分类& Evolution

从植物标目样品中建立大脑发育的新型高通量方法

Herbaria是一种用于大脑发育的不足资源。

包含数百或数千个单独物种的大文学发生通常使用来自少数遗传基因座的序列组装在诸如GenBank的在线数据库中。这可能是有问题的,因为系统发育受到可用基因座的数量的限制,因为用户必须信任通常与特定样本券的序列的准确分类识别,因为它们可以确认它们的测定。

Herbaria代表A. 巨大和使用不足的资源 对于来自罕见和罕见的标本的标记的测序,并具有可靠,可核查的确定和易于使用的形态信息的优点。然而,对于这种类型的作品的一些缺点是高碎片化的DNA,凭证通常会产生凭证,并且涉及将大量样品从优惠券中移动到实验室以完成序列的劳动力。

在发表的新文章中 植物科学的应用,牵头作者Ryan A.民俗和希瑟R. Kate和同事介绍了一个集成的管理系统,用于简化整个抽样到排序管道。叫 苗条(标本到实验室信息管理系统),系统使用唯一的标识符和分类数据库将样本链接到标本图像和湿实验结果。一旦采样,链接的凭证图像将从大自然上传到公民科学平台音符,其中通过标记转录产生元数据,而组织本身经历过高通量DNA提取和针对植物标本的测序方案。

图片:民间 。 2021。

作者将其管理管道应用于大约15,000种的氮气植物植物液的大约15,000种文学,产生了包含在疏水内部约50%的数据集。总体而言,管理系统的使用导致了植物标料抽样,每样本和DNA提取为每种样品约为5人的分钟。采样错误率达到大约1.2%,排序失败率仅为0.2%。

作者优化了其特定的系统发育需求的管道,但它提供了它作为一系列模块化脚本而不是单一统一的软件,因此可以很容易地适应各种项目和样本类型的需求。 “相当大的工作致力于植物豆芽中的高吞吐量数字化工作流程;他们编写的,有一天可以有一天能够使当今的群体与分子和其他数据依赖于破坏性采样的分子和其他数据相关联的情况下,使得并行方法。 “我们预计这里呈现的高吞吐量采样方法将是未来大规模项目的系统托Modics工具包的标准部分。”

发表评论

本网站使用AkisMet减少垃圾邮件。 了解如何处理评论数据.