- 产品描述
- 产品组分
- 文件资源
- 营销中心
- 注意事项
- FAQ
- 文献追踪
-
Arima-HiC+ 试剂盒是一种邻近连接试剂盒,旨在让任何分子生物学实验室都能获得稳定、可用于发表的高质量 Hi-C 数据。首先将样本中的染色质进行交联以保留其三维构象,随后使用专为全基因组均匀覆盖优化的专属限制性内切酶组合进行酶切,用生物素标记的核苷酸进行末端填充,再在空间邻近的末端完成连接。得到的邻近连接 DNA 经过纯化后,通过 Arima 文库制备模块在链霉亲和素磁珠上实现富集,最后在 Illumina 平台上进行双端测序。后续可借助开源工具(Juicer、Juicebox、HiC-Pro)解析 A/B 区室、拓扑关联结构域(TADs)以及染色质环。
该工作流程专为初次接触 Hi-C 技术的用户以及经验丰富的三维基因组学实验室设计。它将 Hi-C 实验流程简化为 6 小时、8 个步骤的方案,实际操作时间约 1 小时,并整合了测序前定量质量控制(Arima-QC1 和浅层测序质量控制),让你在进行深度测序前就能确认自己的文库已达到发表标准。
Arima-HiC 是一种用于捕获基因组序列及结构(三维构象)的实验流程。如上方 Arima-HiC 流程示意图所示,研究人员使用含两种限制性内切酶(RE)的混合物对客户提供的交联细胞中的交联染色质进行酶切。随后填补 5' 突出端,使酶切末端被生物素化核苷酸标记。接下来,将空间上邻近的 DNA 酶切末端进行连接,从而捕获基因组的序列与结构。对连接后的 DNA 进行纯化,得到纯净的近端连接 DNA。使用IVDSHOW公司的EpiBox超声仪对近端连接 DNA 进行片段化处理,再利用链霉亲和素磁珠富集生物素化片段。最后,通过定制的文库制备方案(使用 Arima 文库制备模块,货号 53243 对应索引 1-16;货号 53244 对应索引 17-32)对富集片段进行处理,制备出可用于测序的 Arima-HiC 文库。

图1. Hi-C接触矩阵(示例见下方)可视化了全基因组范围内所有成对染色质相互作用。
颜色更亮的点表示两个基因组位点之间的接触频率更高。非对角线的点突出显示了特定的长距离环结构,揭示了线性基因组的远距离区域如何在三维空间中折叠结合。

图2. 全染色体Hi-C热图与区室特征向量示例
放大查看7号染色体的全貌。在全染色体Hi-C热图中,数据中的区室信号表现为棋盘状图案,这与热图左侧和顶部的区室特征向量轨道上交替出现的蓝色和红色信号相对应。来自Juicer特征向量分析的A/B区室信号以蓝色和红色的波形格式绘制在两条坐标轴上。

图3. 已识别的拓扑关联结构域(TADs)的Hi-C热图示例。
3号染色体约50–85兆碱基区域的Hi-C接触图谱。TAD是基因组中染色质相互作用富集的区域,在Hi-C矩阵的对角线上表现为接触频率升高的三角形区块。计算识别出的TAD边界以黄色三角形的形式叠加在矩阵的左下半部分,而右上半部分则保持无遮挡,以便更清晰地展示底层的Hi-C相互作用数据。
HiC文库制备试剂盒具有如下优势和特性:
- 全基因组均匀覆盖。多限制性内切酶化学技术(在^GATC和G^ANTC位点切割)可在约90%的基因组上实现均匀覆盖,避免了单4切酶Hi-C技术通常无法触及的约30%基因组区域。
- 快速高效的工作流程。 8步流程,耗时6小时,其中实际操作时间1小时;适配单管及96孔板;支持自动化操作。
- 广泛的样本兼容性。已在培养细胞/原代细胞、FACS分选细胞/细胞核、新鲜和冷冻动植物组织、外周血单个核细胞、冷冻保存细胞、全有核血液(新鲜或乙醇保存)以及FFPE组织(搭配Arima-HiC+ FFPE变体)中完成验证。
- 低输入量支持。最佳输入量为500纳克至5微克脱氧核糖核酸(通常为50万至100万人细胞),已有文献成功实现从更少细胞中获取并发表Hi-C数据(Romero, MA等人,《生物RxV》,2026年),以及从双重分选的细胞核中获取(Espeso-Gil等人,基因组医学,2020年)。
- 内置定量质量控制。Arima-QC1(连接后生物素掺入)可让你在文库制备前对样本进行筛选。
- 测序效率高。一次反应即可生成复杂度足够的文库,可支持多达约6亿读对——足以在哺乳动物基因组中开展全基因组5-10千碱基环结构分析。
关键词:- HiC文库制备试剂盒
-
产品组分
内容
型号
规格 储存温度
HiC文库制备试剂盒
53241-01 8次
-20°C HiC文库制备试剂盒
53241-02 16次
-20°C 操作手册
1 1 常温
-
注意事项
保存建议 厂家推荐蓝冰运输。当您收到产品后,按照说明书建议保存于-20°C。 -
FAQ
-
Espeso-Gil, S., et al. (2020). A chromatin connectome for psychiatric and metabolic risk variants in adult dopaminergic neurons. Genome Medicine, 12, 114. https://doi.org/10.1186/s13073-020-00799-2
Dixon, Jesse R., et al. (2018). Integrative detection and analysis of structural variation in cancer genomes using high-throughput sequencing and Hi-C (hic_breakfinder). Nature Genetics, 2018.
Wingett, Steven, et al. (2015). HiCUP: Pipeline for mapping and processing Hi-C data. F1000Research, 4, 1310.
Durand, Neva C., et al. (2016). Juicer provides a one-click system for analyzing loop-resolution Hi-C experiments. Cell Systems, 3(1), 95–98.
在线留言
如果您对我们的产品感兴趣,请留下您的信息,我们将尽快与您联系,谢谢!
艾维缔官网
艾德官网
B站IVDSHOW
抖音军哥聊表观
视频号艾维缔
小红书艾维缔
快手表观盒子
表观遗传学
联系我们

