第1章 RNA-seq简介与应用场景归纳总结

RNA-seq，全称RNA sequencing，就是转录组测序。它利用高通量测序技术，对细胞或组织中的RNA进行测序，从而获得转录本的结构、表达水平及变异信息。说白了，就是看哪些基因在表达，表达量有多高，以及有没有新的转录本出现。

我2014年刚接触这个领域时，主流技术还是基因芯片。那时候做表达谱分析，只能检测已知基因，而且信号动态范围有限。后来转到RNA-seq，第一次看到完整转录组数据时，说实话，挺震撼的。不仅能看到已知基因的精细表达，还能发现新的转录本、可变剪接事件，甚至检测到非编码RNA。

1.1 什么是RNA-seq？

RNA-seq的核心原理并不复杂：

将RNA反转录为cDNA，然后打断成小片段，加上接头后上机测序。测序得到的reads比对到参考基因组或转录组上，通过计数来量化每个基因或转录本的表达水平。

为什么会这么流行？因为它比传统芯片技术灵活得多。我整理了一个对比表，你一看就明白：

对比维度	RNA-seq	基因芯片
检测范围	全转录组，包括已知和未知转录本	仅限于芯片上设计的探针
动态范围	高（>10⁵）	低（10²–10³）
分辨率	单碱基级	探针级
可变剪接检测	可以	有限
新转录本发现	可以	不可以

嗯，这里要注意。虽然RNA-seq优势明显，但芯片在成本和数据分析的标准化方面仍有优势。选哪种技术，还是要看具体的研究问题。

1.2 RNA-seq的核心技术流程

一个标准的RNA-seq分析流程，可以分为实验和分析两大部分：

实验阶段：

1. 实验设计与样本分组
2. RNA提取与质量检测
3. 文库构建（mRNA富集、反转录、末端修复、加接头、PCR扩增）
4. 上机测序

分析阶段：

1. 数据质控（FastQC）
2. 比对到参考基因组/转录组
3. 表达定量
4. 标准化与差异表达分析
5. 功能富集与通路分析
6. 多维度数据整合与可视化

我在项目中遇到过一个问题：文库构建时的PCR扩增会引入偏差，尤其是GC含量高的区域。这会导致定量不准。后来我们采用了UMI（Unique Molecular Identifier）技术来纠正这个偏差。

数据质控是很容易被忽视的一步。我曾经因为没仔细看FastQC报告，导致一批数据质量不合格却没发现，白白浪费了后续分析时间。典型的质控命令很简单：

fastqc sample_R1.fastq.gz sample_R2.fastq.gz -o qc_report/

这个命令会生成HTML报告，里面包含了碱基质量、GC含量、接头污染等信息。我建议每次拿到数据，第一件事就是跑FastQC。

1.3 RNA-seq的主要应用场景

RNA-seq的应用场景非常广。我来归纳几个主要的：

应用场景	核心问题	分析要点
差异表达分析	不同条件下哪些基因表达有变化？	p值调整、倍数变化阈值
可变剪接分析	基因是否存在不同的剪接形式？	外显子使用、剪接点检测
新转录本发现	是否存在未注释的转录本？	从头组装、转录本重构
非编码RNA分析	lncRNA、circRNA等表达如何？	特殊文库构建、生物信息学预测
单细胞RNA-seq	细胞异质性、稀有细胞类型	降维聚类、拟时序分析

我最近参与了一个肿瘤免疫项目，用的就是单细胞RNA-seq来分析肿瘤微环境中的免疫细胞亚群。说实话，单细胞数据的分析复杂度比常规bulk RNA-seq高不少，但能获得的分辨率也是前所未有的。

1.4 从统计表到生物学意义——整体框架

这个课程的核心目标，就是帮大家把RNA-seq分析中产生的统计表格，转化为有生物学意义的结论。说白了，就是不能让分析停留在"基因A的p值小于0.05"这种层面，而是要回答"这个基因在什么通路中发挥作用？它和疾病有什么关系？"

下面这张图展示了RNA-seq分析的整体框架，从实验设计到最终的生物学意义解读：