , 23 para demostrar una asociación entre los datos de la epigenéticos y el grado de exposición al estrés, los niveles de metilación CpG-10 fueron comparados con el nivel medio de la CORT de 3 semanas para cada animal. Los resultados mostraron una modesta correlación entre los datos de endocrino y metilación (R2= 0.54, P = 0.001, figura 5).

Figura 1: flujo de trabajo general esquemática para la plataforma de rata metil-Seq. G uno de la DNA genomic extraída de la sangre de tensionado y ratas de control se procesa en primer lugar para la construcción de las bibliotecas de metil-Seq de la secuencia, el análisis y la identificación de objetivos. Otros 100 ng de ADN se utiliza para la validación independiente de los objetivos identificados epigenéticos por pirosecuenciación de bisulfito. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: exposición a estrés crónico variable (CVS) conduce a los cambios endocrinos y del comportamiento en ratas. (A) múltiples muestreos de corticosterona (CORT) demuestran la robustez de la semana 3 régimen de CVS. Muestras de sangre se recolectaron en la mañana antes del régimen de estrés diario. (B) animales Stressed pasaron más tiempo en los brazos cerrados y menos tiempo en los brazos abiertos de la elevada más laberinto (EPM). Se muestran los boxplots con punto de datos para cada animal. Se realizó prueba T de Student para la significación estadística. * P < 0.05, ** P < 0.01, y *** P < 0.001. Haga clic aquí para ver una versión más grande de esta figura.

Figura 3: cuantificación de rata esquilado y adaptador ligarse DNA en un equipo bioanalyzer. Las curvas rojas y azules muestran la cantidad y tamaño de la DNA genomic (rojo) después de esquilar en un sonicador isotérmico y ligadura del adaptador, respectivamente. Cada línea representa una muestra y el rojo y azul curvas reflejan tanto la pérdida de ADN durante los pasos de varios (final de reparación, 3'-adenylation y limpieza de muestra) y aumentan de tamaño de bp por la ligación de los adaptadores. Afilados picos 25 bp y bp 1500 son marcadores estándar que se han añadido al buffer de carga. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: cambios epigenéticos inducidos por la CVS son detectados por rata metil-SEQ (A) análisis de la rata metil-Seq datos implicado el promotor del gen de la Rt1m4 como una región diferencialmente metilada (DMR) entre estresada (rojo) y las ratas de control (azul). La salida gráfica para Rt1m4 DMR (región sombreada rosa) muestra cada GPC (línea gris vertical), las cuatro muestras en cada grupo (líneas en rojas o azules) y los niveles de metilación % para cada animal (punto rojo o azul). (B) doce GPC dentro de lo DMR fueron validados por pirosecuenciación de bisulfito. Los gráficos de barras se representan como media SEM, y se realizó prueba T de Student para la significación estadística. * P < 0.05. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Análisis de regresión lineal mostró una modesta correlación entre % ADN metilación CpG-10 de Rt1m4 y la 3 semana significan plasma niveles CORT de ambos destacó y controlan de animales (N = 16). Datos de animales estresados son representados por círculos rojo. Haga clic aquí para ver una versión más grande de esta figura.
| Semana | Día 1 | Día 2 | Día 3 | Día 4 | Día 5 | Día 6 | Día 7 |
| AM | Sistema de seguridad para | Nadar | Cuarto frío | Nadar | Sistema de seguridad para | Coctelera | Nadar |
| PM | Coctelera | Inclinación de la jaula | Sistema de seguridad para | Coctelera | Cuarto frío | Sistema de seguridad para | Cuarto frío |
| Durante la noche | Restringir alimentos | Mojado de cama | Aislamiento | Luz en | Apretadura | Luz en | Mojado de cama |
Tabla 1: Un programa semanal típico del régimen de tensión variable crónica (CVS).
| Secuencia de mediciones | Tensión1 | Control1 |
| (n = 4) | (n = 4) | |
| Junto de lecturas finales (por) | 89,290,397 | 80,165,674 |
| Final pares asignado únicamente Lee (UMPER) | 39,200,255 | 35,013,406 |
| Eficiencia de asignación de tipo de alineación (UMPER por) | 44% | 44% |
| Lee duplicado (% de UMPER) | 73% | 65% |
| UMPER reduplicada | 10,481,031 | 12,306,018 |
| Promedio de cobertura de profundidad de lectura (x) (ARDC) | 6 x | 6 x |
| GPC (N) | 12,056,878 | 12,056,878 |
| ARDC (x) de la GPC | 2 x | 2 x |
| GPC con al menos 10 Lee (N) | 481.383 | 595.850 |
| ARDC (X) de la GPC con Lee por lo menos 10 | 19 | 19 |
| En la GPC objetivo (traslapo completo con sonda regiones de destino) | 1.923.872 | 2.007.638 |
| Objetivo ARDC (x) de la GPC | 7 x | 8 x |
| En la GPC objetivo con al menos 10 Lee (N) | 428.249 | 531.419 |
| En destino ARDC (x) de la GPC con Lee por lo menos 10 | 38: | 38: |
| En blanco (por traslapo de 1 o más pares con sonda regiones de destino) (UMPER) | 8.277.715 | 9.369.523 |
| % En blanco (de UMPER reduplicada) | 78% | 77% |
| En blanco (Bases totales asignados) Mb | 125 mb | 128 mb |
| En destino leer media profundidad cobertura (x) (ARDC) | 9 x | 30: |
| 1 Secuencia de mediciones basadas en promedios de sujetos en cada grupo |
Tabla 2: Secuencias métricas de la plataforma de metil-Seq de rata.
| Chr | Inicio | final | gene | distancia | areaStat | meanDiff | estrés | control | Dirección |
| chr20 | 1.644.246 | 1.644.390 | RT1-M4 | in_gene | 93.03 | 0.22 | 0.33 | 0.11 | ganancia |
| chr5 | 160,361,352 | 160,361,564 | LOC690911 | in_gene | -70.75 | : -0,19 | 0,72 | 0.91 | pérdida |
| chr3 | 61,138,281 | 61,138,330 | RGD1564319 | 265569 | 61.79 | 0.21 | 0.94 | 0,72 | ganancia |
| CHR2 | 143,064,811 | 143,065,010 | Ufm1 | 8569 | -59.48 | -0,11 | 0.13 | 0.24 | pérdida |
| chr7 | 30,764,111 | 30,764,284 | Ntn4 | in_gene | 57.04 | 0.21 | 0.94 | 0.73 | ganancia |
| chr17 | 12,469,112 | 12,469,218 | Idnk | 41996 | -50.91 | -0,13 | 0.74 | 0.88 | pérdida |
| chr7 | 47,101,725 | 47,101,930 | Pawr | in_gene | -50.54 | -0,12 | 0,64 | 0,76 | pérdida |
| chr5 | 76,111,248 | 76,111,822 | Txndc8 | 151703 | -50.38 | -0,11 | 0.85 | 0.96 | pérdida |
| chr11 | 80,640,132 | 80,640,356 | Dgkg | in_gene | -50.07 | -0.16 | 0.73 | 0,89 | pérdida |
| chr8 | 71,759,248 | 71,759,411 | Mir190 | 210226 | -47.84 | -0,17 | 0.58 | 0.75 | pérdida |
Tabla 3: Top 10 diferencialmente metiladas regiones. Para cada DMR, la tabla de salida muestra desde la izquierda a la columna de la derecha: Localización cromosómica (chr), coordina (inicio y fin), nombre de gen, distancia de la transcripción comienza sitio, estadísticas de área diferencial entre destacó y controlan de grupos (areaStat), significa hizo hincapié en los niveles de metilación media en cada DMR para metilación diferencial (meanDiff), y grupos de control (control de estrés) y la dirección de la metilación de controles.
| Términos del camino KEGG | Conde de gene | % | Valor de P | Benjamini |
| Diabetes | ||||
| Diabetes mellitus tipo II | 12 | 0.1 | 3.6 x 10-4 | 9.8 x 10-3 |
| Enfermedades cardiovasculares | ||||
| Contracción del músculo liso vascular | 18 | 0.1 | 1.6 x 10-3 | 3.6 x 10-2 |
| Cardiomiopatía ventricular correcta arritmogénica (ARVC) | 13 | 0.1 | 4.0 x 10-3 | 7.1 x 10-2 |
| Miocardiopatía dilatada | 14 | 0.1 | 7.6 x 10-3 | 1,2 x 10-1 |
| Función de la neurona | ||||
| Potenciación a largo plazo | 11 | 0.1 | 1.5 x 10-2 | 1.4 x 10-1 |
| Señalización | ||||
| Vía de señalización de MAPK | 35 | 0.2 | 2.4 x 10-4 | 9.9 x 10-3 |
| Vía de señalización de calcio | 22 | 0.1 | 1,2 x 10-2 | 1.4 x 10-1 |
| Vía de señalización de quimioquinas | 21 | 0.1 | 1,2 x 10-2 | 1.3 x 10-1 |
| Cáncer | ||||
| En el cáncer de las vías | 42 | 0.3 | 4.1 x 10-5 | 3.4 x 10-3 |
| Glioma de | 15 | 0.1 | 4.4 x 10-5 | 2.4 x 10-3 |
| Cáncer de pulmón de células no pequeñas | 10 | 0.1 | 7,9 x 10-3 | 1.1 x 10-1 |
| Cáncer colorrectal | 13 | 0.1 | 8.4 x 10-3 | 1.1 x 10-1 |
| Leucemia mieloide crónica | 12 | 0.1 | 1,2 x 10-2 | 1.3 x 10-1 |
Tabla 4: Análisis de camino KEGG de DMRs identificado de la rata metil-SS.
El manuscrito forma parte de un premio de concurso de Agilent Technologies.
Aquí, describimos el protocolo y la implementación de metil-Seq, una plataforma de epigenómica, utilizando un modelo de rata para identificar cambios epigenéticos asociados a la exposición de estrés crónico. Los resultados demuestran que la plataforma de metil-Seq de la rata es capaz de detectar diferencias de metilación que surgen de la exposición del estrés en ratas.
Este estudio fue financiado por los NIH grant MH101392 (RSL) y apoyo de las siguientes fundaciones y premios: un premio al investigador joven NARSAD, Margaret Ann precio investigador fondo, el fondo James Wah humor trastornos erudito por la Charles T. Bauer Foundation, Baker Fundación y la Fundación del partido de proyecto (RSL).
| Radioinmunoensayo (RIA) | MP Biomedicals | 7120126 Corticosterona, 125I etiquetado | |
| con Master Pure DNA Purification Kit | Epicentre/Illumina | MC85200 | |
| Thermal-LOK Baño de calor seco de 2 posiciones | USA Scientific | 2510-1102 | Se utiliza con tubos de 1,5 ml |
| Vortex Genie 2 | Fisher | 12-812 | Vortex Mixer |
| Alcohol etílico, puro | Sigma-Aldrich | E7023 | 100% etanol, centrífuga de grado molecular |
| 5424 | R Eppendorf-Debe | ser capaz de 20,000 x g | |
| Qubit 2.0 | ThermoFisher Scientific | Q32866 | Fluorímetro |
| Qubit dsDNA BR Kit | de ensayoThermoFisher Scientific | Q32850 | |
| Qubit dsDNA HS ThermoFisher | Scientific | Q32851 | Reactivos de detección de ADN de alta sensibilidad |
| Tubos de ensayo Qubit ThermoFisher | Scientific | Q32856 | |
| Kit de reactivos SureSelectXT Rat Methyl-Seq | Agilent Technologies | G9651A | Reactivos para la preparación de la biblioteca Methyl-Seq |
| SureSelect Rat Methyl-Seq Capture Library | Agilent Technologies | 931143 cebos de ARN para el enriquecimiento de objetivos de ratas | |
| IDTE, pH 8.0 | IDT DNA | 11-05-01-09 | 10 mM TE, 0.1 mM EDTA |
| DNA LoBind Tube 1.5 mL | Eppendorf | 22431021 | |
| Covaris serie E o serie S | Covaris-Isothermal | sonicator | |
| microTUBE AFA Fiber Pre-Slit Snap-Cap 6x16mm (25) | Covaris | 520045 | |
| Agua, Ultra Pura (Grado de Biología Molecular)Calidad | Biológica | 351-029-721 | |
| Veriti 96 Termociclador de pozos | Applied Biosystems | 4375786 | |
| AMPure XP Beads | Beckman Coulter | A63880 | Perlas magnéticas de unión al ADN |
| 96S Super Magnet | ALPAQUA A001322 | Placa magnética para pasos de purificación | |
| 2200 TapeStation | Agilent Technologies | G2965AA | Bioanalizador basado en electrofresis |
| D1000 ScreenTape | Agilent Technologies | 5067-5582 | |
| D1000 ScreenTape de alta sensibilidad | Agilent Technologies | 5067-5584 | |
| D1000 Reactivos | Agilent Technologies | 5067-5583 | |
| D1000 Reactivos de alta sensibilidad | Agilent Technologies | 5067-5585 | |
| DNA110 SpeedVac | ThermoFisher | Scientific-Vacuum | Concentrador |
| Dynabeads MyOne Streptavidin T1 perlas magnéticas | Invitrogen | 65601 | Perlas magnéticas de estreptavidina |
| Labquake Tube Rotator | ThermoFisher Scientific | 415110Q | Nutator Mixer también es aceptable |
| EZ DNA Methylation-Gold Kit Zymo | Research | D5006 | Kit de conversión de bisulfito. Contiene tampones de unión, lavado, deulfonación y elución |
| Illumina Hi-Seq 2500 | Illumina-Máquina | de secuenciación de próxima generación | |
| Imprimaciones de PCR y pirosecuenciación | IDT DNA | Variable | |
| Taq DNA Polymerasa con tampón ThermoPol - 2.000 unidades | Juego de soluciones de desoxinucleótido (dNTP)M0267L | de | New England BioLabs |
| New England BioLabs | N0446S | ||
| Pyromark MD96 | QIAGEN-Máquina | de pirosecuenciación | |
| Alcohol etílico 200 Proof | Pharmco-Aaper | 111000200 | solución de etanol al 70% |
| Pellets de hidróxido de sodio | Sigma-Aldrich 221465 | 0,2 M Solución tampón de desnaturalización NaOH | |
| Tris (Base) de J.T. Baker | Fisher Scientific | 02-004-508 | 10 mM Tampón de acetato Tris solución tampón de lavado |
| Reactivos PyroMark Gold Q96 (50x96) | QIAGEN | 972807 | Reactivos necesarios para la pirosecuenciación |
| Tampón de recocido PyroMark | TAMPÓN de unión QIAGEN 979009 | ||
| PyroMark (200 mL) | QIAGEN | 979006 | |
| Estreptavidina Sepharose Beads de alto rendimiento | GE Healthcare | 17-5113-01 | Perlas |
| de sefarosa recubiertas de estreptavidinaPyroMark Q96 HS Placa | QIAGEN | 979101 | Placa de ensayo de pirosecuenciación |
| Eppendorf Thermomixer R | Fisher Scientific | 05-400-205 | Mezclador de placas. El bloque de 96 pocillos se vende por separado (cat. No 05-400-207) |
| Sitio web de SureDesign | Agilent | Technologies-Target | capture design software (https://earray.chem.agilent.com/suredesign/) |
| UCSC Genome Browser | University of California Santa | Cruz-rat | Nov 2004 rn4 assembly |
| Agilent Methyl-Seq Protocol | Agilent | Technologies-https://www.agilent.com/cs/library/usermanuals/public/G7530-90002.pdf |