《Nature Communications》：An absolute quantification atlas of small non-coding RNAs across diverse mammalian tissues and cell lines
编辑推荐：
本研究针对传统小非编码RNA测序方法因连接偏倚导致定量准确性低的问题，开发了4NBoost单管式sncRNA-seq技术，通过引入外源RNA spike-ins实现了miRNA和piRNA转录本的绝对定量。研究人员系统绘制了小鼠20种组织、猕猴18种组织、24种常用细胞系以及拟南芥4种组织的sncRNA表达图谱，发现现有数据库在miRNA丰度、链选择和组织特异性表达方面存在显著偏倚。通过机器学习建立的偏倚校正模型可有效恢复真实转录本丰度，相关数据资源已通过SmRNAQuant平台开放获取，为sncRNA研究提供了重要工具。
在生命科学领域，小非编码RNA（sncRNA）作为基因表达的关键调控因子，其精准定量对理解细胞功能至关重要。然而传统sncRNA测序技术因连接酶偏好性导致的定量偏倚，长期制约着microRNA（miRNA）和PIWI-interacting RNA（piRNA）等功能性研究的发展。这种系统性误差使得不同实验室数据难以比较，组织特异性表达模式分析失真，最终影响对sncRNA生物学意义的准确解读。
为突破这一技术瓶颈，研究团队在《Nature Communications》发表了题为"跨物种小非编码RNA绝对定量图谱"的研究论文。该研究创新性开发了4NBoost单管式sncRNA测序方案，通过引入定量外源RNA spike-ins（尖峰RNA），显著降低了miRNA和piRNA转录本绝对定量估计的偏倚。利用该技术，团队系统构建了涵盖20种小鼠组织、18种猕猴组织、24种常用细胞系以及4种拟南芥组织的全面定量参考图谱。与现有数据库对比分析揭示，传统方法在miRNA丰度评估、链选择性识别和组织特异性表达模式等方面均存在显著偏差。更值得一提的是，研究人员进一步采用机器学习算法构建了偏倚校正模型，成功实现了对常规数据集系统误差的修正，恢复了真实转录本丰度。所有4NBoost数据及配套的偏倚校正模型均已通过在线数据库SmRNAQuant（
http://wulg-lab.sibcb.ac.cn/SmRNAQuant/）开放获取，为领域研究提供了宝贵的资源平台。
关键技术方法包括：4NBoost单管式sncRNA测序技术（通过定量外源RNA spike-ins控制连接偏倚）；跨物种样本队列（小鼠20组织/猕猴18组织/24细胞系/拟南芥4组织）；机器学习偏倚校正模型开发；SmRNAQuant在线数据库构建。
研究结果系统揭示了小非编码RNA表达的特征与规律：
表达图谱构建
通过4NBoost技术获得的高精度定量数据，研究人员建立了迄今最全面的跨物种sncRNA参考图谱。在哺乳动物组织中检测到数千个miRNA和piRNA转录本，其绝对丰度跨越六个数量级，揭示了这些分子在不同组织中的动态范围远超出既往认知。
定量偏倚分析
与传统数据库对比发现，常规方法导致的连接偏倚显著扭曲了miRNA的相对丰度估计，某些高表达miRNA的实际浓度被低估达10倍以上。同时发现链选择偏好性存在组织特异性差异，这对miRNA功能链的准确判定提出了新的挑战。
组织特异性模式
在个体和家族水平上，miRNA表现出鲜明的组织特异性表达模式。值得注意的是，某些miRNA家族成员在不同组织中的表达比例存在显著差异，提示它们可能承担不同的调控功能。
偏倚校正模型
基于机器学习开发的校正模型，能够有效识别和修正常规数据集中的系统误差。该模型将预测转录本丰度与真实值的相关系数从0.62提高到0.89，显著提升了历史数据的可利用价值。
资源平台建设
SmRNAQuant数据库不仅提供原始数据和校正工具，还整合了交互式可视化分析功能，支持用户自定义数据比对和偏倚校正，极大便利了sncRNA的探索性研究。
本研究通过4NBoost技术突破了传统sncRNA定量的技术瓶颈，建立的跨物种绝对定量图谱为理解这些小RNA分子的生物学功能提供了全新视角。特别值得关注的是，机器学习偏倚校正模型的成功开发，使得海量历史数据得以"重获新生"，显著提升了现有研究资源的利用效率。该研究不仅提供了可靠的技术方案和高质量数据集，更通过SmRNAQuant平台实现了资源的开放共享，为小非编码RNA研究的标准化和深入探索奠定了坚实基础。这一系统性工作将有力推动精准医学、发育生物学和疾病机制研究等相关领域的发展。
