编辑推荐：
在毒理学研究中，转录组基准浓度（BMC）建模对化学品风险评估意义重大。研究人员对比微阵列和 RNA-seq 在大麻二酚（CBC）和大麻酚（CBN）浓度响应转录组研究中的表现。结果显示二者整体基因表达模式相似，功能分析和 BMC 建模等效。该研究为转录组研究方法选择提供依据。
在现代毒理学领域，随着越来越多的化学品进入消费市场，迫切需要对其进行风险评估和监管决策。然而，传统的毒性测试方法往往存在局限性，难以满足快速、高效、准确评估化学品毒性的需求。为了更好地解决这些问题，转录组学（transcriptomics）应运而生。转录组学能够在全基因组水平上研究化学物质暴露所引起的生物扰动，为毒理学研究提供了强大的工具。将转录组学与基准浓度（Benchmark Concentration，BMC）建模相结合，可以为数据有限的化学品提供定量的毒理基因组信息，在监管风险评估中发挥着越来越重要的作用。
过去，全基因组微阵列（microarray）曾是转录组学研究的主要平台，它具有样本制备相对简单、成本较低、数据分析方法成熟等优点。但同时，微阵列也存在动态范围有限、背景噪声高、非特异性结合等缺点。随着技术的发展，下一代 RNA 测序（RNA-seq）技术逐渐兴起。RNA-seq 基于对能可靠比对到参考序列的读数进行计数，具有动态范围无限制、可检测到微阵列通常无法检测到的转录本（如剪接变体和非编码转录本）等优势，近年来已逐渐成为转录组学研究的主流平台。
尽管已有研究对 RNA-seq 和微阵列在毒理基因组学应用中的表现进行了比较，但这些研究大多局限于单剂量体内暴露后的基因表达谱分析，对于剂量或浓度响应建模方面的比较却十分匮乏。而且，以往唯一的比较剂量反应研究距今已有十多年，当时的 RNA-seq 技术及其数据分析算法相对落后。因此，在两种技术都已成熟的当下，进行一次更新的比较显得尤为必要。
美国食品药品监督管理局（U.S. Food and Drug Administration，FDA）的研究人员 Xiugong Gao 等人开展了一项研究，旨在比较微阵列和 RNA-seq 在浓度响应转录组研究中的表现。研究人员选择了大麻二酚（cannabichromene，CBC）和大麻酚（cannabinol，CBN）这两种大麻素作为研究对象，利用之前微阵列浓度响应转录组研究中的相同样本，进行 RNA-seq 实验。
研究人员用到的主要关键技术方法包括：细胞培养，使用商业诱导多能干细胞衍生的肝细胞（iPSC-derived hepatocytes），按照标准流程进行培养；RNA 样本制备，在细胞暴露结束后进行裂解、匀浆，纯化总 RNA 并检测其浓度、纯度和质量；微阵列数据生成，利用 Affymetrix 的相关试剂和仪器，按照标准操作流程进行样本处理、杂交、染色、洗涤和扫描，最后进行数据预处理和分析；RNA-seq 数据生成，使用 Illumina 的相关试剂盒制备测序文库，进行测序和数据分析，包括读数比对、基因计数和归一化等；功能分析，运用基因集富集分析（Gene Set Enrichment Analysis，GSEA）软件对基因组表达数据进行分析；BMC 建模，使用 BMDExpress v.3 软件，按照相关标准流程进行建模和分析。
研究结果如下：
- 整体基因表达模式比较：通过主成分分析（Principal Component Analysis，PCA）和层次聚类分析（Hierarchical Clustering Analysis，HCA）发现，两种平台在反映 CBC 和 CBN 浓度相关的整体基因表达模式上相似，但 RNA-seq 数据集中存在更多噪声，可能是由于大量非编码 RNA 转录本对浓度变化无响应。在样本聚类方面，对于 CBC，RNA-seq 的效果优于微阵列；对于 CBN，微阵列的效果更好。
- 基因表达一致性比较：将两种平台的表达数据映射到 Entrez 基因标识符后发现，它们在 18736 个基因上存在重叠。定量比较显示，两种平台测量的基因丰度变化具有良好的一致性，但 RNA-seq 的倍数变化估计值普遍高于微阵列，且在散点图中出现分叉现象，部分基因可能被 RNA-seq 识别为差异表达基因（Differentially Expressed Genes，DEGs），而微阵列未识别。在各浓度下，RNA-seq 检测到的 DEGs 数量均多于微阵列，但微阵列识别的 DEGs 中，大多也能被 RNA-seq 检测到，且两种平台对几乎所有共享 DEGs 的表达变化方向一致，不过 RNA-seq 检测到的共享 DEGs 的倍数变化动态范围更宽。
- 功能分析比较：利用 GSEA 对两种平台的数据进行功能分析，结果表明，虽然 RNA-seq 检测到更多的 DEGs，但两种平台富集的功能基因集数量大致相等。对于 CBC 和 CBN，两种平台富集的基因集重叠率较高，且微阵列富集的重叠基因集在富集分数和统计数据上表现更优。
- BMC 建模比较：对两种平台的数据进行 BMC 建模，结果显示，在基因和通路层面，两种平台的建模结果在条目数量和中位 BMC 范围上基本一致，不过在某些功能分类中存在细微差异。从功能分类条目的一致性来看，基因层面的相似性较低，但 GO 生物过程（Gene Ontology Biological Process，GO_BP）、Reactome 通路和 BioPlanet 通路层面的相似性较高。
- 转录组起始点（tPoD）值比较：通过 BMC 建模推导 tPoD 值，发现两种平台为 CBC 和 CBN 推导的 tPoD 值相近，在定义阈值暴露值方面表现相当。
研究结论和讨论部分指出，尽管微阵列和 RNA-seq 在某些方面存在差异，但总体上二者具有较好的一致性。RNA-seq 虽然能检测到更多的 DEGs 和更宽的基因表达动态范围，但在功能分析和 BMC 建模方面，与微阵列表现相当。考虑到微阵列成本较低、数据量较小、数据分析和管理更方便，且软件和公共数据库资源更丰富，对于仅关注蛋白质编码基因表达的传统转录组研究，如通过通路识别进行机制研究和通过浓度响应建模推导 tPoD 值，微阵列仍然是一种可行的选择。
该研究为转录组学研究中技术平台的选择提供了重要参考，有助于研究人员根据具体研究需求，更合理地选择转录组分析技术，推动毒理基因组学研究的发展，为化学品的风险评估和监管决策提供更可靠的依据。这一研究成果发表在《BMC Genomics》上，为相关领域的科研工作者提供了有价值的借鉴。
