基于微流控芯片的72重单核苷酸多态性族群推断系统的构建

任苹 刘京 蔺日胜 刘杨 黄美莎 胡胜 徐友春 李彩霞

引用本文: 任苹,  刘京,  蔺日胜,  刘杨,  黄美莎,  胡胜,  徐友春,  李彩霞. 基于微流控芯片的72重单核苷酸多态性族群推断系统的构建[J]. 色谱, 2018, 36(7): 599-607. doi: 10.3724/SP.J.1123.2018.01003 shu
Citation:  REN Ping,  LIU Jing,  LIN Risheng,  LIU Yang,  HUANG Meisha,  HU Sheng,  XU Youchun,  LI Caixia. Construction of a microfluidic chip-based 72 plex single nucleotide polymorphisms ancestry inference system[J]. Chinese Journal of Chromatography, 2018, 36(7): 599-607. doi: 10.3724/SP.J.1123.2018.01003 shu

基于微流控芯片的72重单核苷酸多态性族群推断系统的构建

  • 基金项目:

    国家重点研发计划(2017YFC0803501);国家自然科学基金项目(81772027);基本科研业务费专项资金项目(2016JB039);公安部物证鉴定中心协同创新工作项目(2017XTCX01);公安科技成果推广引导计划(2016TGYDGAES14).

摘要: 建立了常染色体单核苷酸多态性(SNPs)复合检测芯片体系,用于未知个体的族群来源推断。基于前期筛选的74-SNPs组合,采用竞争性等位基因特异性聚合酶链式反应(PCR)的原理构建SNPs的扩增体系,在微流控芯片的每个反应孔内完成一个SNP的检测,通过高通量PCR微流控芯片实现了其中72个SNPs的同步检测。芯片的扩增由平板PCR仪完成,反应孔的荧光信号通过激光共聚焦扫描仪检测,最终通过提取的荧光值进行结果分析。使用该芯片检测获得52份样本的SNPs分型,分型结果的准确率为100%。以57个人群的3628个样本为参考人群数据库,进行20份样本的族群来源推断,推断结果与样本的实际来源一致。本研究建立的常染色体72个SNPs微流控芯片体系可以有效地进行SNP多态性分析检测,基于参考数据库,20份检测样本族群推断的准确性为100%。

English

    1. [1] Jia J.[PhD Dissertation]. Chongqing:Chongqing Medical University, 2014 贾竟.[博士学位论文]. 重庆:重庆医科大学, 2014

    2. [2] Frudakis T, Venkateswarlu K, Thomas M J, et al. J Forensic Sci, 2003, 48(4):771

    3. [3] Phillips C, Salas A, Sanchez J J, et al. Forensic Sci Int Genet, 2007, 1(3/4):273

    4. [4] Jia J, Wei Y L, Qin C J, et al. Forensic Sci Int Genet, 2014, 8(1):187

    5. [5] Wei Y L, Wei L, Zhao L, et al. Int J Legal Med, 2016, 130(1):27

    6. [6] Kidd J R, Friedlaender F R, Speed W C, et al. Investig Genet, 2011, 2(1):1

    7. [7] Kosoy R, Nassir R, Tian C, et al. Hum Mutat, 2009, 30(1):69

    8. [8] Kidd K K, Speed W C, Pakstis A J, et al. Forensic Sci Int Genet, 2014, 10:23

    9. [9] Churchill J D, Schmedes S E, King J L, et al. Forensic Sci Int Genet, 2016, 20:20

    10. [10] Keating B, Bansal A T, Walsh S, et al. Int J Legal Med, 2013, 127(3):559

    11. [11] Li C X, Pakstis A J, Jiang L, et al. Forensic Sci Int Genet, 2016, 23:101

    12. [12] Kim J J, Verdu P, Pakstis A J, et al. Hum Genet, 2005, 117(6):511

    13. [13] Bayer R J, Mabberley D J, Morton C, et al. Am J Bot, 2009, 96(3):668

    14. [14] Nei M. Proc Nati Acad Sci U S A, 1973, 70(12):3321

    15. [15] Tamura K, Dudley J, Nei M, et al. Mol Biol Evol, 2007, 24(8):1596

    16. [16] Li L, Li C T, Li R Y, et al. Forensic Sci Int, 2006, 162(1/3):74

    17. [17] Hubisz M J, Falush D, Stephens M, et al. Mol Ecol Resour, 2009, 9(5):1322

    18. [18] Jiang L, Sun Q F, Ma Q, et al. Hereditas (Beijing), 2017, 39(2):166 江丽, 孙启凡, 马泉, 等. 遗传, 2017, 39(2):166

    19. [19] Schumacher S, Nestler J, Otto T, et al. Lab Chip, 2012, 12(3):464

    20. [20] Krishnadasan S, Brown R J, de Mello A J, et al. Lab Chip, 2007, 7(11):1434

    21. [21] Liu Z M, Yang Y, Du Y, et al. Chinese Journal of Analytical Chemistry, 2017, 45(2):282 刘赵淼, 杨洋, 杜宇, 等. 分析化学, 2017, 45(2):282

  • 加载中
计量
  • PDF下载量:  3
  • 文章访问数:  554
  • HTML全文浏览量:  79
文章相关
  • 收稿日期:  2018-01-03
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章