《Nucleic Acids Research》：R-loopBase v2.0: species- and cell type-resolved quantitative R-loop maps and R-loop regulatory resources
编辑推荐：
R-loop（R-环，由RNA:DNA杂合双链与置换单链DNA组成的三链核酸结构）是参与多样细胞过程并与多种疾病相关的非经典核酸结构。研究人员此前开发R-loopBase以应对R-loop图谱不准确及调控网络认知有限的问题；然而原有平台仅提供人类R-loop图
R-loop（R-环，由RNA:DNA杂合双链与置换单链DNA组成的三链核酸结构）是参与多样细胞过程并与多种疾病相关的非经典核酸结构。研究人员此前开发R-loopBase以应对R-loop图谱不准确及调控网络认知有限的问题；然而原有平台仅提供人类R-loop图谱与分类置信度，未考虑细胞类型特异性。鉴于新兴R-loop检测技术与调控机制研究的进展，研究人员构建R-loopBase v2.0（https://rloopbase.nju.edu.cn）。通过对16种技术产生的358套R-loop定位数据集进行统一重分析，研究人员建立定量R-loop评分框架，在人类基因组范围评估R-loop置信度，并与已知生物学特征高度一致；该框架进一步拓展至特定细胞类型以及小鼠、果蝇与酵母。同时，研究人员大幅扩展跨物种R-loop调控因子（regulator）收录，支持R-loop稳态（homeostasis）变化推断。平台新增多物种基因组浏览器、基于深度学习（deep learning）的R-loop预测、稳态分析及数据下载门户，为R-loop研究领域提供更新的一站式资源。
论文解读：《R-loopBase v2.0》构建跨物种与细胞类型分辨的定量R-loop资源平台
研究背景与立项依据
R-loop（R-环，由RNA:DNA杂合双链与置换单链DNA构成的非经典三链核酸结构）广泛存在于基因组中，既参与转录调控、DNA复制等正常生物学过程，也威胁基因组稳定性并关联疾病发生。R-loop定位技术持续演进，从基于免疫沉淀（IP）富集RNA:DNA杂合体，到无IP策略如spKAS-seq、RIAN-seq等，使检测分辨率与覆盖面不断提升。然而不同技术间R-loop定位存在显著离散，且调控机器认知不完整。早期R-loopBase（2022）虽提供人类R-loop参考区域与九级分类置信度，但仅限人类、仅分类置信、缺乏细胞类型分辨，也难以支持量化建模。由于R-loop在物种间保守且随组织、细胞类型与细胞状态动态变化，学界亟需一套连续量化、跨物种、细胞类型分辨且整合调控因子的资源体系。
研究人员开展了什么研究与结论
研究人员系统重分析控制条件下多物种R-loop测序数据，提出定量R-loop评分框架：先以改进稳健Z-score标准化每峰计数每百万（CPM）信号，滑窗平滑后按技术求平均，再跨技术求和并以支持技术数加权，得到全基因组连续R-loop分数；在正向得分连续区内保留高于下四分位数窗口，定义为高置信R-loop区域，并可区分Watson链、Crick链或非链特异性。该框架在人类中产出136700个高置信区域，分数越高越富集启动子、GC skew及正交预测一致信号。研究人员将框架外推至小鼠、果蝇、酵母的物种参考图，以及HeLa、HEK293/HEK293T、U2OS、NT2、K562五种细胞类型参考图，发现约45.3% R-loop仅存于单一细胞类型且与细胞类型特异表达相关。同时，平台大幅扩展调控因子：人类收录1709个（新增524），并按实验验证层级与促/抑R-loop功能分类；据此开发R-loopReORA、R-loopReGSEA、R-loopReScore三类稳态推断工具。平台还集成多物种基因组浏览器、DeepER深度学习预测与统一下载门户。该研究发表于《Nucleic Acids Research》，意义在于把静态目录升级为定量、演化与情境分辨的R-loop研究底座。
主要关键技术方法
研究人员系统检索截至2025年底PubMed文献，收集人类、小鼠、果蝇、酵母及大肠杆菌在控制条件下的R-loop定位数据集与调控因子证据。定量框架基于358套人类数据（16种技术）与140套模式生物数据，峰调用后做改进稳健Z-score归一化与100 bp滑窗平滑；按技术计算technology score，再加权汇总为R-loop score，并以正向区内下四分位过滤高置信区。细胞类型图仅纳入至少三种技术覆盖的细胞系队列。调控因子通过文献实验证据（结合、稳定、解析、降解RNA:DNA杂合体或扰动后R-loop水平变化）标注促/抑类型，并联合ENCODE的ChIP-seq与CLIP-seq交集定位靶区域。稳态工具以表达矩阵计算观察值相对表达匹配随机背景的z-score式OverallScore与方向感知R-loopReScore。
研究结果
细粒度人类R-loop置信分类
研究人员在原有分类框架下，因数据量扩展将置信等级由9级增至12级；高等级区域更强富集已知R-loop特征，且定量分数与分类置信一致。
人类定量参考图谱
通过归一化、技术平均、跨技术加权，得到连续R-loop score；高分数区域富集GC skew、启动子及正交定义R-loop，证明定量框架保留强度与可重复性信息。
模式物种与细胞类型图谱延伸
将同一框架用于小鼠、果蝇、酵母生成物种图；并为五种人源细胞类型建图。结果显示细胞类型特异R-loop占比高，且与特异转录本表达相伴，说明整合多细胞系单一地图会低估情境依赖R-loop。
R-loop调控因子扩容
人类调控因子扩至1709个，多物种同步扩展；实验验证子集按促R-loop、抑R-loop、双向或无明确效应注释，功能富集从RNA加工、转录延伸拓展至细胞应激、凋亡与细胞周期。
交互分析工具
基因组浏览器整合多物种与细胞类型轨道；DeepER支持序列端R-loop预测；R-loopReORA做超几何过代表检验；R-loopReGSEA做基因集富集；R-loopReScore用归一化表达求和与随机背景估计稳态偏移；下载门户统一输出参考图、调控因子及靶区域。
讨论与结论翻译
讨论指出，R-loopBase v2.0从静态R-loop与调控因子目录，迈向定量、演化与情境分辨的R-loop生物学框架。定量R-loop分数可为建模R-loop形成基因组决定因素与深度学习预测提供基础；物种分辨地图支持保守与分化研究；细胞类型分辨地图揭示情境依赖形成与功能；扩容调控因子与方向感知工具支持稳态扰动推断。配套可视化与分析界面使平台能探索R-loop如何形成、演化、发挥功能及被调控。
结论部分翻译：R-loopBase v2.0超越静态R-loop与R-loop调控因子目录，建立起面向R-loop生物学的定量、演化与情境分辨框架。定量R-loop分数可为建模R-loop形成的基因组决定因素与发展先进深度学习预测方法提供基础。物种分辨地图使研究人员能够考察R-loop图景的演化保守与分化，而细胞类型分辨地图为揭示情境依赖的R-loop形成与功能提供机会。扩容的R-loop调控因子集合与方向感知分析工具进一步支持对R-loop稳态扰动的推断。结合用户友好的可视化与分析接口，R-loopBase v2.0成为一个探索R-loop如何形成、演化、行使功能以及在不同生物学情境中受调控的平台。
这篇解读已完成，接下来可以选择一个方向继续深化：
