Die Preise für RNA-Seq variieren stark, da die Angebote von der Studiendesign, der Probenqualität, der Bibliotheksstrategie, der Sequenzierungstiefe, dem Leseaufbau und den Liefergegenständen abhängen – kleine Änderungen können das Budget schnell verschieben.
Für Forschungsteams, die das Budget für Bulk-RNA-Seq planen, ist es hilfreicher, die Preisgestaltung als Ergebnis der Planung zu betrachten. Das Angebot wird vorhersehbar, wenn das Studienziel klar ist, der Bibliothekstyp zum Ziel passt, die Tiefe absichtlich festgelegt wird und die Ergebnisse im Voraus definiert sind. Dieser Leitfaden analysiert die wichtigsten Kostentreiber, bietet realistische Konfigurationsbeispiele (ohne feste Preisangaben) und skizziert praktische Möglichkeiten, die Ausgaben zu kontrollieren, ohne die Interpretierbarkeit zu opfern.
Bulk-RNA-Seq-Angebote lassen sich normalerweise auf vier Kostenbereiche zuordnen.
01 RNA-seq Preise: Wofür Projekte wirklich bezahlen
Die meisten RNA-Seq-Zitate lassen sich letztendlich auf vier Kostenbereiche zurückführen, auch wenn sie nicht als separate Positionen aufgeführt sind:
Probenhandhabung und Qualitätskontrolle (Probenart, RNA-Integrität und zusätzliche Kontrollen zur Risikominderung von Ausfällen), Bibliotheksvorbereitung (oft die größte Variable), Sequenzierung (wo Batching und Multiplexing die Effizienz steigern) und Datenlieferung sowie optionale Analyse (nur FASTQ-Lieferung versus analysebereite Ausgaben).
Zwei Muster treten in realen Budgets immer wieder auf:
- Die Bibliotheksvorbereitung dominiert häufig die Variabilität. Verschiedene Bibliothekschemien und Arbeitsabläufe können sowohl die Kosten pro Probe als auch die nachgelagerten Sequenzierungsanforderungen ändern, die für eine vergleichbare Sensitivität erforderlich sind.
- Die Sequenzierungskosten werden stark von der Effizienz der Chargenbildung beeinflusst. Wenn ein Durchlauf nicht effizient genutzt wird (z. B. zu wenige Proben für die gewählte Konfiguration), steigen die Stückkosten – manchmal stark. Kohortenstudien erscheinen oft „günstiger pro Probe“, nicht weil die Technologie anders ist, sondern weil Multiplexing und Batch-Verfahren effizienter sind.
Hochdurchsatz-Sequenzierungs-Workflows werden durch die Laufkonfiguration, die Pooling-Strategie und die Datenübergabe geprägt; für einen Überblick in einfacher Sprache siehe Nächste Generation Sequenzierung.
02 Die 8 Faktoren, die die RNA-seq-Kosten am meisten beeinflussen
Die folgenden acht Faktoren erklären die meisten Variationen in RNA-Sequenzierung Kosten pro Probe in Bulk-RNA-Seq-Studien. Jeder Faktor beeinflusst nicht nur das Angebot, sondern auch, wie stabil und vergleichbar die Ergebnisse über die Chargen hinweg sind.
Acht Eingaben, die am häufigsten ein RNA-seq-Zitat ändern.
1) Stichprobengröße und Studiendesign
Die Stichprobengröße beeinflusst die Gesamtausgaben, aber Designentscheidungen sind oft wichtiger als die reinen Zahlen. Ein einfacher Vergleich zwischen zwei Gruppen mit angemessener biologischer Replikation ist in der Regel einfacher durchzuführen und zu interpretieren als ein multifaktorielles Design, das Spender, Zeitpunkte, Behandlungen und Chargen umfasst.
Die Komplexität des Designs beeinflusst das Budget auf drei Arten. Erstens wirkt sie sich darauf aus, wie viele Proben erforderlich sind, um eine angemessene Power zu erreichen. Zweitens erhöht sie die Bedeutung einer konsistenten Chargenbildung und Qualitätskontrolle über die Durchläufe hinweg. Drittens kann sie den Analyseumfang erweitern (z. B. mehrere Kontraste, Kovariatenmodellierung, Chargenkorrektur und Stratifikation von Untergruppen).
Ein häufiger Fehler bei der Budgetierung besteht darin, anzunehmen, dass mehr Tiefe eine Wiederholung ersetzen kann. Bei Zielen der differentiellen Expression verbessert die Wiederholung oft die Interpretierbarkeit zuverlässiger als extreme Tiefe bei einem kleinen Stichprobenumfang.
2) Probenart und RNA-Integrität
Die Probenart und die RNA-Integrität bestimmen häufig, ob "standardmäßiges" RNA-seq wie geplant durchführbar ist. RNA aus hochwertigen kultivierten Zellen verhält sich anders als RNA, die aus komplexen Geweben, Biofluiden oder schwierigen Matrizen extrahiert wurde. Degradierte RNA kann die Strategie in Richtung anderer Bibliotheksansätze, tiefere Sequenzierung zur Kompensation unbrauchbarer Reads oder zusätzliche QC-Schritte verschieben.
Integrität beeinflusst nicht nur die Qualität; sie beeinflusst auch die Kostenvorhersagbarkeit. Projekte, die sich spät für den Bibliothekstyp entscheiden – nachdem RNA bereits extrahiert wurde – haben eher mit teuren Anpassungen zu kämpfen. Eine frühzeitige Bestätigung der RNA-Qualität (oder ein Plan für unsichere Qualität) ist oft der praktischste Weg, um Nacharbeit zu vermeiden.
3) Organismus- und Annotationsreife
Human- und Mausprojekte verfügen in der Regel über ausgereifte Referenzgenome und gut unterstützte Annotationen, was Standardpipelines unkompliziert macht. Die Kosten können bei Nicht-Modellorganismen variieren, da die Kartierung und Quantifizierung zusätzliche Schritte, alternative Referenzen oder unterschiedliche Erwartungen an die Ergebnisse erfordern können.
Zum Beispiel kann ein Projekt darauf abzielen, die Genexpression auf Genebene zu quantifizieren, Transkripte auf Transkriptebene zu entdecken, eine de novo Transkriptomassemblierung durchzuführen oder rohe FASTQ-Daten für die nachgelagerte Analyse durch ein internes Team bereitzustellen. Das Zitat wird leichter stabilisierbar, wenn der Kontext des Organismus und die Erwartungen an die Interpretation klar sind.
4) Bibliothekstyp: poly(A) vs rRNA-Depletion vs breitere Erfassung
Die Bibliotheksstrategie ist einer der größten Kostentreiber, da sie sowohl die Komplexität der Vorbereitung als auch den effektiven Wert jeder Sequenzierungslesung beeinflusst.
- Poly(A)-Selektion ist oft kosteneffizient für die Expression von eukaryotischer mRNA, da ein größerer Anteil der Reads auf kodierenden Transkripten landet, die für die quantitativen Messungen auf Genebene relevant sind.
- rRNA-Depletion / breitere totale RNA-Erfassung kann geeigneter sein, wenn nicht-polyadenylierte RNAs wichtig sind, wenn poly(A) für den Probentyp nicht ideal ist oder wenn eine umfassendere Transkriptomansicht erforderlich ist. Eine breitere Erfassung kann jedoch mehr Sequenzierung erfordern, um eine vergleichbare effektive Abdeckung für bestimmte Endpunkte zu erreichen.
Ein praktischer Methodenvergleich ist verfügbar unter mRNA-Sequenzierung vs. Gesamte RNA-SequenzierungFür umfassendere Projekte zur Erfassung des Transkriptoms, Totale RNA-Sequenzierung bietet zusätzlichen Kontext.
Bibliotheksstrategiewahlen handeln typischerweise von der Abwägung zwischen Fokus und Breite.
5) Strandedheit und Molekül-Ebene Barcoding (optionale Funktionen)
Einige Bibliotheksoptionen erhöhen die Kosten, bringen jedoch nicht jedem Studium gleichermaßen Vorteile. Stranded-Bibliotheken können für bestimmte biologische Fragestellungen wertvoll sein und die Zuordnung von Reads in spezifischen Kontexten verbessern, sind jedoch nicht universell notwendig für die genebene differentielle Expression.
Ähnlich kann das Molekül-Level-Barcoding (das manchmal verwendet wird, um ursprüngliche Moleküle besser von Amplifikationsduplikaten zu unterscheiden) in spezialisierten Kontexten nützlich sein, ist jedoch keine Standardanforderung für die meisten Bulk-RNA-Seq-Projekte. Diese Optionen bieten tendenziell einen Mehrwert, wenn sie ein spezifisches bekanntes Risiko adressieren (z. B. begrenzte Eingabemenge, Bedenken hinsichtlich der Duplikation oder Studiendesigns, bei denen Amplifikationsverzerrungen das Endergebnis verfälschen könnten). Wenn sie aus Gewohnheit und nicht aus Notwendigkeit hinzugefügt werden, können sie das Angebot erhöhen, ohne die Wahrscheinlichkeit einer klaren Schlussfolgerung zu steigern.
6) Sequenzierungstiefe (Reads pro Probe)
Die Tiefe ist der häufigste Hebel hinter Kostenvariationen. Hier kommt es auch am häufigsten zu Überausgaben.
Die Tiefe sollte durch den biologischen Endpunkt definiert werden. Projekte, die sich auf eine robuste quantitativen Erfassung auf Genebene in sauberen Systemen konzentrieren, profitieren oft nicht davon, die Anzahl der Reads über das hinaus zu maximieren, was für eine stabile Zählung und statistische Vergleiche erforderlich ist. Im Gegensatz dazu können Projekte, die auf die Erkennung subtiler Signale, von Transkripten mit geringer Häufigkeit oder komplexen Gewebemischungen angewiesen sind, eine höhere Tiefe rechtfertigen.
Die Tiefe ist auch mit dem Bibliothekstyp verknüpft. Eine breitere Erfassungsstrategie kann zusätzliche Lesevorgänge erfordern, um die gleiche effektive Abdeckung der primären Zielstrukturen zu erreichen. Für die Budgetierung ist es entscheidend, das "Standard-Tiefen"-Denken zu vermeiden und stattdessen die Tiefe als Entwurfsparameter zu definieren, der an das Endziel gebunden ist.
7) Lese-Layout und Lese-Länge (SE vs PE; warum PE150 häufig ist)
Layout und Länge beeinflussen sowohl die Mapping-Leistung als auch die Kosten. Paired-End Daten verbessern oft die Robustheit der Ausrichtung, die Beweislage für Spleißstellen und die Leistung in komplexen Regionen. Das ist ein Grund, warum viele Pipelines sich auf PE-Konfigurationen standardisieren, wie zum Beispiel PE150 für breite Kompatibilität mit gängigen Tests.
Allerdings ist das paired-end nicht immer für jeden Gene-Counting-Endpunkt erforderlich. Einige Studien im Kohortenmaßstab können einfachere Konfigurationen akzeptieren, wenn die Fragestellung eng definiert und die Kompromisse klar sind. Angebote tendieren dazu, vorhersehbarer zu werden, wenn das Projekt angibt, ob die Priorität auf maximalem Proben-Durchsatz oder zusätzlicher Mapping-Robustheit und strukturellem Kontext liegt.
8) Liefergegenstände und Analyseumfang
Angebote können erheblich variieren, je nachdem, ob die Lieferung auf... beschränkt ist. demultiplexierte FASTQ-Dateien plus QC-Zusammenfassungenoder ob ein Projekt analyseready Ausgaben wie Expressionsmatrizen, Tabellen zur differentiellen Expression, Pfadanreicherung oder einen integrierten Bericht erfordert.
Der Analyseumfang kann auch je nach Organismus, Designkomplexität und nachgelagerten Erwartungen variieren. Ein Projekt, das mehrere Kontraste, die Handhabung von Kovariaten und standardisierte Berichterstattung erfordert, hat typischerweise ein anderes Kostenprofil als eine "nur FASTQ"-Übergabe, die für ein internes Bioinformatikteam vorgesehen ist.
03 Praktische Paketbeispiele (Keine Festpreise)
Da die Preise für RNA-seq designabhängig sind, ist es hilfreicher, realistische "Paketformen" zu beschreiben, als eine einzelne Zahl zu veröffentlichen. Die folgenden Beispiele veranschaulichen gängige Konfigurationen, die in Bulk-RNA-seq-Projekten verwendet werden.
Beispiel A: Standard-Bulk-mRNA-Seq für die genebene differentielle Expression
Diese Konfiguration eignet sich für viele Projekte, bei denen der Endpunkt die Genexpressionsprofilierung und die differenzielle Expression unter verschiedenen Bedingungen ist. Sie kombiniert typischerweise eine poly(A)-fokussierte Bibliotheksstrategie (wenn angemessen) mit einer gängigen Lese-Konfiguration und einem Tiefenziel, das für eine robuste quantitativen Analyse auf Genebene ausgewählt wird. Die Ergebnisse umfassen in der Regel FASTQ-Dateien und eine QC-Zusammenfassung, mit optionalen Ausdruckstabellen und differenzieller Analyse, je nach den Projektanforderungen.
Beispiel B: Verbesserte / tiefere RNA-seq für subtile Effekte und komplexe Proben
Erweiterte Konfigurationen werden häufig ausgewählt, wenn ein subtiler Signal erwartet wird, wenn Transkripte mit geringer Häufigkeit von Bedeutung sind oder wenn Proben heterogen und schwer zuverlässig zu quantifizieren sind. Im Vergleich zu Standardkonfigurationen sind die typischen Unterschiede gezieltere Tiefenziele, ein Schwerpunkt auf Paarend-Ansatz für robuste Zuordnung und Splice-Nachweise sowie manchmal zusätzliche Qualitätskontrollen, um sicherzustellen, dass höhere Sequenzierungsinvestitionen interpretierbare Daten liefern.
Beispiel C: Breitere Transkriptom-Erfassung (Total-RNA-Stil), wenn Poly(A) nicht ideal ist
Breitere Erfassungsdesigns werden verwendet, wenn das Ziel über die Codierung von mRNA hinausgeht oder wenn die Poly(A)-Selektion nicht gut zum Proben-Typ oder zur wissenschaftlichen Fragestellung passt. Da die Bibliothek ein breiteres Spektrum an RNA-Spezies erfasst, umfasst die Budgetierung oft einen expliziten Plan für die Sequenzierungstiefe und die Ergebnisse. Wenn eine Interpretation über rohe Reads hinaus erforderlich ist, können sich die Ergebnisse entsprechend erweitern.
Für einen schnellen Überblick über Gesamt-RNA-Workflows und deren Verwendung, siehe Gesamt-RNA-Sequenzierung.
04 Kostenersparnisstrategien, die die Interpretierbarkeit bewahren
Die meisten Ratschläge zur Kostenreduzierung scheitern, wenn sie RNA-Seq als Ware behandeln. Effektive Kostenkontrolle bewahrt das biologische Endergebnis und reduziert die Ausgaben dort, wo sich die Antwort nicht ändert.
Vermeiden Sie es, die biologische Replikation als ersten Hebel zu schneiden.
Bei differentiellen Ausdrucks-Endpunkten bestimmt die Replikation häufig, ob die Ergebnisse unter angemessener QC-Filterung und Batch-Variation stabil bleiben. Die Reduzierung der Replikation, um Sequenzierungstiefe zu gewinnen, kann zu fragilen Schlussfolgerungen führen – insbesondere bei heterogenen Proben oder multifaktoriellen Designs. Wenn die Budgets knapp sind, übertrifft oft eine kleinere Pilotstudie mit einem fokussierten Design eine unterreplizierte Vollstudie.
Ordnen Sie den Bibliothekstyp der Frage zu, nicht der Gewohnheit.
Eine poly(A)-fokussierte Strategie kann kosteneffizient sein, wenn das Ziel die Expression kodierender Gene ist. Eine breitere Erfassung kann notwendig sein, wenn die Biologie dies erfordert, aber diese Entscheidung sollte ausdrücklich getroffen werden, da sie oft die erforderliche Tiefe und die Interpretationslast verändert. Die Auswahl eines schlecht passenden Bibliothekstyps ist eine der häufigsten Ursachen für teure Nacharbeiten.
Die richtige Tiefe anpassen, anstatt standardmäßig auf "mehr Lesevorgänge" zu setzen.
Die Tiefe sollte durch den Endpunkt gerechtfertigt sein. Übermäßiger Kauf von Reads kann die Kosten erhöhen, ohne die Klarheit des Ergebnisses zu steigern. Ein zu geringer Kauf von Reads kann ebenfalls kostspielig sein, wenn er eine erneute Sequenzierung erforderlich macht. Der praktischste Ansatz besteht darin, eine Tiefenabsicht basierend auf dem Endpunkt (Genebene DE, Sensitivität für geringe Abundanz, breitere Erfassung) festzulegen und diese mit der Qualität der Probe und der Komplexität des Designs zu bestätigen.
Budgetentscheidungen sind oft ein Ausgleich zwischen Replikation und Tiefe.
Verhindern Sie "optionale Funktionsüberladung"
Strandedheit und Molekül-Ebene-Barcoding können wertvoll sein, wenn sie ein spezifisches bekanntes Risiko ansprechen. Sie sind keine universellen Anforderungen für Bulk-RNA-Seq. Standardmäßig Optionen hinzuzufügen kann die Kosten erhöhen, während die biologische Fragestellung unverändert bleibt.
Nutzen Sie die Effizienz der Batch-Verarbeitung, um die Wirtschaftlichkeit pro Probe zu stabilisieren.
Die Effizienz des Multiplexings ist ein Grund, warum große Kohorten oft bessere Kosten pro Probe erzielen. Wenn die Probenanzahl niedrig oder die Durchläufe fragmentiert sind, können die Kosten pro Probe steigen. Ein planungsorientierter Ansatz – der die Probenanzahl, Tiefe und Laufkonfiguration abstimmt – reduziert in der Regel Abfall und verbessert die Vergleichbarkeit zwischen den Chargen.
Nutze Piloten, wenn die Unsicherheit hoch ist.
Wenn die Integrität der Probe ungewiss ist, wenn der Organismus ein Nicht-Modellorganismus ist oder wenn das Design komplex ist, kann ein kleines Pilotprojekt teure Überraschungen bei der Vollkohorte verhindern. Ein Pilotprojekt kann die RNA-Qualität, die Bibliotheksstrategie und die Annahmen zur Tiefe validieren, bevor das Projekt in größerem Maßstab durchgeführt wird.
Eine umfassendere Perspektive auf Durchsatz- und Kostendynamiken in der RNA-Sequenzierung wird in diskutiert. Die schnellere und kostengünstigere Hochdurchsatz-RNA-Sequenzierung.
05 Welche Informationen ermöglichen ein genaues RNA-seq-Angebot
RNA-seq-Zitate werden schneller genau, wenn ein Projekt eine kleine Menge an Kerninformationen bereitstellt. Selbst teilweise Informationen können ausreichend sein, solange das Ziel klar ist.
Wichtige Eingaben, die ein Angebot stabilisieren, umfassen: Art und Referenzkontext (falls relevant), Probenart und Lagerbedingungen, RNA-Menge und Integrität (RIN oder DV200, wenn verfügbar), bevorzugter Bibliothekstyp (poly(A) vs. breitere Erfassung), Lese-Konfigurationspräferenz (einseitig oder paarweise), Tiefenabsicht (sogar "niedrig/mittel/hoch"), das Studiendesign (Gruppen und Replikation) und Liefergegenstände (nur FASTQ+QC versus analyseready Ausgaben).
Wenn Teams das Design noch finalisieren, ist es sinnvoll, den Endpunkt anzugeben und eine Entwurfsliste mit Gruppennamen bereitzustellen. Diese Informationen sind oft ausreichend, um ein Angebot zu erstellen, das die tatsächliche Studie widerspiegelt, anstatt eine generische Konfiguration.
06 Häufig gestellte Fragen
Wie viel kostet RNA-Seq pro Probe?
Die Kosten für Bulk-RNA-Seq pro Probe können stark variieren, da die Preise von der Bibliotheksart, der Tiefe, dem Lese-Layout, der Effizienz der Batch-Verarbeitung und ob eine Analyse enthalten ist, abhängen. Angebote sind am zuverlässigsten, wenn Probenart, Studiendesign und Tiefenabsicht zusammen angegeben werden.
Was beeinflusst die Preisgestaltung von RNA-Sequenzierung am meisten?
Die größten Einflussfaktoren sind in der Regel die Strategie zur Bibliotheksvorbereitung und die Sequenzierungstiefe, gefolgt von der Effizienz, mit der Proben multiplexiert werden können, und den erforderlichen Ergebnissen. Die Integrität der Proben kann ebenfalls das Angebot beeinflussen, wenn sie alternative Bibliotheksstrategien oder zusätzliche Qualitätskontrollen erforderlich macht.
Wie viele Reads werden für Bulk-mRNA-Seq benötigt?
Es gibt keine einheitlich richtige Tiefe, da das erforderliche Lese-Budget von dem biologischen Endpunkt und der Komplexität der Probe abhängt. Die differenzielle Genexpression auf Genebene hat oft andere Tiefenanforderungen als Studien, die sich auf die Empfindlichkeit gegenüber niedrig-abundanten Transkripten oder eine breitere Erfassung des Transkriptoms konzentrieren.
Ist ein paired-end (PE150) immer notwendig?
Paired-End-Konfigurationen wie PE150 sind verbreitet, da sie eine robuste Zuordnung und Splice-Evidenz über viele Arbeitsabläufe hinweg unterstützen, jedoch sind sie nicht universell für jeden Genzählendpunkt erforderlich. Die Toleranz eines Projekts für Kompromisse und seine nachgelagerten Anforderungen sollten die Entscheidung leiten.
Was kostet mehr: poly(A)-Selektion oder umfassendere Gesamt-RNA-Ansätze?
Breitere Erfassungsansätze erfordern häufig mehr Sequenzierung, um eine vergleichbare effektive Abdeckung bei kodierenden Ausdrucks-Endpunkten zu erreichen, was die Kosten erhöhen kann. Die Poly(A)-Selektion ist oft effizient für mRNA-fokussierte Studien, während breitere Erfassungen die zusätzlichen Ausgaben wert sein können, wenn die Biologie dies erfordert. Der Kontext der Methode wird zusammengefasst unter mRNA-Sequenzierung vs. Gesamt-RNA-Sequenzierung.
Erhöht degradierte RNA die Kosten?
Degradierte RNA kann die Kosten erhöhen, da sie möglicherweise unterschiedliche Bibliotheksstrategien, tiefere Sequenzierung zur Kompensation unbrauchbarer Reads oder zusätzliche QC-Schritte erfordert. Eine frühzeitige Einsicht in die RNA-Integrität verhindert oft teure Änderungen während des Projekts.
Kann die Kosten durch Senkung der Sequenzierungstiefe reduziert werden?
Die Reduzierung der Tiefe kann die Kosten senken, wenn der Endpunkt mit niedrigeren Lese-Budgets kompatibel ist und die Proben sauber sind. Eine Verringerung der Tiefe kann jedoch die Sensitivität für Transkripte mit geringer Häufigkeit verringern und subtile Effekte schwerer erkennbar machen, weshalb sie als bewusster Designkompromiss betrachtet werden sollte.
Welche Informationen werden benötigt, um ein RNA-seq-Projekt zu quotieren?
Spezies, Probenart, RNA-Integrität/Menge, wenn verfügbar, Bibliothekspräferenz, Leseanordnung, Tiefenabsicht, Studiendesign (Gruppen und Replikation) und Liefergegenstände. Selbst wenn einige Felder unbekannt sind, ermöglicht ein klarer Endpunkt plus eine Entwurfsliste der Proben oft ein genaues Startangebot.
07 Fazit
RNA-seq-Budgets werden vorhersehbar, wenn die Preisgestaltung als Designergebnis und nicht als fester Preis pro Probe betrachtet wird. Projekte, die den biologischen Endpunkt frühzeitig definieren, den Bibliothekstyp auswählen, der zu diesem Endpunkt passt, die Sequenzierungstiefe richtig dimensionieren und die Liefergegenstände im Voraus festlegen, vermeiden in der Regel Nachsequenzierungen, Änderungen während des Projekts und inkonsistente Chargen über verschiedene Durchläufe hinweg.
CD Genomics unterstützt Bulk-RNA-Sequenzierungsprojekte von der Bibliotheksvorbereitung und Hochdurchsatz-Sequenzierung bis hin zur standardmäßigen Datenlieferung und optionalen nachgelagerten Analyse (RUO). Um ein Projekt effizient zu planen, ist ein praktischer Ausgangspunkt RNA-Seq (Transkriptom) Sequenzierung (Überblick) oder mRNA-Sequenzierungsdienst (poly(A) Workflows), gefolgt von einer Angebotsanfrage mit der Probenliste und dem Studiendesign.
Referenzen:
- Alpern, David, et al. "BRB-seq: Ultra-Erschwingliche Hochdurchsatz-Transkriptomik Ermöglicht durch Bulk-RNA-Barcoding und Sequenzierung." Genomik Biologie, 2019.
- Bray, Nicolas L., et al. "Nahezu optimale probabilistische RNA-seq Quantifizierung." Naturbiotechnologie, 2016.
- Conesa, Ana, et al. "Eine Umfrage zu den besten Praktiken für die Analyse von RNA-seq-Daten." Genomik Biologie, 2016.
- Dobin, Alexander, et al. "STAR: Ultrahochgeschwindigkeits-Universal-RNA-seq-Ausrichter." Bioinformatik, 2013.
- Ewels, Philip, et al. "MultiQC: Fassen Sie Analyseergebnisse für mehrere Tools und Proben in einem einzigen Bericht zusammen." Bioinformatik, 2016.
- Law, Charity W., et al. "voom: Präzisionsgewichte eröffnen Werkzeuge zur Analyse linearer Modelle für RNA-seq-Lesezahlen." Genomik Biologie, 2014.
- Liebe, Michael I., Wolfgang Huber und Simon Anders. "Moderierte Schätzung von Fold Change und Dispersion für RNA-seq-Daten mit DESeq2." Genomik Biologie, 2014.
- Patro, Rob u. a. "Salmon bietet eine schnelle und biasbewusste Quantifizierung der Transkriptexpression." Naturmethoden, 2017.
- Robinson, Mark D., Davis J. McCarthy und Gordon K. Smyth. "edgeR: ein Bioconductor-Paket zur Analyse der differentiellen Expression von digitalen Genexpressionsdaten." Bioinformatik, 2010.
- Schroeder, Andreas, et al. "Die RNA-Integritätszahl (RIN): Eine RNA-Integritätszahl zur Zuordnung von Integritätswerten zu RNA-Messungen." BMC Molekulare Biologie, 2006.
- Schurch, Nicholas J., et al. "Wie viele biologische Replikate sind in einem RNA-seq-Experiment erforderlich und welches Werkzeug zur differentiellen Expression sollten Sie verwenden?" RNA, 2016.
- SEQC/MAQC-III-Konsortium. "Eine umfassende Bewertung der Genauigkeit, Reproduzierbarkeit und Informationsgehalt von RNA-seq durch das Sequencing Quality Control Konsortium." Naturwissenschaftliche Biotechnologie, 2014.
- Wang, Zhong, Mark Gerstein und Michael Snyder. "RNA-Seq: Ein revolutionäres Werkzeug für die Transkriptomik." Nature Reviews Genetics, 2009.
- Zhao, Shilin, et al. "Vergleich von RNA-Seq durch Poly(A)-Fang, ribosomale RNA-Depletion und DNA-Mikroarray zur Expressionsprofilierung." BMC Genomik, 2014.
Richtlinien zur Einreichung von Proben
