摘要
背景/目标： 非编码 RNA（ncRNAs）在各种生物过程中发挥着重要作用，主要通过多个层面调节基因表达。然而，与编码蛋白质的基因相比，ncRNAs 的研究相对较少。它们的特点是表达量低、变异大，且在不同组织和细胞类型中的表达更为动态，这在差异表达（DE）分析中带来了独特的挑战。方法： 我们提出了 CQRM，这是一种针对 ncRNA 计数数据的自适应多分位数检验框架。该框架引入了抖动处理以适应离散计数，结合跨分位数的依赖证据，并选择最具信息量的分位数子集来区分不同条件。结果： CQRM 能够捕捉多样的表达差异，包括变异性的变化、偏度以及模态性变化，而不仅仅是均值偏移。基于模型的模拟显示，与现有的 DE 工具相比，CQRM 在控制错误发现率的同时，提高了差异表达 ncRNAs 的检测能力，特别是在 DE 基因表现出多模态表达模式且计数较低的情况下。当我们进一步将该方法应用于 Smart-seq-total 单细胞 RNA 测序数据集和人类器官发育 RNA 测序数据集时，识别出了关键的 ncRNAs 和具有生物学解释力的靶向通路。结论： CQRM 通过捕捉异质性 ncRNA 表达变化，补充了基于均值的 DE 方法，支持识别与发育和疾病相关的候选 ncRNA 生物标志物及调控过程。
