普通转录组RNA-seq最全20问，带你彻底扫盲！

你是否对转录组测序既好奇又困惑？是否被各种术语和分析搞得头大？别担心，这篇推文汇总了大家最常问的20个RNA-seq问题，一次帮你理清思路！

1、Q：什么是普通转录组？它和单细胞转录组有什么本质区别？

A：普通转录组（Bulk RNA-seq）是对整个组织或细胞群体提取RNA后进行测序，得到的是所有细胞基因表达的“平均值”。而单细胞转录组则在单个细胞水平解析表达谱，能揭示细胞异质性。普通转录组成本低、技术成熟，适用于大样本差异比较；单细胞更适合精细解析复杂组织如肿瘤或脑组织。

2、Q：普通转录组主要检测哪些类型的RNA？

A：常规建库通常通过poly-A捕获法富集mRNA（真核生物），因此主要分析编码蛋白的mRNA。部分实验会采用rRNA去除法（如Ribo-Zero），保留更多非编码RNA（如lncRNA、circRNA前体），但miRNA等小RNA需专门的小RNA-seq建库。

3、Q：为什么必须设置生物学重复？最少要几个？

A：生物学重复用于反映个体间自然变异，是统计可靠性的基础。仅技术重复无法替代。主流期刊普遍要求至少3个生物学重复；若样本异质性强（如人临床样本），建议5个以上。2个重复无法有效估计方差，差异分析结果不可靠。

4、Q：取样和保存RNA时最关键的注意事项是什么？

A：RNA极易降解！关键点包括：① 快速处理（离体后立即液氮速冻或放入RNAlater）；② 全程低温操作；③ 使用无RNase耗材；④ 避免反复冻融。后续质检需确保RIN值 ≥ 7（Agilent Bioanalyzer测定），否则数据可能严重偏倚。

5、Q：建库时该选链特异性还是非链特异性文库？

A：强烈推荐链特异性文库（Strand-specific library）。它能区分正义链与反义链转录本，在基因重叠区域、反义转录本或原核生物多顺反子分析中至关重要。非链特异性文库可能导致定量错误，目前已逐渐被淘汰。

6、Q：普通转录组需要测多少数据量（G）才够用？

A：一般建议：

人类/小鼠等哺乳动物：6–10 G clean data

植物/复杂基因组：8–12 G

若仅做差异表达，6 G足够；若需分析可变剪接、新转录本或低丰度基因，建议≥10 G。

7、Q：有参考基因组和没有，对分析影响有多大？

A：影响极大！有参分析（如使用HISAT2、STAR比对到参考基因组）流程快、准确率高；无参分析需先用Trinity等工具从头拼接转录本，再注释，计算资源消耗大、易出错，仅适用于无基因组物种（如某些非模式生物）。

8、Q：FPKM、TPM和Counts，到底该用哪个做表达量？

A：用途不同：

差异表达分析（如DESeq2、edgeR）：必须用原始整数Counts

跨样本比较某基因表达水平：用TPM（Transcripts Per Million），因其先校正基因长度再标准化总量，更合理

FPKM因标准化顺序问题，已不推荐用于样本间比较。

9、Q：如何判断RNA-seq数据质量是否合格？

A：看四大指标：

Q30 ≥ 80%（碱基识别准确率）

比对率 ≥ 70%（有参情况下）

rRNA残留率 < 10%（建库去rRNA是否成功）

PCA图中组内聚拢、组间分离，说明重复性好、处理效应明显。

10、Q：筛选差异基因的标准是什么？log2FC和p值怎么定？

A：通用标准为：|log2(Fold Change)| ≥ 1（即表达变化≥2倍）且 FDR（False Discovery Rate）≤ 0.05。注意：不要用原始p值，必须用多重检验校正后的FDR（如Benjamini-Hochberg方法），否则假阳性极高。

11、Q：GO和KEGG富集分析有必要做吗？怎么做才规范？

A：非常必要！它将成百上千差异基因归类到生物学过程（BP）、分子功能（MF）、细胞组分（CC） 或信号通路，赋予数据生物学意义。推荐使用R包clusterProfiler，背景基因集应设为本次测序中检测到的所有基因，而非全基因组。

12、Q：PCA图怎么看？什么样的结果算理想？

A：理想PCA图应显示：同一处理组的生物学重复紧密聚集，不同处理组之间明显分离。若组内分散或出现异常离群点，可能提示样本污染、RNA降解或批次效应，需排查。

13、Q：热图只能展示差异基因吗？怎么画才专业？

A：热图常用于展示前50–500个差异最显著或表达方差最大的基因。专业做法包括：① 对每行（基因）做z-score标准化；② 使用层次聚类；③ 清晰标注样本分组；④ 配色合理（如蓝色=低表达，红色=高表达）。

14、Q：普通转录组能做可变剪接分析吗？准确吗？

A：可以，但有局限。需高深度数据（≥10 G）和高质量比对。工具如rMATS、SUPPA2可检测外显子跳跃、互斥外显子等事件。但由于短读长无法覆盖全长转录本，精确鉴定isoform仍需PacBio/Nanopore长读长验证。

15、Q：能用RNA-seq数据找SNP或基因突变吗？

A：技术上可行（通过GATK等工具call variant），但不推荐作为主要手段。因为RNA-seq只覆盖表达区域，且受剪接、RNA编辑、等位基因表达不平衡干扰，容易漏检或误判。DNA测序（WGS/WES）才是突变检测金标准。

16、Q：什么是批次效应？怎么识别和校正？

A：批次效应指因不同时间制备、不同操作员或不同测序泳道引入的技术偏差。可在PCA图中看到样本按“批次”而非“处理组”聚类。校正方法：① 实验设计时随机化；② 分析时用ComBat（sva包） 或在DESeq2模型中加入“batch”协变量。

17、Q：转录组结果一定要做qPCR验证吗？验证几个基因合适？

A：强烈建议验证！尤其对关键候选基因。qPCR成本低、灵敏度高，可确认趋势可靠性。通常选5–10个基因，包括显著上调、显著下调及不显著的基因，相关系数R² > 0.8视为验证成功。

18、Q：人或小鼠样本的转录组分析有特殊要求吗？

A：有！医学样本常需额外分析：① 融合基因检测（如STAR-Fusion）；② 免疫细胞浸润评估（CIBERSORTx、xCell）；③ 关联临床信息（生存分析、分期分型）。此外，伦理审批和临床数据脱敏也需注意。

19、Q：植物或细菌做普通转录组，建库有何不同？

A：

植物：富含多糖多酚，RNA提取困难，需CTAB法或专用试剂盒；部分mRNA无poly-A尾，建议用rRNA去除建库。

细菌（原核）：mRNA无poly-A，必须用rRNA去除法，且必须构建链特异性文库，否则无法正确解析操纵子结构。

20、Q：做完转录组分析，下一步该做什么？

A：根据研究目标推进：

机制研究 → 敲除/过表达关键基因 + 功能实验（CCK-8、流式、WB等）

标志物筛选 → ROC曲线分析 + 独立队列qPCR验证

通路深入 → 联合磷酸化蛋白组、代谢组等多组学整合

发文章 → 补充图表、撰写讨论、选择合适期刊（如BMC Genomics、Frontiers in Genetics等）