Training @ Lu Lab
Lu Lab Docs
  • Home
    • Training @ Lu Lab
  • Drylab Training
    • Genomics
      • RNA Types in Genome
  • Wetlab Training
    • Wetlab Safety Guide
    • Wetlab FAQ
  • Archive
    • Archive 2021
      • cfDNA Methylation
      • Genomic Annotation
    • Archive 2019 - Wetlab Training
      • Class I. Basics
        • 1. Wet Lab Safety
        • 2. Wet Lab Regulation
        • 3. Wet Lab Protocols
        • 4. How to design sample cohort
        • 5. How to collect and manage samples
        • 6. How to purify RNA from blood
        • 7. How to check the quantity and quality of RNA
        • 8. RNA storage
        • 9. How to remove DNA contanimation
        • 10. What is Spike-in
      • Class II. NGS - I
        • 1. How to do RNA-seq
        • 2. How to check the quantity and quality of RNA-seq library
        • 3. What is SMART-seq2 and Multiplex
    • Archive 2019 - Drylab Training
      • Getting Startted
      • Part I. Programming Skills
        • Introduction of PART I
        • 1.Setup
        • 2.Linux
        • 3.Bash and Github
        • 4.R
        • 5.Python
        • 6.Perl
        • Conclusion of PART I
      • Part II. Machine Learning Skills
        • 1.Machine Learning
        • 2.Feature Selection
        • 3.Machine Learning Practice
        • 4.Deep Learning
      • Part III. Case studies
        • Case Study 1. exRNA-seq
          • 1.1 Mapping, Annotation and QC
          • 1.2 Expression Matrix
          • 1.3.Differential Expression
          • 1.4 Normalization Issues
        • Case Study 2. exSEEK
          • 2.1 Plot Utilities
          • 2.2 Matrix Processing
          • 2.3 Feature Selection
        • Case Study 3. DeepSHAPE
          • 3.1 Background
          • 3.2 Resources
          • 3.3 Literature
      • Part IV. Appendix
        • Appendix I. Keep Learning
        • Appendix II. Public Data
        • Appendix III. Mapping Protocol of RNA-seq
        • Appendix IV. Useful tools for bioinformatics
      • Part V. Software
        • I. Docker Manual
        • II. Local Gitbook Builder
        • III. Teaching Materials
  • Archive 2018
Powered by GitBook
On this page
  • I. RNA quantity
  • 1. Nanodrop
  • 2. Qubit
  • 3. Nanodrop vs Qubit优劣比较
  • 4. Read more
  • II. RNA quality
  • 1. 紫外吸光度检测法
  • 2. RNA凝胶电泳法
  • 3. Agilent 2100 Bioanalyzer(升级版为A2200)
  • 4. Read more
Edit on GitHub
  1. Archive
  2. Archive 2019 - Wetlab Training
  3. Class I. Basics

7. How to check the quantity and quality of RNA

I. RNA quantity

1. Nanodrop

  • 原理:核酸及其衍生物具有共轭双键系统,能吸收紫光,RNA和DNA的紫外吸收峰在260nm波长处。一般在260nm波长下,每1ml含1ug RNA溶液的光吸收值为0.022~0.024,DNA为0.020,故测定位置浓度的RNA或DNA溶液在260nm处的光吸收值,即可计算出其中核酸的含量。

  • 优点:除检测核酸浓度外,还能通过计算A260/A280和A260/A230的数值,估计核酸的纯度(280 nm吸光通常来自蛋白质,而230 nm则通常来自糖类和苯酚等)。

  • 缺点:无法区分RNA、DNA、降解或游离的核酸及其他杂质。

  • 局限性:尽管是常用的DNA/RNA定量方法,但其读数并不可靠且不准确,不能用于后续建库的参考。且紫外吸收法对降解比较严重的核酸无能为力。

  • 测量范围:RNA浓度约为100 ng/ul时,SD为2ng/ul。

2. Qubit

  • 原理:采用荧光染料检测特定目标分子的浓度,molecular probes染料只有与DNA、RNA、或蛋白质这些特定靶分子结合,并在特定波长光源的激发下,发出荧光信号,即使有游离或降解的核苷酸存在时仍能克服背景噪音,精准定量。

  • 优点:高灵敏性、高特异性、高精确度,在样本浓度低的情况下,Qubit更为准确。

  • 适用性:Qubit定量技术对目标分子有高度的选择性,比如:Qubit检测双链DNA浓度时,特异性检测待测样本中的的双链DNA,对于样本中存在的单链DNA或者RNA不检测,这种特异性可以获得十分精确的结果。在新一代测序(NGS)实验中,对我们后续的精确建库过程也是很必要的。

  • 局限性:Qubit检测仅样品中DNA/RNA的量,不能获取吸光度读数以提供A260/A280比率或检测核酸样品中的蛋白质。

  • 操作方法(如下图):

1) 配置标准品并测量,仪器自动校正并生成标准曲线;

2) 配置检测样本,上机检测。

3. Nanodrop vs Qubit优劣比较

4. Read more

II. RNA quality

  • 评估RNA完整性是获得有意义基因表达数据的第一个关键步骤。采用完整的RNA是成功建立NGS文库或进行qRT-PCR实验的关键要素

  • **RNA Integrity Number,RIN值,**旨在标准化RNA质量控制过程,基于1至10的编号统,RIN软件算法可将真核生物总RNA分类,其中1代表降解最严重的情况,10代表最完整。

1. 紫外吸光度检测法

检测RNA溶液的吸光度280/320/230/260nm下的吸光度分别代表了核酸、背景/溶液浑浊度、盐浓度和蛋白质等有机物的值。

可以通过看OD260/OD280的值R,1.8-2.0时,我们认为RNA中蛋白质或其他有机物的污染时可容忍的;当R2.2时,说明RNA已经水解成单核酸了。

2. RNA凝胶电泳法

核糖体RNA则占总RNA样品80%以上,其中大多数是由28S和18S rRNA组成的(在哺乳动物系统中),哺乳动物28S和18S rRNA的长度大约分别为5kb和2kb,所以理论上28S:18S的比率应该大约为2.7:1。

通过琼脂糖胶检测28S和28S条带的完整性和比值,如果28S和18S条带明亮、清晰、条带边缘清楚,并且28S的亮度在18S条带的两倍以上,我们认为RNA的质量较好。

但是因为rRNA条带的外观会受电泳条件、RNA上样量以及溴化乙锭荧光饱和度等条件的影响,准确性和稳定性低。

此外,使用变性凝胶电泳来评估RNA完整性的一个缺陷是需要至少200ng的RNA样品;但很多RNA样本浓度较低,该方法就不再适用。

3. Agilent 2100 Bioanalyzer(升级版为A2200)

  • A2100检测是基于芯片实验室技术的核酸分析系统,对RNA或DNA文库进行定量及定性的新一代质控方法。

  • 原理:通过微流控技术对样本进行分离,当给芯片加入电压时,样品便在芯片上的显微蚀刻管道中进行毛细管电泳;在样品流动过程中,不同核酸片段根据大小被分离;凝胶-染料基质中的荧光染料可嵌入核酸,通过激光激发荧光,使其被仪器检测到。

  • 定量:仪器根据收集到的荧光信号强度,并通过ladder各个条带(已知size和浓度)及其相对应的迁移时间,形成一个迁移时间和浓度的函数关系,并计算未知input核酸的浓度,对样品定量

  • 定性(完整性):提供总RNA、mRNA和小分子RNA数据,以及RNA完整度(RIN)。

  • 样本体积:1ul RNA溶液。

  • 优点:高度准确、数字化结果、快速高效、操作简便、耗样量少。

  • 操作步骤: 1)样品自样品孔处沿微通道移动; 2)样品被注入分离微通道; 3)样品组分通过电泳被分离; 4)各组分通过其荧光被检测并被转变成凝胶样图像(条带)和电泳图谱(峰)。

  • 适用性:Agilent 2100生物分析仪是一种可以对组成总RNA的主要组分进行更清晰评估的工具,还可以对它们随来源、时间及保存方式产生的变化进行评估。已经取代了繁琐的凝胶电泳技术成为RNA样品质量控制(QC)的行业标准。

4. Read more

Last updated 3 years ago

核酸定量哪家强?
Agilent 2100生物分析仪
RNA完整值--RNA质量控制标准化