1. 领域背景与文献引入
文献英文标题：SRTdb: an omnibus for human tissue and cancer-specific RNA transcripts；发表期刊：Biomarker Research；影响因子：未明确；研究领域：肿瘤生物标志物、转录组学。
近十年，RNA测序（RNA-seq）技术的普及推动了转录组学研究的深入，使得科学家能够系统解析RNA转录本在生理和病理过程中的作用。领域共识：转录组学研究最初聚焦于基因水平的表达分析，但随着研究深入，人们发现同一基因通过可变剪接、可变 poly(A) 位点等机制可产生多个功能不同的RNA转录本，这些转录本的组织或疾病特异性往往被基因水平分析掩盖。例如，已有研究发现UGP2基因的一个可变转录本在肝癌中表达差异显著且提示良好预后，Zheng等分析1000余例肝正常和肿瘤样本，发现肿瘤特异性转录本在肝癌中高频表达并具有功能活性——这些结果均凸显了转录本水平分析的重要性。
然而，当前领域存在两大核心问题：一是缺乏大规模、多类型样本的转录本水平整合分析，无法系统识别组织和癌症的特异性RNA转录本；二是现有数据库（如cncRNAdb、NONCODE）多关注基因水平或非编码RNA，未整合组织、癌症、细胞系的转录本特异性信息。为解决这些问题，本研究构建了SRTdb——一个整合人类组织、癌症、细胞系特异性RNA转录本的综合数据库，旨在为转录组多样性研究和精准肿瘤诊断提供资源支撑。
2. 文献综述解析
作者将现有研究分为基因水平分析和转录本水平分析两类：基因水平研究是转录组学的传统思路，但无法捕捉转录本的功能多样性；转录本水平研究虽已揭示部分肿瘤或组织的特异性转录本（如UGP2的预后相关转录本、肝肿瘤的特异性转录本），但样本量有限（多为单肿瘤类型）或未整合多组织数据。
现有数据库的不足主要体现在三点：① cncRNAdb、NoncoRNA仅关注基因水平的编码/非编码RNA功能，未提供转录本水平信息；② NONCODE聚焦非编码RNA，但未整合组织和癌症的特异性分析；③ 多数数据库的数据来自已发表文献或小规模样本，缺乏大规模RNA-seq数据的从头组装。
本研究的创新点在于：① 基于27741个RNA-seq样本（覆盖29种正常组织、33种癌症、25种细胞系）进行参考导向的从头转录组组装，系统性识别转录本；② 首次整合组织、癌症、细胞系的转录本特异性数据，构建跨类型的特异性评分体系；③ 开发SRTdb数据库，提供转录本水平的浏览、搜索、下载功能，填补了现有数据库的空白。
3. 研究思路总结与详细解析
3.1 样本收集与数据预处理
实验目的：获取覆盖正常组织、肿瘤、细胞系的大规模RNA-seq数据，为后续转录组分析奠定基础。
方法细节：从GTEx数据库下载16367个正常组织样本（涵盖29种组织类型）、GDC数据库下载10358个肿瘤样本（涵盖33种癌症类型）、CCLE数据库下载1016个癌症细胞系样本（涵盖25种原发部位）；使用STAR软件将原始测序reads对齐到人类参考基因组GRCh38，生成BAM文件。
结果解读：共获取27741个样本的基因组对齐数据，覆盖了人类主要组织、常见癌症及细胞系，为后续转录本组装提供了全面的数据源。
实验所用关键产品：STAR软件（基因组对齐工具）；文献未提及具体商业试剂，领域常规使用Illumina测序平台生成RNA-seq数据。
3.2 转录组组装与定量
实验目的：生成全转录本集合并定量其表达水平。
方法细节：使用StringTie软件对每个样本进行参考导向的从头转录组组装（以GENCODE v22注释为参考），合并所有样本的转录本生成非冗余主集合；采用TPM（每百万映射reads的转录本数）对转录本进行定量，过滤掉“在至少一个样本中TPM<0.1”的低表达转录本。
结果解读：共识别1160216个RNA转录本，其中82.91%（961960个）为未注释的新转录本；转录本长度中位数为5192 bp，约40%的转录本含2-5个外显子，96.1%的新转录本为多外显子（提示可能经历了可变剪接）；仅2%的新转录本被CPAT和CPC2共同预测为具有蛋白编码潜力。
3.3 特异性转录本识别与评分
实验目的：计算转录本在组织、癌症、细胞系中的特异性，筛选特异性RNA转录本（SRTs）。
方法细节：基于香农熵计算特异性评分（St），公式为：
$$S_t = log_2(N) - left(-sum_{i=1}^N (p_{it} imes log_2 p_{it})
ight)$$
其中，$N$为组织/癌症/细胞系类型总数，$p_{it}$为转录本$t$在类型$i$中的表达比例（$p_{it} = x_{it}/sum_{i=1}^N x_{it}$）。定义SRTs的标准为：① 最大表达比例是第二大比例的2倍以上；② 特异性评分$S_t > 1$。
结果解读：共识别228752个正常组织SRTs、212214个肿瘤SRTs、231836个细胞系SRTs；肿瘤SRTs数量在不同癌症中差异显著（急性髓系白血病最多，肺腺癌/肺鳞癌最少）；正常组织中睾丸的SRTs数量最多（提示睾丸转录组的高度特异性）。
3.4 SRTdb数据库构建
实验目的：搭建用户友好的数据库平台，整合SRTs的注释、表达及特异性信息。
方法细节：采用Flask REST API作为后端框架（处理数据请求）、MongoDB作为数据库（存储转录本注释与表达数据）、Angular开发前端界面（实现交互功能）；使用Bootstrap构建前端布局，Echarts实现数据可视化（如表达箱线图、特异性热图）。
结果解读：SRTdb包含三大核心功能：① 浏览：按组织/癌症/细胞系筛选SRTs，结果表包含转录本ID、特异性评分、基因符号等信息；② 搜索：通过转录本ID、基因名或基因组位置查询目标转录本；③ 下载：提供转录本注释、特异性评分等数据文件。数据库支持主流浏览器（Edge、Chrome、Firefox）访问，界面简洁易用。
3.5 肝癌精准诊断的应用示例
实验目的：验证SRTdb在肿瘤精准诊断中的价值，以肝癌为例筛选高特异性生物标志物。
方法细节：① 过滤：保留“在肝癌样本中表达、但在正常组织中不表达”的转录本；② 计算诊断评分（$S_{tc}$）：整合表达水平（$x_{tc}$）、癌症特异性评分（$s_{tc}$）、表达频率（$r_{tc}$）及组织特异性评分（$s_{tt}$），公式为：
$$S_{tc} = eta_1 imes log_2(x_{tc}+1) imes s_{tc} imes r_{tc} + eta_1 imes eta_2 imes s_{tt}$$
其中，$eta_1$（癌症特异性权重）和$eta_2$（组织特异性权重）为自定义系数。
结果解读：共筛选3234个肝癌特异性转录本，其中116个为“严格特异性”（如ENST00000481511.4，仅在肝癌中高表达，正常组织中无显著表达）；对比发现，部分转录本虽在肝癌中特异性，但在其他癌症中表达（如ENST00000465758.1在胆管癌中表达）——这提示转录本水平的跨癌症验证对精准诊断至关重要。
4. Biomarker研究及发现成果解析
Biomarker定位与筛选逻辑
本研究的Biomarker为人类组织和癌症特异性RNA转录本（SRTs），筛选逻辑为“大规模样本转录组组装→特异性评分计算→跨组织/癌症/细胞系验证”：首先通过RNA-seq数据组装全转录本集合，再基于香农熵计算特异性评分筛选SRTs，最后通过UMAP聚类、诊断评分等验证其组织/癌症特异性。
研究过程详述
- 来源：SRTs的数据来自GTEx（正常组织）、GDC（肿瘤）、CCLE（细胞系）的27741个RNA-seq样本，覆盖29种组织、33种癌症、25种细胞系。
- 验证方法：① 转录本水平定量（TPM）：验证SRTs在目标类型中的高表达；② 特异性评分：验证SRTs在其他类型中的低表达；③ UMAP聚类：验证SRTs的表达能区分不同组织/癌症类型（如图2A、2B所示，转录本表达谱可清晰聚类不同肿瘤和正常组织）；④ 诊断评分：筛选“仅在目标肿瘤中表达、且不在正常组织中表达”的严格SRTs。
- 特异性与敏感性数据：以肝癌为例，116个严格SRTs的“肿瘤特异性”表现为：在肝癌样本中的表达频率（文献未明确具体数值）显著高于正常组织；睾丸的30000多个SRTs在急性髓系白血病等肿瘤中表达，提示其“跨组织肿瘤特异性”。
核心成果提炼
- 肿瘤SRTs的双重特异性：约一半的肿瘤SRTs同时是组织SRTs，但多来自非肿瘤原发组织（如LINC01419的转录本在肝肿瘤和睾丸组织中特异性）；部分肿瘤SRTs来自原发组织（如APOA2的转录本在肝肿瘤和肝组织中特异性）。
- 睾丸SRTs的肿瘤泛特异性：超过30000个睾丸SRTs在其他肿瘤中特异性表达（如急性髓系白血病），提示睾丸转录本可能参与多种肿瘤的发生。
- 精准诊断生物标志物：通过SRTdb筛选的肝癌严格SRTs（如ENST00000481511.4）具有“仅在肝癌中表达”的特性，可作为液体活检的潜在标志物——其在血液中的检测可提示肝癌发生，避免与其他疾病混淆。
本研究构建的SRTdb为转录组学研究提供了全面的特异性转录本资源，不仅填补了现有数据库的空白，更为肿瘤精准诊断提供了新的生物标志物筛选思路。未来结合长读长RNA-seq技术（如PacBio），SRTdb的转录本注释将更精准，进一步推动转录组学在临床中的应用。