单细胞多组学解码非编码RNA的调控网络：从算法开发到癌症精准医疗的新视野

本刊特邀非编码RNA领域专家Hua-Sheng Chiu博士主持特辑，聚焦单细胞多组学技术揭示非编码RNA在癌症互作组中的调控机制。研究团队开发Hermes、Cupid、LongHorn和BigHorn等算法，系统解析miRNA/lncRNA的ceRNA网络与转录调控功能，发现其通过多层级调控协调癌症关键通路，并鉴定出可预测放疗响应的lncRNA生物标志物，为肿瘤精准治疗提供新策略。

　　

随着基因组学研究的深入，科学家们发现人类基因组中仅有不到2%的序列编码蛋白质，其余曾被称作"暗物质"的非编码区域实际上广泛转录产生大量非编码RNA（non-coding RNA, ncRNA）。这类分子包括microRNA（miRNA）和长链非编码RNA（long non-coding RNA, lncRNA）等，虽然在数量上远超蛋白编码基因，但其功能机制仍存在三大研究瓶颈：首先，ncRNA具有高度细胞类型特异性表达特征且缺乏序列保守性，导致定量识别困难；其次，它们与转录因子、RNA结合蛋白等经典调控因子的互作网络尚未明确；最后，缺乏经过验证的相互作用数据库和预测工具，使得研究者不得不从碎片化数据中拼凑ncRNA的功能拼图。

高通量测序技术的革命性进展为破解这一难题带来转机。单细胞多组学技术能够同时测量遗传、转录组、表观基因组和蛋白质组的变化，在单细胞分辨率下揭示细胞异质性。然而海量数据的整合分析必须依赖系统生物学开发的新型计算算法，通过数据挖掘、机器学习和人工智能等方法，从多组学数据中逆向重构分子互作网络，推动研究范式从单一组分分析向网络化视角转变。

在这一研究背景下，系统生物学家Hua-Sheng Chiu博士团队通过整合TCGA、CCLE、ENCODE等大型队列的多组学数据，开发了系列创新算法系统解析ncRNA功能。其中Hermes算法通过互信息分析构建竞争性内源RNA（competing endogenous RNA, ceRNA）网络，首次揭示RNA分子通过"海绵效应"竞争结合miRNA的调控机制，该网络规模可与转录因子-靶基因网络相媲美。基于此开发的Cupid算法显著提升miRNA靶标预测精度，发现共享大量miRNA调控的两个靶基因更易形成ceRNA交叉调控，并通过let-7 miRNA家族与LIN28蛋白的调控关系验证了算法的可靠性。

针对lncRNA研究，团队开发的LongHorn算法整合了lncRNA的四种作用模式（引导、辅因子、诱饵和开关），从上万例患者数据中推断lncRNA靶标并区分转录与转录后调控机制。最新开发的BigHorn算法则通过分析靶基因启动子区域的柔性结合 motif，发现lncRNA可同时通过转录和转录后双重机制协调靶基因调控，这一发现为理解lncRNA如何整合到细胞调控网络提供了新视角。

这些算法工具不仅推动基础研究突破，更催生重要临床转化应用。研究团队与肿瘤学家合作发现多个lncRNA可作为早期癌症诊断标志物和疗效预测指标，特别鉴定出可调控DNA损伤应答（DNA damage response, DDR）通路的lncRNA亚群。通过靶向这些分子，能够显著降低癌细胞对辐射的修复能力，由此开发的合成致死策略针对DDR蛋白突变的儿童肉瘤患者，有望通过联合lncRNA沉默与放疗提升治疗效果并降低毒性。

关键技术方法包括：整合TCGA、CCLE、ENCODE等32个公共数据库的多组学数据；开发Hermes、Cupid、LongHorn和BigHorn等计算算法解析ncRNA调控网络；利用siRNA、shRNA、CRISPRa/i等基因扰动技术验证功能；通过单细胞RNA测序（scRNA-seq）和单细胞ATAC测序（scATAC-seq）分析细胞异质性。

研究结果部分显示：

Hermes和Cupid算法成功绘制miRNA介导的ceRNA调控网络，发现该网络在癌症中促进关键驱动基因与通路间的交叉对话，为缺乏基因组变异的肿瘤发生提供解释机制。

LongHorn和BigHorn算法实现全基因组水平lncRNA靶标预测与功能注释，发现lncRNA通过多重调控层协调靶基因表达，并成功鉴定数千个未表征单外显子lncRNA和环状RNA的功能。

转化医学研究鉴定出具有临床价值的ncRNA生物标志物，揭示lncRNA通过调控DDR通路影响放疗响应的机制，开发出针对儿科肉瘤的联合治疗新策略。

研究结论表明，ncRNA通过多层级调控机制在细胞功能调控中发挥核心作用，单细胞多组学技术为解析其功能提供前所未有的分辨率。通过开发新型计算算法整合多组学数据，能够揭示ncRNA在细胞通讯、进化等过程中的新功能，这些发现不仅深化对人类生物学机制的理解，更为新型治疗策略开发奠定基础。该研究发表于《Hereditas》期刊的特辑"Single-Cell Multi-Omic Analysis of Cancer Interactome"，推动单细胞时代的整合性研究发展，最终为改善公共健康和生活质量提供科学支撑。