LocusMasterTE：整合长读长 RNA 测序，精准量化转座子元件表达的新突破

《Genome Biology》：LocusMasterTE: integrating long-read RNA sequencing improves locus-specific quantification of transposable element expression

转座子元件（TEs）影响人类疾病，但其定量困难。香港大学研究人员开展 LocusMasterTE 方法研究，整合长、短读长 RNA-seq 数据提高 TEs 表达定量准确性，有助于深入了解 TEs 功能，为相关疾病研究提供新视角。

　　转座子元件（Transposable elements，TEs）是基因组中的 “活跃分子”，它们在人类基因组中占据了半壁江山，却像隐藏在暗处的 “捣蛋鬼”，悄无声息地影响着人类健康。正常细胞中，TEs 被表观遗传机制紧紧管束着，可一旦进入癌细胞，就会 “兴风作浪”，引发各种问题。近年来，研究发现 TEs 在肿瘤发生等疾病过程中扮演着重要角色，但由于 TEs 序列的高度重复性，准确地对其进行定量分析就像在一团乱麻中找线头，困难重重。

为了攻克这一难题，香港大学李嘉诚医学院生物医学科学学院、香港科学园肿瘤与免疫学中心等机构的研究人员展开了深入研究，相关成果发表在《Genome Biology》上。

研究人员开发了一种名为 LocusMasterTE 的方法，旨在提高 TEs 表达定量的准确性。该方法整合了长读长和短读长 RNA 测序技术，巧妙地将长读长测序数据中的每百万转录本分数（transcript per million，TPM）值融入期望最大化（expectation–maximization，EM）算法，重新分配短读长测序中的多重映射读数，从而提升了基于短读长的 TEs 定量精度。

研究人员用到的关键技术方法包括：一是利用模拟短读长 RNA 测序数据对 LocusMasterTE 进行基准测试，以长读长数据为参考标准评估其准确性；二是使用来自不同细胞系的配对短读长和长读长 RNA 测序数据，以及 TCGA-COAD 队列样本，进行多方面分析；三是运用多种工具进行序列比对和定量分析，如 Minimap2、STAR、featureCounts、Talon 等。

研究结果如下：

• 长读长 RNA 测序优势显著：长读长测序技术读长较长，能大幅降低转录组数据比对 TEs 时的多重映射读数比例。研究人员通过对人类结肠癌细胞系（HCT116）的研究发现，长读长与短读长在 TE 亚家族水平上相关性良好（Spearman 等级相关系数R2=0.84 ，span data-custom-copy-text="\(p2.2×10^{-16}\)"p<2.2×10?16 ），但在基因座特异性拷贝水平上差异较大（Spearman 等级相关系数R2=0.32 ，span data-custom-copy-text="\(p2.2×10^{-16}\)"p<2.2×10?16 ）。此外，长读长测序所量化的 TEs 的差异度（% divergence）低于短读长测序（15.8% vs 18.7%；Wilcoxon 符号秩检验，span data-custom-copy-text="\(p2.2×10^{-16}\)"p<2.2×10?16 ），这表明长读长在定量年轻 TEs 方面更具优势123。
• LocusMasterTE 性能卓越：在模拟数据测试中，LocusMasterTE 在七种 TEs 定量方法中表现最佳，其精度达到 1.0，召回率为 0.86，F1 分数为 0.92 ，正确检测到的 TEs 数量最多且无假阳性检测。同时，该方法对年轻 TEs 的表达校正效果显著，与 Telescope 相比，LocusMasterTE 独特量化的 TEs 通常更年轻，且与长读长结果的相关性更高（Spearman 等级相关系数，R2=0.44 ，span data-custom-copy-text="\(p2.2×10^{-16}\)"p<2.2×10?16 ）45。
• LocusMasterTE 量化结果与表观遗传数据契合：研究人员发现，LocusMasterTE 高度捕获的 TEs 与较少的抑制性组蛋白标记（H3K27me₃、H3K9me₃）富集相关，与更多的活性组蛋白标记（H3K4me₃、H3K9ac、H3K27ac）富集相关，这表明 LocusMasterTE 的量化结果与独立的表观遗传数据更为一致6。
• RNA 编辑验证 LocusMasterTE 的可靠性：利用 TCGA-COAD 队列样本研究 RNA 编辑事件发现，LocusMasterTE 重新分配的读数所对应的 TEs 的 RNA 编辑谱与参考位点相似，且与编码基因的编辑水平差异明显，这说明 LocusMasterTE 重新分配的读数很可能来自 TEs 衍生的 RNA，验证了该方法的可靠性78。

研究结论和讨论部分指出，LocusMasterTE 利用长读长测序优势，有效解决了短读长 RNA 测序中 TEs 定量的难题，在现有工具中实现了最精确的 TEs 定量，并能有效识别以前未检测到的活跃 TEs。尽管该方法存在依赖长读长数据、成本较高等局限性，但它为深入研究 TEs 在癌症和复杂疾病中的作用提供了有力工具，有助于揭示 TEs 的功能，为相关疾病的诊断、治疗和预防开辟新的道路，具有重要的科学意义和潜在的临床应用价值。