一、RNA-seq 技术原理与历史：从 Northern 到全转录组

1.1 为什么我们需要 RNA-seq？

我刚开始做分子生物学实验那会儿，想测一个基因的表达量，还得小心翼翼地跑 Northern blot。说白了，那种方法又慢又麻烦，一次只能看一两个基因。

后来有了基因芯片，通量上来了。但你想想看，芯片只能检测我们「已知」的转录本。对于非编码 RNA、可变剪切这些未知的东西，芯片就是瞎子。

RNA-seq 的出现，彻底解决了这个问题。它不需要预先设计探针，能捕获样本中所有的 RNA 分子。我个人习惯把 RNA-seq 称为「转录组学的 CT 扫描」——可以看到全局，也能深挖细节。

一句话总结：RNA-seq 利用高通量测序技术，对细胞或组织中全部 RNA 进行反转录建库和测序，从而获得转录组的全面信息。

1.2 技术发展史：三步走

我把 RNA-seq 的技术演进分为三个阶段，每个阶段都有代表性的平台和痛点。

阶段 时间 代表平台 核心痛点
1.0 探索期 2008–2010 Roche 454, SOLiD 读长短、通量低、成本高
2.0 爆发期 2011–2015 Illumina HiSeq 2000/2500 读长短导致拼接困难
3.0 成熟期 2016–至今 Illumina NovaSeq, PacBio, Oxford Nanopore 数据量大带来存储和计算挑战

我记得 2014 年做第一个 RNA-seq 项目时，用的还是 HiSeq 2000。那时候跑一个样本要 7 天，单次运行成本差不多 3 万块。现在 NovaSeq 一天就能跑完，单样本成本降到了几百块。技术迭代的速度，确实让人感慨。

1.3 核心原理：建库 + 测序 + 比对

RNA-seq 的实验流程其实不复杂，但每一步都有坑。我拆成三个核心环节来说。

1.3.1 文库构建

从总 RNA 中富集 mRNA（通常用 poly(A) 捕获或 rRNA 去除），然后打断、反转录成 cDNA，加上接头和 index 标签。嗯，这里要注意：rRNA 去除的效率直接决定了有效数据比例。我在项目中遇到过 rRNA 残留太高，结果 70% 的 reads 都浪费了。

1.3.2 高通量测序

建好的文库上机测序。常见模式有 SE（单端）和 PE（双端）。我个人建议：做有参考基因组的物种，用 PE150 就行；要是做 de novo 组装，可以考虑更长读长。

1.3.3 数据比对与定量

测序下机的 raw reads 经过质控（去掉低质量、接头污染）后，比对到参考基因组或转录组。然后根据比对结果，统计每个基因或转录本的 counts 数。

# 经典比对流程（以 STAR 为例）
STAR --genomeDir /path/to/genome \
     --readFilesIn sample_R1.fastq sample_R2.fastq \
     --outSAMtype BAM SortedByCoordinate \
     --quantMode GeneCounts

# 输出结果中的 ReadsPerGene.out.tab 可直接用于差异分析
小经验：如果你用 STAR 的 --quantMode GeneCounts，它会自动生成基因水平的 counts，省去后续用 featureCounts 的步骤。但要注意它默认只统计唯一比对的 reads，如果你的数据有多个最佳比对，记得调整参数。

1.4 为什么 RNA-seq 能替代芯片？

我经常被问到这个问题。其实核心就三点：

  1. 动态范围广——芯片的信号范围通常只有 3–4 个数量级，RNA-seq 可以覆盖 5–6 个甚至更高。
  2. 无需先验信息——芯片只能检测已知序列，RNA-seq 可以发现新的转录本、融合基因、非编码 RNA。
  3. 单碱基分辨率——可以准确识别 SNP、点突变、RNA 编辑等变异。

你看这张图就能直观理解 RNA-seq 的技术架构和主要应用方向。

RNA-seq 技术原理与核心应用 Total RNA 样本 mRNA 捕获 / rRNA 去除 反转录 + 打断 + 加接头 高通量测序 (SE/PE) 比对 → 基因定量 差异表达分析 新转录本 / 可变剪切 应用场景：疾病标志物发现 / 药物靶点筛选 / 发育调控研究 / 进化分析

1.5 常见误区与避坑指南

做 RNA-seq 分析这些年，我踩过的坑不计其数。这里挑几个最常见的，希望你碰到时能绕开。

  • 误区一：数据量越大越好
    我曾经有过一个项目，样本测了 100M reads，结果发现 80% 都是低质量的。后来质控一过滤，只剩 20M 能用。你想想看，数据量不关键，关键是有效数据比例。
  • 误区二：只做一次生物学重复
    嗯，这是新手最容易犯的错误。没有重复，你根本无法评估技术变异和生物学变异。我建议至少 3 个生物学重复。
  • 误区三：用默认参数跑 STAR/HISAT2
    默认参数不一定适合你的数据。比如读长 50bp 和 150bp 的 splice junction 参数差异很大。我习惯每次先跑一个样本，看看比对率、junction 数量，再调整参数。
重要提醒：RNA-seq 分析的第一步是实验设计。如果你在实验设计阶段没做好分组、重复、测序深度规划，后期再好的统计方法也救不回来。我个人习惯在实验开始前，先用 pwr 包或 RNASeqPower 算一下需要的样本量。

1.6 本章小结

RNA-seq 已经发展了十几年，技术越来越成熟，成本越来越低。但技术门槛降低不代表分析门槛降低。理解原理、知道每个环节可能的陷阱，才能做出可靠的结果。

说白了，RNA-seq 就是一把「转录组的钥匙」。但你能不能用好这把钥匙，取决于你对技术本身的理解有多深。

← 上一章 📖 返回目录 下一章 →