基于TRADE模型的转录组水平扰动效应全景解析及其在疾病关联中的突破性发现

单细胞CRISPR筛选技术(如Perturb-seq)虽能大规模解析基因扰动的转录组特征，但数据噪声常导致潜在效应漏检。来自国际团队的研究人员开发了转录组差异表达分析模型(TRADE)，通过精确估计"转录组影响指数"，在多个Perturb-seq数据集中发现：普通基因扰动平均影响45个基因，必需基因则影响超500个；揭示了跨细胞类型的剂量依赖性响应模式，为神经精神疾病遗传-转录关联提供了新见解。

　　

突破性的单细胞CRISPR筛选技术Perturb-seq让科学家们能够绘制全基因组尺度的基因扰动转录图谱，就像用超高倍显微镜观察细胞交响乐团中每个乐手(基因)被干扰时的反应。然而这些数据充满杂音，许多微妙但重要的旋律变化被淹没其中。

研究者们开发了革命性的TRADE(Transcriptome-wide Analysis of Differential Expression)统计模型，如同给数据装上降噪耳机，能精准捕捉真实生物学信号。这个模型创新性地量化了"转录组冲击波"——就像测量地震震级那样评估基因扰动对整个转录组网络的连锁反应。

在分析多个大型Perturb-seq数据集时，常规方法漏检的效应纷纷浮出水面：普通基因敲除平均引发45个基因的表达涟漪，而必需基因的扰动则像投入池塘的巨石，波及超过500个基因。有趣的是，不同细胞类型对相同扰动的响应既存在共性又各具特色，某些扰动还会因剂量不同产生质变反应。这些发现为解码神经精神疾病中遗传变异与转录紊乱的复杂舞蹈提供了全新视角。