RNA-seq：从转录组到数字信号
记得我刚入行那年，我们的转录组研究主要依赖基因芯片。每个探针信号只能告诉我“这个基因有没有表达”，而且背景噪音高得让人头疼。后来RNA-seq出现了，这玩意儿把转录组研究彻底翻了个底朝天。
核心思路：RNA-seq的关键在于数字化。把RNA分子打碎成短片段，然后高通量测序，最后数一数每个基因上有多少匹配的片段。说白了，就是把模拟信号变成了数字信号。
为什么是RNA-seq？
在讲具体流程前，我建议你先理解一个根本问题：为什么RNA-seq能取代芯片？
你看看芯片的局限性：
- 依赖已知序列——你只能检测芯片上已有的探针
- 动态范围窄——高表达和低表达基因很难同时看准
- 背景噪音高——杂交信号不够干净
RNA-seq一次性解决了这些问题。它能捕获已知和未知的转录本，动态范围能达到六个数量级以上，背景噪音也小得多。我在项目中遇到过好几次这样的情况：用芯片怎么做都找不到差异的基因，一上RNA-seq就现了原形。
RNA-seq的核心步骤
从拿到样本到最终的特征矩阵，中间会经过一系列步骤。我习惯把整个流程分为三个大阶段：
- 湿实验阶段：RNA提取、文库构建、上机测序
- 数据预处理阶段：质控、剪切、比对/定量
- 下游分析阶段：差异表达、功能注释、可视化
下面这张图可以帮你建立整体印象：
应用场景
RNA-seq的应用范围比我刚入行时想象的宽得多。这里我列出几个常见方向：
| 应用方向 | 核心问题 | 典型工具 |
|---|---|---|
| 差异表达分析 | 不同条件下哪些基因表达量有变化 | DESeq2, edgeR, limma |
| 可变剪接分析 | 同一个基因产生哪些不同的转录本 | rMATS, SUPPA2, MISO |
| 新转录本发现 | 参考基因组中未注释的转录区域 | Cufflinks, StringTie, FLAIR |
| 非编码RNA分析 | lincRNA、circRNA等功能研究 | Salmon, STAR, CIRCexplorer |
| 单细胞RNA-seq | 细胞异质性、稀有细胞类型鉴定 | Seurat, Scanpy, cellranger |
| 时间序列分析 | 动态表达模式、发育轨迹 | Monocle, Slingshot, TSCAN |
个人经验：我建议你从差异表达分析入手学RNA-seq。这条路最成熟，社区资源也多。等掌握了标准流程，再去看可变剪接或新转录本这些更复杂的问题。我当初就是这么做过来的。
常见应用场景速查
我们团队经常接到求助，问“我这个研究适不适合做RNA-seq”。下面这张表能帮你快速判断：
| 研究目标 | 推荐技术 | 备选方案 |
|---|---|---|
| 全转录本定量 | bulk RNA-seq | 基因芯片（不推荐） |
| 单细胞分辨率的表达谱 | scRNA-seq | 单细胞qPCR（通量太低） |
| 已知基因定量 | bulk RNA-seq / NanoString | qRT-PCR（基因数太少） |
| 新转录本或融合基因发现 | Paired-end RNA-seq | 长读长测序（成本高） |
| 非编码RNA谱 | small RNA-seq / total RNA-seq | 专用芯片（覆盖不全） |
其实选择哪个技术路线，关键看你的生物学问题和预算。RNA-seq不是万能的，但它的灵活性确实让人爱不释手。
一点小提醒
警惕批次效应：我在多个项目上吃过这个亏。如果你需要比较多组样本，尽量在同一次实验中完成建库和测序，或者至少用同一批次的试剂。跨批次的比较会让你在后续分析中多花好几倍的力气去校正。
编程基础：做好RNA-seq分析，你至少需要熟悉Linux命令行、R或Python的基础操作。别一上来就折腾全流程，先学会跑一个简单的差异分析脚本，再慢慢扩展到其他环节。
这一章只是开个头。接下来的内容我会从原始数据开始，一步步带你走到特征矩阵。嗯，准备好了吗？