查看“转录组学”的源代码

<div style="padding: 0 5%; line-height: 1.6; color: #334155;">

'''转录组学'''（Transcriptomics），是一门在整体水平上研究细胞、组织或生物体中所有转录产物（**[[转录组]]**，Transcriptome）的学科。转录组包括编码蛋白质的 **[[mRNA]]** 以及各种非编码 RNA（如 **[[lncRNA]]**, **[[miRNA]]** 等）。由于转录水平的调节是基因表达调控中最关键的环节，转录组学不仅能揭示基因组的静态代码如何转化为动态功能，还能通过基因表达谱的变化反映机体在特定环境或病理状态下的即时反应。它是**[[系统生物学]]**与**[[精准医疗]]**研究的重要支柱。

<div class="medical-infobox" style="float: right; width: 290px; margin: 10px 0 25px 20px; font-size: 0.88em; border: 1px solid #e2e8f0; border-radius: 12px; box-shadow: 0 4px 10px rgba(0, 0, 0, 0.05); background-color: #ffffff; overflow: hidden; line-height: 1.5;">
{| style="width: 100%; border-spacing: 0;"
|+ style="font-size: 1.25em; font-weight: bold; padding: 16px; color: #1e293b; background-color: #f8fafc; border-bottom: 1px solid #e2e8f0; text-align: center;" | 转录组学 <br><span style="font-size: 0.8em; font-weight: normal; color: #64748b;">Transcriptomics</span>
|-
| colspan="2" |
<div class="infobox-image-wrapper" style="padding: 30px; background-color: #ffffff; text-align: center;">
    <div style="width: 70px; height: 70px; margin: 0 auto; background: linear-gradient(135deg, #06b6d4 0%, #0891b2 100%); border-radius: 20px; display: flex; align-items: center; justify-content: center; box-shadow: 0 4px 12px rgba(8, 145, 178, 0.2);">
        <span style="color: white; font-size: 1.4em; font-weight: bold;">T</span>
    </div>
    <div style="font-size: 0.8em; color: #94a3b8; margin-top: 15px; font-weight: normal;">基因表达，时空图谱</div>
</div>
|-
! style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 500; width: 40%;" | 核心技术
| style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #334155; font-weight: 600;" | [[RNA-Seq]]、[[芯片]]
|-
! style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 500;" | 研究对象
| style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #334155;" | 全量 [[RNA]] 转录本
|-
! style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 500;" | 物理模型
| style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #334155;" | [[中心法则]]中游
|-
! style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 500;" | 数据分析
| style="text-align: left; padding: 12px 15px; border-bottom: 1px solid #f1f5f9; color: #334155;" | [[差异表达分析]] (DEG)
|-
! style="text-align: left; padding: 12px 15px; color: #64748b; font-weight: 500;" | 临床产出
| style="text-align: left; padding: 12px 15px; color: #334155;" | 分子分型、标志物发现
|}
</div>

== <span style="font-size: 1.15em;">理论背景：从遗传蓝图到功能执行</span> ==



转录组学连接了“静态”的基因组与“动态”的蛋白质组：

* **转录本多样性**：通过**[[可变剪接]]**（Alternative Splicing），单一基因可以产生多种不同的 mRNA 转录本，从而显著增加了蛋白质的功能复杂性。
* **调控灵敏度**：相比于蛋白质组，转录组的变化速度更快且更容易被检测，是研究细胞对药物干预、环境应激（如缺氧、热激）产生反应的理想窗口。
* **非编码调控网络**：大量的非编码 RNA 虽然不翻译为蛋白质，但通过调节 mRNA 的稳定性或翻译过程，构成了一套极其复杂的“**[[细胞调控逻辑门]]**”。

== <span style="font-size: 1.15em;">技术平台：从杂交到大规模测序</span> ==

转录组研究技术经历了从已知探针杂交到全量测序的演进。



* **RNA-Seq（转录组测序）**：基于**[[高通量测序]]**（NGS）技术，通过将 RNA 逆转录为 cDNA 并进行测序，实现了对全量转录本的无偏见（Unbiased）检测。它是目前研究差异表达、发现新转录本及检测剪接位点的金标准。
* **单细胞转录组学 (scRNA-seq)**：在单个细胞水平上进行测序，揭示了组织内部的**[[细胞异质性]]**（Heterogeneity），对于研究肿瘤演化及发育生物学具有里程碑意义。
* **空间转录组学 (Spatial Transcriptomics)**：在保留组织空间位置信息的基础上进行转录组分析，揭示了基因表达在解剖结构上的微环境分布。

== <span style="font-size: 1.15em;">生物信息学分析流</span> ==



转录组数据通常涉及海量的原始序列，其分析流程包括：
# **质量控制**：评估原始测序数据的准确性与纯度。
# **序列比对**：将 reads 映射回参考基因组或转录组。
# **表达定量**：计算各基因的表达水平（常用指标：[[TPM]], [[FPKM]]）。
# **差异表达分析 (DEG)**：寻找不同组别间显著变化的基因。
# **通路富集分析**：利用 [[KEGG]] 或 [[GO]] 数据库，揭示这些变化背后的生物学通路或代谢功能变化。

== <span style="font-size: 1.15em;">临床与科学应用</span> ==

<div style="overflow-x: auto; width: 88%; margin: 25px auto;">
{| class="wikitable" style="width: 100%; border-collapse: collapse; border: 1px solid #e2e8f0; box-shadow: 0 2px 8px rgba(0,0,0,0.05); font-size: 0.92em; background-color: #ffffff;"
|+ style="font-weight: bold; font-size: 1.1em; margin-bottom: 12px; color: #1e293b;" | 转录组学医学应用场景表
|- style="background-color: #f8fafc; color: #475569; border-bottom: 2px solid #e2e8f0;"
! style="text-align: left; padding: 12px; width: 25%;" | 应用方向
! style="text-align: left; padding: 12px; width: 35%;" | 技术逻辑 (Scientific Rationale)
! style="text-align: left; padding: 12px;" | 临床价值 (Clinical Impact)
|- style="border-bottom: 1px solid #f1f5f9;"
| style="padding: 12px; font-weight: 600; color: #0891b2; background-color: #fcfdfe;" | **肿瘤分子分型**
| style="padding: 12px; color: #334155;" | 基于基因表达谱聚类，识别不同的亚型。
| style="padding: 12px; color: #334155;" | 预后评估与精准用药指导。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="padding: 12px; font-weight: 600; color: #334155; background-color: #fcfdfe;" | **药物靶点发现**
| style="padding: 12px; color: #334155;" | 分析药物干预后全量基因的应答规律。
| style="padding: 12px; color: #334155;" | 缩短新药研发周期，发现老药新用机会。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="padding: 12px; font-weight: 600; color: #334155; background-color: #fcfdfe;" | **传染病监测**
| style="padding: 12px; color: #334155;" | 通过血液转录组监测机体免疫反应特征。
| style="padding: 12px; color: #334155;" | 早期预警重症风险（如细胞因子风暴）。
|}
</div>

== <span style="font-size: 1.15em;">参考文献</span> ==
<div style="font-size: 0.9em; line-height: 1.8; border-top: 1px solid #e2e8f0; padding-top: 15px;">

* [1] **Wang Z, Gerstein M, Snyder M**. **RNA-Seq: a revolutionary tool for transcriptomics.** ''Nature Reviews Genetics''. 2009.
**【评析】**：转录组学进入测序时代的里程碑式综述。
* [2] **Lowe R, et al**. **Transcriptomics technologies.** ''PLoS Computational Biology''. 2017.
**【评析】**：对各类转录组技术的原理与挑战进行了系统性总结。
* [3] **Stark R, et al**. **RNA sequencing: the 10th anniversary of transcriptome-wide analysis at single-cell resolution.** ''Nature Reviews Genetics''. 2019.

</div>

<div style="clear: both; margin-top: 35px; border: 1px solid #a2a9b1; background-color: #f8f9fa; border-radius: 6px; overflow: hidden; font-size: 0.88em;">
<div style="background-color: #dee2e6; text-align: center; font-weight: bold; padding: 8px; border-bottom: 1px solid #a2a9b1; color: #374151;">组学技术与系统生物学导航</div>
{| style="width: 100%; background: transparent; border-spacing: 0;"
|-
! style="width: 25%; padding: 10px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 研究层级
| style="padding: 10px; border-bottom: 1px solid #fff;" | [[基因组学]] • [[转录组学]] • [[蛋白质组学]] • [[代谢组学]]
|-
! style="padding: 10px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 核心工具
| style="padding: 10px; border-bottom: 1px solid #fff;" | [[RNA-Seq]] • [[微阵列芯片]] • [[单细胞测序]] • [[空间组学]]
|-
! style="padding: 10px; background-color: #f1f5f9; text-align: right;" | 关键概念
| style="padding: 10px;" | [[差异表达分析]] • [[可变剪接]] • [[非编码RNA]] • [[基因富集]]
|}
</div>

</div>

[[Category:分子生物学]] [[Category:遗传学]] [[Category:生物信息学]] [[Category:组学技术]]