$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Yüksek verim sıralama tabanlı metodolojileri yaygın ölçüde biyolojik sistemlerin 3,4 moleküler karmaşıklığı anlayışımızı genişleyen son yıllarda birçok biyolojik numunelere uygulanmıştır. Ancak, yüksek sekanslama için RNA örneklerinin hazırlanması çoğu zaman, bu güçlü teknikleri potansiyel kullanımını sınırlayan çalışan yönteme özgü belirli bir yanlılığı kazandırır. Bu yöntem, belirli önyargıları iyi ligasyon-temelli, küçük RNA kütüphane hazırlıkları 1,2,5,6 için belgelenmiştir. Bu önyargıları 1,000 kat varyasyon çılgınca değişken ve hata eğilimli sıralama verilerinden miRNA bereket çıkarsama yapma, eşit molar sentetik miRNA'ların için sayıları okur sonuçlanabilir.
Faj türevli, T4 RNA ligazların özelliklerine odaklanarak çalışmalar enzimler yüksek verimli sekanslama deneylerde belirlendiği gibi yanlı kitaplıkları ortaya nükleotid bazlı tercihleri 7, olduğu belgelenmiştir adres kadar. RNA, ligazlar tarafından kazandırılan hatalarını en aza indirmek için, birden fazla stratejiler kullanılmıştır; makromoleküler, 9 boğmakta ligasyon siteye 6 proksimalinde adaptör üzerinde nükleotid dizisi randomizing ve ligasyon adaptörü 2 yüksek konsantrasyonlarda istihdam. Bu üç yaklaşımların bir kombinasyonu sayesinde yüksek verimlilik sıralaması (Şekil 1) uyumlu küçük RNA kütüphanelerin tarafsız hazırlanması için bir iş akışı geliştirdik. Mevcut protokoller ve optimize edilmiş bir yöntemle arasında doğrudan karşılaştırmalar için, bizim son raporunda 2 başvurun. Bu optimize edilmiş yöntem her iki 3 've 5' aşamalarında% 95'ten ligasyonu verim alınmasını sağlamaktadır, sentetik ve biyolojik örnekler 2 küçük RNA moleküllerinin tarafsız bağlanmasını izin verir.