转录组学与蛋白质组学基础概念归纳总结
好，咱们开始第2章。
说实话，每次看到这俩词，我脑子里冒出来的就是“中心法则”。你想想看，DNA是设计蓝图，RNA是施工指令，蛋白质是最终干活的工人。转录组和蛋白质组，就是管“施工指令”和“工人”的。搞归一化之前，得先把这些底子夯实了。
2.1 转录组学：那个“全量快照”
转录组学，我习惯把它理解为一个细胞在特定时刻的“全量RNA快照”。它记录的不是基因序列本身，而是哪些基因正在被转录、转录了多少。
- 研究对象：所有RNA分子，包括mRNA、ncRNA、lncRNA、miRNA等。
- 主要技术：RNA-seq（Illumina为主）、Nanopore直接RNA测序、微阵列芯片。
- 核心产出：基因表达矩阵（基因×样本），单位通常是FPKM、TPM或Count。
- 归一化难点：测序深度差异、基因长度偏好、批次效应。
这里我多说一句。我在一个单细胞RNA-seq项目里遇到过一个问题——同一个样本用不同批次跑，结果主成分分析图硬是分成了两团。当时排查了很久，发现是文库制备环节的试剂批次不同。这就是典型的批次效应，也是归一化需要解决的核心问题之一。
2.2 蛋白质组学：那个“执行者全景”
蛋白质组学就没那么简单了。RNA从转录到蛋白质，中间还隔着翻译调控、翻译后修饰、蛋白降解……你想想看，一个mRNA分子可能被翻译成千上万次，也可能翻译一次就被降解了。所以蛋白质组比转录组复杂得多。
- 研究对象：细胞、组织或生物体中全部蛋白质及其异构体、修饰形式。
- 主要技术：LC-MS/MS（液相色谱串联质谱）、基于TMT/iTRAQ的定量蛋白质组学、SWATH/DIA。
- 核心产出：肽段鉴定列表、蛋白质定量矩阵、丰度占比或intensity值。
- 归一化难点：肽段离子化效率不同、信号饱和、缺失值极多、动态范围宽（从百万拷贝到几个拷贝）。
说回到技术，TMT标记是目前群体蛋白质组学的主流。10-plex、16-plex，甚至更多。好处是可以同时比较多个样本，但问题也来了：不同通道之间的标记效率有差异，必须做内参归一化。我见过有人不做内参直接分析，结果出了个假阳性的论文……嗯，这里就不点名了。
2.3 核心差异：为什么不能直接比较？
这可能是整门课最核心的道理了。两个组学的测量单位根本不一样。
| 维度 | 转录组学 | 蛋白质组学 |
|---|---|---|
| 测量对象 | RNA分子（拷贝数） | 蛋白质分子（丰度/intensity） |
| 动态范围 | 约3-4个数量级 | 约6-8个数量级 |
| 缺失值 | 较少（零表达可检测） | 极多（低丰度蛋白质测不到） |
| 测量偏差 | PCR偏好、GC偏好 | 离子化效率、肽段可检测性 |
| 时间尺度 | 反映转录活性（分钟级） | 反映蛋白稳态（小时级） |
你看这个表格。两个组学的数据特征完全不同。直接拿RNA-seq的TPM和蛋白质组的iBAQ去做相关性分析，结果大概率是0.3到0.5之间——不那么高。这不是数据质量差，而是两种分子机制本身就有差异。我在项目中遇到过最典型的就是：某个基因mRNA上调了5倍，但蛋白质只上调了1.2倍。为什么呢？翻译调控可能在关闸。
2.4 归一化的“共同语言”
既然没法直接比，那就得找一个“共同语言”。归一化就是做这个事。但转录组和蛋白质组的归一化思路是不同的。
对于转录组，归一化要解决：
- 样本间测序深度差异
- 基因长度偏好
- 批次之间的系统偏差
常用的方法：TPM/FPKM标准化、DESeq2的median of ratios、TMM。
对于蛋白质组，归一化要解决：
- 样本间总蛋白上样量差异
- 肽段离子化效率差异
- 批次效应和缺失值插补
常用的方法：Global normalization（总intensity归一化）、Median normalization、VSN、LIMMA。
2.5 非编码RNA的“意外收获”
我记得做第一个转录组项目时，仅关注了mRNA的变化。后来发现，绝大部分的RNA其实是非编码RNA（ncRNA）。比如miRNA会抑制翻译，lncRNA能调控转录。这些ncRNA的变化，可能会通过调控网络间接影响蛋白质组。
所以，在做整合分析时，不要只盯着mRNA和蛋白质。有时候一个miRNA降低了，你发现某个靶蛋白浓度升高了，这可能就是调控关系。归一化时要考虑到这一点：如果只做mRNA和蛋白的直接关联，可能会错失ncRNA介导的间接效应。
2.6 数据整合分析的“三座大山”
实操中，我总结了三个最大的坑：
- 尺度不匹配：转录组的TPM和蛋白质组的归一化intensity，数据分布差异巨大。一个TPM可能是0.1到10000，蛋白质组的intensity可能是1e5到1e10。必须做log转换或z-score。
- 时间错位：转录组测量的是“当时在转录的”，蛋白质组测量的是“已经积累的”。半衰期不同，导致时间上的错位。比如刺激后1小时取样的RNA，和刺激后6小时取样的蛋白，相关性肯定不会高。
- 覆盖度问题：转录组可能检测到2万多个基因，蛋白质组也许只能鉴定到8000个。剩下的那1万2千个蛋白呢？不是不存在，而是被低丰度问题漏掉了。这部分缺失值怎么处理，是归一化后的关键。
2.7 小结
好，这一章我带着大家过了一下转录组和蛋白质组的基本概念。记住几句话：
- 转录组是“全量RNA快照”，蛋白质组是“执行者全景”。
- 两个组学的测量单位、动态范围、缺失模式完全不同。
- 归一化要解决各自的问题，但最终要找“共同语言”。
- 别忘了ncRNA这条线，它可能影响蛋白质组的调控。