TSniffer: unbiased de novo identification of RNA editing sites and quantification of editing activity in RNA-seq data.

1. 领域背景与文献引入

文献英文标题：TSniffer: a novel tool to accurately define ADAR editing regions in RNA-seq datasets and to quantify ADAR editing activity on an individual transcript level；发表期刊：Genome Biology；影响因子：17.906（2023年）；研究领域：RNA生物学、生物信息学、ADAR介导的RNA编辑。

ADAR（作用于RNA的腺苷脱氨酶）介导的A-to-I RNA编辑是最常见的转录后修饰之一，自1987年首次发现以来，其在免疫调节、mRNA编码潜能调控、RNA二级结构改变等方面的功能逐渐被阐明。领域发展关键节点包括：2000年明确ADAR1在抑制天然免疫激活中的核心作用；2010年后随着RNA-seq技术的普及，编辑组（editome）研究成为热点；近年来，ADAR编辑异常与自身免疫病、癌症的关联受到广泛关注。当前研究热点集中在ADAR各亚型（ADAR1-p150、ADAR1-p110、ADAR2）的靶标选择性机制、编辑异常的疾病驱动作用、新型编辑检测工具的开发。未解决的核心问题包括：现有编辑检测工具难以无偏倚地从头识别编辑簇，且易受测序噪声和SNP干扰；ADAR1和ADAR2在靶标编辑中的分工机制尚未完全阐明；非模式生物的ADAR编辑组研究缺乏有效的工具支持。

研究空白：缺乏一种无需依赖已知编辑数据库、可实现单样本从头识别ADAR编辑簇、同时支持多样本定量分析的工具，限制了对非模式生物编辑组的解析和ADAR亚型靶标偏好的研究。文献研究初衷：开发TSniffer工具，解决现有工具的局限性，实现对ADAR编辑簇的准确识别和转录本水平的定量分析，为解析ADAR亚型的靶标选择性和编辑的功能提供技术支撑。

2. 文献综述解析

作者从编辑检测工具的技术策略和应用场景出发，对领域内现有研究进行分类，系统梳理了不同工具的优势与局限性，凸显了TSniffer工具的创新性和必要性。

现有ADAR编辑检测工具可分为三类：位点特异性检测工具（如JACUSA2、GIREMI），通过比对测序数据与参考基因组检测单个编辑位点，优势是能检测低频率的单个编辑位点，局限性是易受测序噪声和SNP干扰，假阳性率高，无法有效识别编辑簇；窗口式检测工具（如LoDEI），通过两样本比较检测显著富集的编辑窗口，优势是能识别编辑簇，局限性是依赖两样本比较，无法实现单样本从头检测，窗口长度固定，灵活性不足；依赖数据库的工具（如RADAR、REDIportal），通过与已知编辑数据库比对注释编辑位点，优势是分析速度快，局限性是无法检测新的编辑簇，不适用于非模式生物。现有研究的关键结论包括：ADAR编辑主要发生在基因组重复元件（如人Alu、小鼠B1/B2、雪貂SINE/tRNA），在免疫调节中通过编辑双链RNA抑制天然免疫激活；ADAR1主要定位于细胞质，编辑成熟mRNA的UTR区域，ADAR2主要定位于细胞核，编辑前体mRNA的内含子区域。

TSniffer的创新价值体现在多个维度：采用1nt滚动窗口的Fisher精确检验策略，无需依赖已知编辑数据库，可实现单样本从头识别ADAR编辑簇，同时支持多样本定量分析；相比LoDEI，其窗口长度随编辑簇的实际范围动态调整，无需输入注释文件，适用于非模式生物的编辑组研究；相比位点特异性工具，通过富集ADAR特征性突变（AG、TC）并结合敲除样本过滤，能有效排除测序噪声和SNP的干扰，假阳性率更低；相比依赖数据库的工具，能检测新的编辑簇，拓展了编辑组研究的范围。

3. 研究思路总结与详细解析

本研究以开发并验证新型ADAR编辑簇检测工具TSniffer为核心，通过模式生物（小鼠、人）验证工具的准确性和可靠性，在非模式生物（雪貂）中验证工具的适用性，与现有工具比较评估性能，最终解析ADAR1和ADAR2的靶标编辑分工，形成“工具开发-多物种验证-性能评估-机制解析”的完整研究闭环。

3.1 TSniffer工具开发与核心算法设计

实验目的：开发一种无偏倚、高准确性的ADAR编辑簇检测工具，解决现有工具在单样本检测、非模式生物应用、假阳性控制等方面的局限性。
方法细节：工具以RNA-seq的BAM比对文件和对应参考基因组为输入，首先生成每个基因组位置的突变计数表，统计转换突变（AG、CT、GA、TC）和颠换突变的读段数；采用1nt滚动窗口（默认窗口大小100nt），针对每种转换突变类型（主要关注ADAR特征性的AG和TC突变），通过Fisher精确检验比较窗口内目标转换突变与其他突变的富集程度，筛选出显著富集的窗口；将重叠的显著窗口合并为编辑区域（TsRegions），重新计算每个区域的相对转换频率（RTF）、P值和编辑位点数（TsSites）；工具支持两种分析模式：de novo模式用于单样本从头检测编辑簇，Regio模式用于预定义区域的多样本定量分析。
结果解读：工具输出的GFF文件包含编辑区域的基因组坐标、突变类型、RTF、P值、TsSites等关键信息，可直接在基因组浏览器（如IGV）中可视化；通过小鼠WT和ADAR1/2双敲除（DKO）样本的验证，WT样本中靶标TsRegions（AG、TC）的数量是非靶标TsRegions（CT、GA）的7.5倍，而DKO样本中无显著富集，说明工具能有效区分ADAR介导的编辑和背景噪声。

产品关联：文献未提及具体实验产品，领域常规使用STAR进行RNA-seq数据的剪接比对，GATK进行比对后处理，Bedtools进行基因组区域分析。

3.2 小鼠脑组织ADAR编辑组的解析与工具验证

实验目的：验证TSniffer在模式生物中的有效性，系统解析小鼠脑组织的ADAR编辑组特征。
方法细节：使用公开的小鼠WT和ADAR1/2 DKO脑组织RNA-seq数据集（各3个重复），首先通过TSniffer de novo模式分别检测每个样本的编辑簇；为提高检测灵敏度，合并3个重复样本的BAM文件进行分析；采用多步过滤策略去除假阳性：去除TsSites<5的区域，去除与DKO样本重叠度≥50%的区域，计算置信指数CI（CI=(WT RTF - DKO RTF)/WT RTF）并保留CI≥0.85的区域，最终得到高置信度的Mouse_85-5编辑数据集；通过Bedtools分析编辑区域与基因组元件（重复元件、基因区域、外显子/UTR、内含子）的关联，计算每个转录本的总编辑得分（∑WT RTF - ∑DKO RTF）。
结果解读：单个WT样本中检测到约12,000个TsRegions，单个DKO样本中约5,000个；合并样本后，WT中检测到的TsRegions数量翻倍，TsSites数量增加3倍；Mouse_85-5数据集包含13,113个靶标TsRegions和496个非靶标TsRegions，其中95%以上的靶标TsRegions位于重复元件（主要为SINE/B1和SINE/B2），92%位于注释基因内，且以内含子区域占比最高；共鉴定出4,377个高度编辑的转录本，与REDIportal数据库的比对显示，约43.5%的已知编辑位点被包含在TSniffer检测的编辑簇中，同时TSniffer检测到大量未在数据库中注释的编辑位点，证明工具的准确性和创新性。

产品关联：文献未提及具体实验产品，领域常规使用Trizol提取总RNA，Illumina NovaSeq平台进行RNA-seq测序。

3.3 人HeLa细胞中ADAR1和ADAR2的靶标偏好解析

实验目的：利用TSniffer工具解析ADAR1和ADAR2在人细胞中的靶标编辑分工，明确两种亚型的编辑偏好。
方法细节：通过CRISPR/Cas9n技术构建HeLa ADAR1/2双敲除（DKO）细胞系，Western blot验证敲除效率；收集WT、ADAR1单敲除（1KO）、DKO细胞的总RNA，进行RNA-seq测序；采用与小鼠样本相同的分析策略，通过TSniffer检测编辑簇并过滤得到HeLa_85-5数据集；通过比较WT与1KO的编辑水平差异计算ADAR1的编辑贡献，比较1KO与DKO的编辑水平差异计算ADAR2的编辑贡献，分析不同转录本中两种亚型的贡献比例。
结果解读：HeLa WT样本中检测到的靶标TsRegions在1KO中减少约56%，在DKO中减少约90%，说明ADAR2参与大部分编辑簇的编辑；ADAR1在高度编辑的转录本（TsSites≥150）中起主导作用，贡献比例超过70%，而ADAR2在编辑水平较低的转录本中贡献比例更高；部分转录本具有亚型特异性编辑偏好，如VOPP1、APOOL主要由ADAR1编辑，CUX1、FIRRE主要由ADAR2编辑；编辑区域主要位于重复元件（SINE/Alu）和基因的内含子区域，约三分之一的蛋白编码基因和十分之一的长非编码RNA（lncRNA）存在ADAR编辑。

产品关联：实验所用关键产品：兔抗ADAR1抗体（Cell Signaling #14175）、小鼠抗ADAR2抗体（Millipore Sigma #MABE889）、小鼠抗beta-actin抗体（Sigma-Aldrich #A3854）；高糖D-MEM培养基（Sigma-Aldrich #D6546）、胎牛血清（Thermo Fisher Gibco #10500064）；Trizol（Thermo Fisher Invitrogen #15596026）提取RNA。

3.4 人原代脑组织与细胞系编辑组的比较分析

实验目的：验证TSniffer在原代组织中的有效性，比较细胞系与原代组织的ADAR编辑组差异，明确编辑的组织特异性。
方法细节：选取GTEx数据库中3个高测序深度的人脑组织RNA-seq数据集，通过TSniffer de novo模式检测编辑簇；合并3个样本的BAM文件以提高检测灵敏度，过滤得到Brain_m100-5数据集（TsSites≥5）；通过Bedtools分析编辑区域的基因组特征，计算转录本水平的编辑得分；将人脑组织的编辑组与HeLa细胞的编辑组进行比较，分析重叠和差异转录本，并通过差异基因表达分析解释差异原因。
结果解读：人脑组织中检测到约70,000个TsRegions，包含超过120万个TsSites；85%的靶标TsRegions位于注释基因内，主要位于内含子区域；与HeLa细胞的编辑组有大量重叠，如FTX、NDUFS1、VOPP1等转录本在两种样本中均高度编辑；部分转录本仅在脑组织中编辑，如IL3RA、ZNF83、STAG3，而部分HeLa细胞中的编辑转录本未在脑组织中检测到，如CUX1、FIRRE；差异主要由基因表达水平不同导致，未检测到编辑的转录本在对应组织中表达量极低或不表达。

产品关联：文献未提及具体实验产品，领域常规使用GTEx数据库的公开RNA-seq数据，采用STAR进行比对分析。

3.5 雪貂PBMC中ADAR编辑组的解析与工具适用性验证

实验目的：验证TSniffer在非模式生物中的适用性，解析雪貂的ADAR编辑组特征，探索ADAR编辑机制的哺乳动物保守性。
方法细节：从3只雪貂中分离外周血单个核细胞（PBMC），经植物血凝素-M（PHA-M）刺激72小时后提取总RNA，进行RNA-seq测序；合并3个样本的BAM文件，通过TSniffer de novo模式检测编辑簇；过滤得到TsSites≥5的编辑区域，分析编辑区域与基因组元件的关联，鉴定高度编辑的转录本，并与人和小鼠的编辑转录本比较保守性。
结果解读：雪貂PBMC中检测到约89,000个TsRegions，92%的靶标TsRegions位于重复元件（主要为SINE/tRNA和LINE/L1）；约60%的TsRegions位于注释基因内，内含子区域占比最高；共鉴定出9,259个含编辑区域的转录本，其中部分转录本与人和小鼠的编辑转录本保守，如IMMP2L、SMYD3、PDE3B，说明ADAR编辑机制在哺乳动物中高度保守；由于雪貂基因组注释不完善，检测到的非靶标TsRegions比例较高，提示TSniffer在基因组注释较差的物种中仍能有效检测ADAR编辑簇。

产品关联：实验所用关键产品：Histopaque-1077（Sigma-Aldrich #10771）分离PBMC；植物血凝素-M（Sigma-Aldrich #11082132001）刺激细胞；Trizol（Thermo Fisher Invitrogen #15596026）提取RNA。

3.6 TSniffer与现有编辑检测工具的性能比较

实验目的：系统评估TSniffer的性能，与现有工具（JACUSA2、GIREMI、LoDEI）比较准确性、灵敏度和适用性。
方法细节：使用HeLa WT和DKO的RNA-seq数据，分别用TSniffer de novo、JACUSA2 call-1、GIREMI、LoDEI检测编辑位点/区域；比较各工具检测结果的重叠度、在DKO样本中的假阳性率、编辑簇的覆盖范围；针对已知的编辑簇（如VOPP1的3’UTR），比较各工具检测的编辑位点数和区域覆盖度。
结果解读：与JACUSA2相比，TSniffer检测的靶标编辑位点在DKO样本中极少，假阳性率更低，而JACUSA2在DKO样本中仍检测到大量靶标位点，说明TSniffer能有效排除非ADAR编辑的突变；与GIREMI相比，TSniffer能检测到更多编辑簇内的位点，覆盖范围更广，GIREMI主要检测单个编辑位点，对编辑簇的覆盖不完整；与LoDEI相比，TSniffer的编辑区域长度更灵活，能更好地匹配编辑簇的实际范围，且无需两样本比较，可实现单样本从头检测；TSniffer与LoDEI检测的编辑区域重叠度约72.5%，编辑得分的相关性较高，说明两种工具的定量结果具有一致性。

产品关联：文献未提及具体实验产品，领域常规使用各工具的默认参数进行分析，采用Bedtools进行区域重叠比较。

4. Biomarker研究及发现成果解析

本研究中涉及的Biomarker为ADAR编辑的转录本及编辑簇，通过TSniffer工具的无偏倚检测和多步过滤，鉴定出多个物种中高度保守的ADAR编辑转录本，明确了ADAR1和ADAR2的靶标偏好，为ADAR编辑的功能研究和疾病关联分析提供了核心资源。

Biomarker定位

文献中涉及的Biomarker类型为ADAR编辑的转录本（包括蛋白编码基因、lncRNA）和编辑簇（TsRegions），筛选逻辑为：通过TSniffer de novo模式从头检测编辑簇→与ADAR敲除样本比较去除非ADAR编辑的背景→过滤得到高置信度编辑区域（TsSites≥5、CI≥0.85）→关联到注释转录本；验证逻辑为：多重复样本验证重复性→与公开编辑数据库（REDIportal）比较验证准确性→跨物种比较验证保守性。

研究过程详述

Biomarker来源包括小鼠脑组织、人HeLa细胞、人原代脑组织、雪貂PBMC的RNA-seq数据；验证方法包括：通过ADAR敲除样本验证编辑的ADAR依赖性，WT样本中编辑区域的RTF在DKO样本中显著降低（CI≥0.85）；通过与REDIportal数据库比对，小鼠脑组织中约43.5%的已知编辑位点被包含在TSniffer检测的编辑簇中；特异性与敏感性数据：小鼠WT样本中靶标TsRegions比非靶标富集7.5倍（n=3，文献未明确P值，基于图表趋势推测）；HeLa WT样本中，靶标TsRegions在DKO样本中的RTF降低90%以上（CI≥0.85）；与JACUSA2相比，TSniffer的假阳性率降低约80%，DKO样本中仅检测到约10%的靶标位点。

核心成果提炼

鉴定出小鼠脑组织中4,377个高度编辑的转录本，人HeLa细胞中9,614个高度编辑的转录本，雪貂PBMC中9,259个高度编辑的转录本；发现ADAR1在高度编辑的转录本中起主导作用，ADAR2起辅助作用，部分转录本具有亚型特异性编辑偏好，如VOPP1主要由ADAR1编辑，CUX1主要由ADAR2编辑（统计学结果未明确提供）；首次解析了雪貂的ADAR编辑组，证明ADAR编辑的靶标和机制在哺乳动物中高度保守，如IMMP2L、SMYD3等转录本在三个物种中均存在编辑；TSniffer检测的编辑簇可作为ADAR编辑活性的Biomarker，用于评估ADAR功能异常与疾病的关联，如自身免疫病、癌症中ADAR编辑活性的改变；该Biomarker的创新性在于通过无偏倚的从头检测，涵盖了大量未被数据库注释的新编辑簇，为ADAR编辑的功能研究提供了更全面的资源。