单细胞转座元件图谱揭示人类细胞身份的新维度：Stellarscope工具在基因组"暗物质"解析中的突破

（编辑推荐）本研究开发了Stellarscope计算工具，通过贝叶斯混合模型（Bayesian mixture model）和期望最大化算法（EM algorithm），首次在单细胞RNA测序（scRNA-seq）中实现转座元件（TE）的位点特异性定量。该研究构建了人类外周血单个核细胞（PBMC）的TE表达图谱，发现特定人类内源性逆转录病毒（HERV）和LINE1（L1）转录本可标记免疫细胞亚群，其中浆细胞样树突状细胞（pDC）高表达HARLEQUIN-1q32.1等位点。该工具为研究TE在细胞分化和疾病中的功能提供了新范式。

　　

Motivation
单细胞RNA测序（scRNA-seq）虽能高分辨率解析转录组，但占哺乳动物基因组大比例的转座元件（TE）常被忽视。这些重复序列因缺乏标准基因模型且存在多重比对困难，其表达量化面临技术挑战。Stellarscope应运而生——这款开源工具通过整合池化贝叶斯混合模型（pooled Bayesian mixture model），首次解决了单细胞数据中TE位点特异性表达的量化难题。

Highlights
• 创新性开发能定量scRNA-seq中TE位点表达的工具
• 发现特定HERV和L1转录本标记PBMC亚型
• TE差异表达可独立区分免疫细胞亚群
• pDC细胞特异性高表达HERV家族成员

Stellarscope设计精髓
该工具核心采用四步流程：1）基于细胞条形码（CB）和唯一分子标识符（UMI）的多重比对感知去重；2）构建考虑所有可能比对位置的权重矩阵；3）通过三种池化模式（单细胞/伪批量/细胞类型）拟合模型；4）基于后验概率重新分配读段。与scTE、soloTE等工具相比，Stellarscope的UMI计数估计更接近理论边界值，89.1%的细胞落在预期范围内。

PBMC中的逆转录转录组景观
在人类PBMC单细胞数据中，平均每个细胞检测到12个HERV和57个L1位点，占UMI总数的0.21%和1.05%。树突状细胞（DC）表现出最活跃的TE表达，其中浆细胞样DC（pDC）的HERV负载呈双峰分布，显著高于其他DC亚型（p < 2.2e^-16）。引人注目的是，HARLEQUIN-1q32.1位点在pDC中的表达变化幅度（LFC=4.20）甚至超过经典标记基因TCF4（LFC=3.77）。

TE表达重塑细胞分类标准
通过对比不同特征组合的UMAP分析发现：仅用HERV特征虽不能完全区分CD4⁺/CD8⁺ T细胞，但能揭示标准mRNA表达谱未检测到的细胞亚群。莱顿聚类（Leiden algorithm）显示，HERV表达模式可定义新的NK细胞和B细胞亚群。33个高变异HERV亚家族中，HARLEQUIN和MER34B的残差方差（RV=3.34和1.49）最高，其位点特异性表达保留了亚家族水平的异质性。

跨组织TE表达谱
在GTEx项目的6种人体组织单核RNA-seq数据中，TE表达占比高达6%，呈现显著组织特异性：
• 乳腺组织C1细胞群高表达HERV3-7q11.21（达6% UMI）
• 前列腺组织C6细胞群特异性表达MER4家族成员
• 心脏组织C4亚群具有独特的TE表达特征
这种组织特异性模式提示TE可能参与维持细胞身份。

技术应用边界
研究同时揭示了技术局限性：5′端测序（5′GEX）因测序深度不足，仅检测到3′端测序（3′GEX）21个HERV标记中的3个。此外，当前TE注释仍依赖基因组坐标而非转录本模型，可能遗漏复杂剪接事件。作者建议结合长读长测序（如CELLO-seq）完善注释，以更准确解析TE功能。

Discussion
该研究突破了传统细胞分型依赖蛋白编码基因的局限，证明"基因组暗物质"TE能提供互补性生物信息。特别是pDC中HARLEQUIN-1q32.1位点与RHEX基因重叠区域的异常表达，暗示TE可能通过顺式调控影响免疫细胞功能。随着在发育、衰老和神经退行性疾病中TE作用的不断揭示，Stellarscope将为这些领域提供新的研究维度。