从短读长重建到全长分子：究竟改变了什么
长读长转录组学所取代的基线是短片段的计算组装。短读长测序可产生数百亿条高精度读段，但从短片段重建全长RNA结构需要组装，而组装常常无法解析剪接变体、重叠转录本、可变转录本末端以及重复或低复杂度区域中的结构[1]。这篇锚定综述将这一局限表述为读长本身的结构性属性，而非可通过流程修复的问题，并在两个全长信息最为关键的情境中加以说明：发生可变剪接的人类基因，以及具有广泛转录重叠的紧凑病毒基因组[1]。支撑这一框架的基础性工作确立了可变剪接以及可变转录起始和终止位点使用会从同一基因产生多种异构体，并且这些过程的紊乱与遗传性疾病和癌症相关[2]。那项早期工作还确认了片段化偏倚是短读长RNA-seq的固有属性，这正是异构体重建困难的特定技术原因，而不仅仅是统计效力不足[2]。
这篇锚定综述的贡献在于围绕全长读长实际能够解析的内容来组织这一领域：同一RNA分子内协调发生的转录起始位点选择、剪接、转录终止位点选择及多聚腺苷酸化[1]。这是从检测表达向定义转录本架构的概念性转变。它也重新界定了分析问题，因为边界保真度和转录本模型置信度成为决定生物学与临床影响力的关键量，而不仅仅是读长计数[1]。
平台化学特性在任何分析开始前就设定了误差与边界上限
PacBio与ONT并非可互换的输入。PacBio HiFi读长通过环形一致性测序生成，在读长通常处于10–25 kb范围时，准确率往往超过99.9%；而ONT读长在早期直接RNA建库试剂盒中历史上显示的中位读长准确率为87–92%，随着SQK-RNA004化学体系及当前碱基识别模型的采用，已提升至约95%或更高[1]。该锚定综述明确指出，两种化学体系中均存在残余错误：PacBio的错误集中于同聚物和低复杂度区域，且cDNA方案易受逆转录和PCR伪影影响；而ONT则保留上下文依赖性缺失[1]。这一点至关重要，因为剪接位点界定和RNA修饰检测对这些错误模式直接敏感，而在注释良好的基因组中，参考引导比对仅能部分补偿[1]。
前体基准测试证据在这一权衡的方向上是一致的。ISAtools 是专门为 PacBio CCS 数据开发的，其作者指出，LRGASP 的基准测试工作一致表明，与 ONT 数据相比，PacBio CCS 数据能实现更优的异构体重建准确性，这主要归因于更低的错误率和更可靠的剪接位点检测 [3]。这是从不同起点得出的趋同结论，从而强化了剪接结构重建的平台排序。锚定综述通过加入边界维度对此进行了扩展：直接 RNA 测序保留了天然 RNA 特征，通常支持稳健的 3′ 端恢复，但不完整的 5′ 覆盖可能降低转录起始位点的保真度，而 cDNA 工作流程改善了全长恢复，代价则是内部引物和模板转换 [1]。实际的解读是，平台选择应遵循分析问题，PacBio HiFi/Kinnex 通常最适合高置信度的剪接结构重建，而 ONT 数据则需要更加关注碱基识别模型、化学、比对策略和验证 [1]。
深度而非读长才是定量的关键约束
这篇锚定综述揭示了一种鲜明的不对称性：读长和准确度主要决定异构体重建的质量，而测序深度则主要决定定量的精确度，因此对稀有异构体进行可靠定量所需的深度远高于单纯的异构体发现[1]。这是对临床读者而言最为关键的一点，因为它区分了两个常被混为一谈的问题。一个转录本模型可以凭借少量全长读段获得良好的结构支持，而其表达水平在统计上仍然不可用。综述指出，PacBio和ONT目前都无法在可比成本下达到短读长RNA-seq的每样本读段深度，这限制了转录本水平差异表达的统计功效，对低丰度转录本尤其如此[1]。
来自LongBench的局限性证据将这一点提炼为方案层面的警示。在来自八种肺癌细胞系的批量、单细胞和单核样本中，使用三种平台上的七种测序方案进行 profiling，所有方案均表现出特定的长度和定量偏差[6]。PacBio Kinnex 提升的通量使得能够以高准确度读长进行差异分析，但转录本长度在谱系两端均受到限制，尤其是在标准批量方案中低于1 kb的转录本代表性不足；ONT cDNA 成本较低，但产生的读长更短、准确性更低，对基因、转录本、剪接 junction 检测和差异表达的灵敏度降低；ONT direct RNA 在批量方法中偏差最低，但需要相对较大的 RNA 投入量且准确性较低[6]。至关重要的是，LongBench 发现三种长读长方案仅对67–69%的多异构体基因的主要异构体达成一致，而短读长结果则明显更加分歧[6]。这一一致性数字是跨平台异构体一致性的诚实上限，应缓和任何声称单平台异构体比率是确定测量的说法。
临床解读的收益真实存在，但比该技术的承诺要有限
这篇锚定综述中最有力的临床证据来自近期针对罕见病的长读长RNA-seq研究。PacBio Kinnex/HiFi RNA-seq解析了具有临床相关性的内含子保留、多外显子跳跃、渗漏剪接、变异定相以及异构体转换，而STRIPE/TEQUILA等靶向策略则提升了疾病基因panel的测序深度，并支持对意义未明变异进行单倍型解析解读，以及在既往未确诊个体中实现分子诊断[1]。这些实验的规模值得精确说明：Kinnex/HiFi研究每个血液文库产生约1320万条全长非嵌合reads，每个成纤维细胞样本约1170万条，而STRIPE/TEQUILA在两个受测panel中分别达到64.2%和87.1%的中位在靶率，相对于非靶向全转录组长读长测序分别实现了71.8倍和39.5倍的富集[1]。这些富集倍数正是靶向长读长RNA-seq能够达到非靶向全转录组工作无法企及的深度的机制所在。
验证证据划定了边界。在一个特征明确的罕见病队列中，包含1，462个家庭，短读长基因组测序在5.4%的家庭中识别出了诊断性结构变异，而这些诊断性结构变异中有98%位于短读长基因组测序易于覆盖的基因组区域，仅有三个具有临床可解释性的变异定位于高度重复的片段重复或简单重复序列[5]。作者得出结论：当进行全面的短读长分析时，长读长基因组测序目前在诊断率上的相对增量改善是有限的[5]。这与转录本层面的异构体解读是不同的终点，因此它并不反驳锚定综述的临床主张，但它确实限制了长读长方法通过变异发现 alone 可能吸收的未确诊罕见病负担的比例。锚定综述自身的证据边界在此同样适用：它是一篇方法学综述，未提供新的临床诊断效能数据，且其平台推荐将随着化学试剂和软件版本的更新而变化[1]。
病毒、单细胞和空间应用界定了该方法仍无法企及的领域
紧凑的病毒基因组之所以构成一种压力测试，是因为决定生物学解释的是转录单元分辨率，而非表达定量。锚定综述记录到，在多种疱疹病毒中，长读长测序揭示了此前未被识别的mRNA和非编码RNA、替代转录起始和终止位点异构体、剪接变体、多基因RNA以及广泛的转录重叠网络，在痘病毒、杆状病毒、非洲猪瘟病毒和SARS-CoV-2中也观察到类似的复杂性[1]。在乙型肝炎病毒中，对患者肝活检组织的靶向长读长测序解析了cDNA来源和整合体来源的转录本，并鉴定出此前未被表征的剪接、截短和嵌合病毒RNA[1]。来自细菌和病毒研究的竞争性证据表明，同样的平台权衡在更小尺度上同样存在：在大肠杆菌中，研究者比较了直接RNA测序、直接cDNA和PCR-cDNA方案，结论是纳米孔RNA-seq适用于定量测量，且与Illumina短读长数据相关性良好，同时指出直接RNA测序需要超过10 µg的起始RNA才能在rRNA去除后获得足够的mRNA，且缺乏简便的条形码标记方案[4]。在塞内卡谷病毒中，PCR-cDNA产生的病毒产量远高于直接RNA测序，原始错误率也更低，但直接RNA测序显示输入病毒拷贝数与输出读长之间存在强线性关系（r² = 0.99），而PCR-cDNA则不然（r² = 0.54），表明直接RNA测序具有定量性而PCR-cDNA不具备[7]。这两项结果在准确性与定量之间指向相反方向，而这正是锚定综述所描述的权衡——它是平台特异性的，而非通过单一最佳方案就能解决的[1]。
单细胞与空间长读长研究在概念上可行，但受深度限制。锚定综述指出，主要障碍已不再是概念上的可行性，而是通量、条形码保真度、测序准确性与异构体水平统计分析之间的联合优化，并警告称，由于读段分布在大量细胞中，即便单个分子在结构上具有信息量，稀有异构体的定量仍常常受限于深度[1]。基础性单细胞方法学研究从文库制备角度指出了同样的制约，指出基于液滴的平台每个文库可捕获10,000个细胞，但脱落率很高，尤其是对低表达基因，且分析工具往往针对特定实验类型定制，在自定义条形码或非标准侧翼序列上可能失效[2]。锚定综述还指出，直接RNA测序的修饰检出仍强烈依赖于修饰类型、碱基识别模型、信号模型和测序深度，应谨慎解读[1]。未决问题不在于这些应用在原理上是否可行，而在于何种深度阈值才能使单细胞中的稀有异构体判定站得住脚，而现有证据尚未给出这一数字。
关于这些来源
本研究报告页面基于7项同行评审研究构建——发表于2020年至2026年间，其中5项发表于2024年或之后——这些研究是从通过质量筛选的8项研究中选出的最相关研究，而这些研究又从超过5亿篇文献的数据库中检索到的61篇论文中筛选而来。
本文引用的文献
长读长转录组学——机遇与挑战
Tombácz及其同事的锚定综述综合了PacBio HiFi/Kinnex cDNA、ONT cDNA和直接RNA测序之间平台特异的权衡，并指出读长和准确性决定异构体重建，而测序深度决定定量精度，从而使平台选择和深度校准成为罕见病、病毒和单细胞应用中可辩护转录本模型的先决条件[1]。
用于分析长读长测序中细胞类型特异性RNA异构体表达的计算方法学
这项基础方法学工作确立了以下事实：可变剪接以及可变转录起始和终止位点的使用会从同一基因产生不同异构体；这些过程的紊乱与遗传性疾病和癌症相关；片段化偏倚是短读长RNA-seq固有的问题。同时，该工作还记录了基于液滴的单细胞平台存在高丢失率，并且分析工具往往在定制条形码上失效[2]。
使用ISAtools和大规模PacBio环形一致性测序数据高效重建全长RNA异构体
ISAtools 是作为一个可扩展的无参考框架开发的，用于从 PacBio CCS 数据进行全长异构体重建，其作者报告称，LRGASP 基准测试一致表明，与 ONT 数据相比，PacBio CCS 数据实现了更优越的异构体重建准确性，ISAtools 在大约 4 小时内完成了约 10 亿条模拟读段的重建和定量，使用了约 8 GB 内存，而 IsoQuant、Bambu 和 Mandalorion 在 300 GB 内存限制下失败 [3]。
大肠杆菌中RNA和cDNA分子的纳米孔测序。
这一相互印证的证据比较了ONT直接RNA、直接cDNA和PCR-cDNA方案在大肠杆菌中的应用，并得出结论：纳米孔RNA-seq适用于定量测量，且与Illumina短读长数据具有良好的相关性，同时指出直接RNA测序需要超过10 µg的起始RNA才能在rRNA去除后获得足够的mRNA，并且缺乏简便的条形码标记方法[4]。
罕见病中基于短读长和长读长测序的结构变异发现及其诊断影响
这项针对1462个罕见病家系的验证研究发现，通过短读长基因组测序在5.4%的家系中检出了诊断性结构变异，其中98%的变异位于短读长测序易于覆盖的区域，仅3个具有临床可解释性的变异位于高度重复区域，结论是在进行全面的短读长分析时，长读长基因组测序目前带来的增量诊断收益有限[5]。
使用LongBench对长读长RNA测序技术进行基准测试：一个通过bulk和单细胞……对癌细胞系进行分析的跨平台参考数据集
LongBench 利用三种平台上的七种测序方案，对八种肺癌细胞系进行了 bulk、单细胞和单细胞核多模态分析，发现所有方案均表现出特定的长度和定量偏差，三种长读长方案仅对 67–69% 的多异构体基因的主要异构体达成一致，并且 PacBio Kinnex 在标准 bulk 方案中低估了 1 kb 以下的转录本 [6]。
以塞内卡病毒A为模型，通过牛津纳米孔测序技术表征新发猪病毒性疾病。
以塞内卡病毒A为模型，这项竞争性研究发现，PCR-cDNA测序产生的病毒产量远高于直接RNA测序，原始错误率也更低，但直接RNA测序显示输入病毒拷贝数与输出reads之间存在强线性关系（r² = 0.99），而PCR-cDNA则不然（r² = 0.54），表明直接RNA测序具有定量性，而PCR-cDNA则不具有[7]。