热门主题报告 / 基因组学

---

本报告由 MaltSci•麦伴科研 基于最新文献和研究成果撰写

---

RNA测序如何推动转录组学研究的发展？

摘要

转录组学是研究细胞内RNA分子种类和丰度的重要领域，近年来RNA测序技术（RNA-seq）的快速发展极大推动了该领域的研究进展。RNA-seq作为一种高通量的测序技术，能够全面分析转录组，揭示基因表达的复杂性和动态变化。其基本原理是将RNA转录为互补DNA（cDNA），随后进行测序，从而获取RNA的序列信息。与传统的基因表达分析方法相比，RNA-seq具有高通量、高灵敏度等优势，能够识别新的转录本和非编码RNA，并深入探讨不同条件下的基因表达谱。RNA-seq在医学、农业和基础生物学等多个领域的广泛应用，促进了对疾病相关生物标志物的识别和植物基因功能的理解。然而，RNA-seq的应用也面临数据分析和样本处理的挑战，如何克服这些挑战以提高其应用效果，成为当前研究的重要课题。综上所述，RNA测序技术的不断进步为转录组学研究提供了强大的工具，未来将在个性化医疗和新药研发中发挥重要作用。

大纲

本报告将涉及如下问题的讨论。

• 1 引言
• 2 RNA测序技术概述
  • 2.1 RNA-seq的基本原理
  • 2.2 RNA-seq的技术流程
• 3 RNA测序在转录组学中的应用
  • 3.1 基因表达谱分析
  • 3.2 新转录本的发现
  • 3.3 非编码RNA的研究
• 4 RNA测序的优势与局限性
  • 4.1 与传统方法的比较
  • 4.2 技术局限与挑战
• 5 RNA测序的未来发展方向
  • 5.1 新技术的出现
  • 5.2 多组学整合的前景
• 6 总结

1 引言

转录组学是研究细胞内RNA分子种类和丰度的重要领域，它为我们揭示基因表达的调控机制及其在生物学过程中的作用提供了重要的视角。随着基因组学的迅速发展，转录组学也逐渐成为生命科学研究的一个重要组成部分。近年来，RNA测序技术（RNA-seq）的快速发展极大地推动了转录组学的研究进展，使得研究人员能够在更大规模和更高精度上探讨基因表达的动态变化[1][2]。RNA-seq相较于传统的基因表达分析方法，具有高通量、高灵敏度和广泛的应用范围等优势。这使得科学家们不仅能够识别出新的转录本和非编码RNA，还能深入了解不同条件下的基因表达谱，甚至是细胞内的转录调控网络[3][4]。

RNA-seq的广泛应用使得它在医学、农业和基础生物学等多个领域的研究中发挥了重要作用。在医学领域，RNA-seq被用来识别疾病相关的生物标志物，并分析组织和细胞类型特异性的影响[1]。在植物科学中，RNA-seq技术帮助研究人员更好地理解植物基因的功能以及其在育种选择和栽培实践中的调控过程[2]。此外，单细胞RNA测序（scRNA-seq）的出现，使得我们能够在单细胞水平上分析基因表达，揭示细胞间的异质性和动态变化，这为免疫学、肿瘤学和发育生物学等领域的研究提供了新的视角[5]。

尽管RNA-seq技术在转录组学研究中展现出了显著的优势，但其应用仍面临一些挑战。例如，与传统方法相比，RNA-seq在数据分析和解读上要求更高的技术水平和计算能力[6]。此外，RNA-seq的技术局限性和样本处理的复杂性也可能影响研究结果的可靠性和可重复性。因此，如何克服这些挑战，进一步提高RNA-seq的应用效果，成为当前转录组学研究的重要课题[7]。

本报告旨在系统评述RNA测序技术如何推动转录组学研究的发展，首先将对RNA-seq的基本原理和技术流程进行概述，以帮助读者理解其在转录组学中的应用基础。接着，将详细分析RNA测序在基因表达谱分析、新转录本的发现及非编码RNA研究等方面的应用实例，以展示其在不同领域的实际价值。此外，本报告还将探讨RNA测序的优势与局限性，比较其与传统方法的异同，并分析当前技术的局限与未来发展方向，尤其是在新技术的出现和多组学整合的前景方面。最后，将对本综述的主要发现进行总结，以期为RNA-seq在转录组学中的进一步应用提供参考和指导。

2 RNA测序技术概述

2.1 RNA-seq的基本原理

RNA测序（RNA-seq）是一种高通量的测序技术，用于全面研究转录组，即细胞或组织中转录的所有RNA物种。该技术通过测量数千个基因的表达水平，能够提供对生物过程中的功能通路和调控机制的深刻见解。RNA-seq的基本原理涉及将RNA转录成互补DNA（cDNA），然后对cDNA进行测序，从而获取RNA的序列信息。

在过去十年中，RNA-seq已成为转录组分析中不可或缺的工具，能够分析差异基因表达和mRNA的差异剪接（Stark et al. 2019）。随着下一代测序技术的发展，RNA-seq方法也不断演变，现已可以研究RNA生物学的多个方面，包括单细胞基因表达、翻译（转译组）和RNA结构（结构组）等新兴应用（Stark et al. 2019）。

RNA-seq的技术进步使得科学家能够在细胞特定的生理和病理状态下，以前所未有的细节了解细胞表型。通过分析不同细胞类型的转录组，研究人员可以深入理解生物体的发育过程、疾病机制以及细胞间的相互作用（Chambers et al. 2019）。此外，RNA-seq技术的进步，如空间转录组学（spatial transcriptomics），使得研究者能够在组织切片中精确定位基因表达，揭示疾病相关机制的空间分布（Smail & Montgomery 2024）。

RNA-seq不仅限于模型生物，还可以应用于非模型植物和其他生物体，帮助研究人员更好地理解功能基因和调控过程，从而改善育种选择和栽培实践（Tyagi et al. 2022）。近年来，随着RNA-seq技术的不断改进，研究者能够更高效地表征不同细胞类型的转录组，推动了植物科学研究的进展（Martin et al. 2013）。

总之，RNA-seq通过其高分辨率和高通量的特性，推动了转录组学研究的进展，使得研究者能够在多个层面上深入探索生物学过程，为疾病的早期诊断和个性化治疗提供了强有力的工具（Natarajan & Umapathy 2025）。随着技术的不断发展和数据分析工具的改进，RNA-seq在未来的研究中将继续发挥重要作用。

2.2 RNA-seq的技术流程

RNA测序（RNA-seq）是一种革命性的高通量技术，广泛应用于转录组学研究。该技术能够全面测量RNA分子的表达水平，从而为生物学过程、分子功能和细胞组分的理解提供重要见解。RNA-seq通过对大量RNA分子的并行测序，使得研究者能够获得高分辨率的转录组数据，进而深入分析基因表达的差异和可变剪接等现象（Smail & Montgomery 2024）[1]。

RNA-seq的技术流程通常包括几个关键步骤。首先，样本的RNA提取是整个流程的基础，提取的RNA需经过纯化和定量，以确保后续实验的准确性。随后，RNA被逆转录为互补DNA（cDNA），这一过程通常会涉及到文库构建，包括连接接头、PCR扩增等步骤，以便于后续的测序。接下来，构建好的cDNA文库会被送往高通量测序平台进行测序，这一阶段能够同时获取数百万个RNA分子的序列信息。最后，测序数据会经过生物信息学分析，利用专门的计算工具进行数据处理和结果解读，进而识别出基因表达模式和潜在的生物标志物（Natarajan & Umapathy 2025）[8]。

RNA-seq的优势在于其高灵敏度和高通量，能够有效识别稀有转录本和复杂的剪接变体。近年来，随着单细胞RNA-seq等新技术的出现，研究者能够在单个细胞水平上分析转录组，极大地提升了对细胞异质性的理解。这种技术的进步使得研究者能够在细胞特异性和空间特异性上深入探讨疾病机制，特别是在肿瘤研究和神经科学领域中，RNA-seq提供了新的视角和方法来解析复杂的生物学问题（Chambers et al. 2019）[9]。

总之，RNA-seq的不断发展推动了转录组学研究的进步，促进了对基因表达、疾病机制及其生物标志物的深入理解，未来有望在个性化医疗和新药研发中发挥更大的作用（Khatoon et al. 2014）[3]。

3 RNA测序在转录组学中的应用

3.1 基因表达谱分析

RNA测序（RNA-seq）作为一种高通量技术，已经成为转录组学研究中的重要工具，极大地推动了基因表达谱分析的发展。RNA-seq技术通过测量RNA分子的序列，能够提供对细胞或组织中转录本的全面视图，从而揭示基因表达的复杂性和动态变化。

首先，RNA-seq允许对成千上万的基因表达水平进行同时测量，这一特性使其在功能通路和生物过程的调控研究中具有重要意义。通过RNA-seq，研究人员可以识别不同条件下的差异表达基因，这对于理解疾病机制、发育过程及环境适应等方面至关重要[3]。例如，RNA-seq技术的进步使得研究者能够探讨单细胞基因表达、转录组结构及翻译过程等多方面的RNA生物学[7]。

其次，RNA-seq在基因组学和转录组学的结合上也展现出巨大的潜力。当前，国际间的努力正在构建与基因组数据相匹配的大规模转录组数据库，这些资源的可用性增强了RNA-seq在识别疾病生物标志物、组织及细胞类型特异性影响和疾病相关机制空间定位方面的应用[1]。这种结合不仅提高了对罕见疾病相关异常转录组表型的检测能力，还为揭示疾病的起源、作用机制和因果基因的贡献提供了前所未有的见解。

此外，RNA-seq的技术进步使得对转录本的更全面表征成为可能。包括转录起始位点的映射、链特异性测量、基因融合检测、小RNA特征化和替代剪接事件的检测等新技术的发展，使得RNA-seq在生物学研究中的应用更加广泛和深入[10]。例如，单细胞RNA-seq（scRNA-seq）技术的应用，使得研究者能够在单个细胞层面上探讨基因表达的异质性，从而获得更为精细的生物学信息[9]。

总之，RNA测序不仅为转录组学研究提供了强大的技术支持，还通过对基因表达谱的深刻分析，推动了生物医学研究的进展，特别是在疾病诊断、药物开发和个性化医疗等领域的应用前景广阔。随着技术的不断进步和计算分析工具的改进，RNA-seq在未来的研究中将继续发挥重要作用，促进对生物系统复杂性的理解和应用[6]。

3.2 新转录本的发现

RNA测序（RNA-Seq）作为一种新兴的高通量技术，极大地推动了转录组学研究的进展，尤其是在新转录本的发现方面。RNA-Seq能够同时测量成千上万基因的表达水平，并提供对生物过程中的功能通路和调控机制的深入洞察[3]。这一技术的应用使得研究人员能够识别与药物相关的基因、微小RNA和融合蛋白，从而为药物发现和开发提供了重要的信息[3]。

RNA-Seq的优势在于其能够揭示替代剪接、等位基因特异性表达、未注释外显子以及新转录本（包括基因或非编码RNA）的信息。这一特性使得RNA-Seq在识别新转录本方面具有独特的优势，能够捕捉到传统方法可能遗漏的转录本，从而扩展了已知转录组的范围[2]。在植物科学中，RNA-Seq被用于非模型植物的转录组研究，帮助研究人员更好地理解功能基因及其调控过程，从而改善育种选择和栽培实践[2]。

在骨骼生物学领域，RNA-Seq已被广泛应用于小型和大型动物模型以及人类组织和细胞的研究中，识别出与骨骼发育和疾病相关的新基因和转录因子[11]。这一技术的进步，例如单细胞RNA-Seq，进一步推动了新细胞类型在骨骼组织中的识别，帮助科学家们更深入地理解骨骼生物学的复杂性[11]。

RNA-Seq的不断发展也使其在疾病诊断中的应用日益广泛。它能够准确测量多种转录组表型，帮助建模疾病变异的影响，并识别疾病生物标志物和组织特异性影响[1]。这种技术的快速发展及其在临床实践中的应用潜力，为理解疾病的起源、作用机制和致病基因的贡献提供了前所未有的洞察力。

总的来说，RNA-Seq不仅在基础研究中揭示了新转录本，还在药物开发、疾病诊断和植物科学等多个领域展现了其广泛的应用潜力，成为转录组学研究不可或缺的工具。

3.3 非编码RNA的研究

RNA测序（RNA-seq）作为一种高通量技术，已在转录组学研究中发挥了重要作用，尤其是在非编码RNA的研究方面。RNA-seq能够全面、准确地测量细胞或组织中转录本的表达水平，为揭示非编码RNA的功能提供了强有力的工具。

首先，RNA-seq技术允许研究者对大量的RNA分子进行同时测序，这使得对非编码RNA（如长非编码RNA和小RNA）的识别和定量变得更加高效和准确。通过对转录组的全面分析，研究者能够发现新的非编码RNA，并探讨其在生物过程中的潜在功能。例如，RNA-seq可以揭示非编码RNA在调控基因表达、细胞增殖、分化和凋亡等生物学过程中所扮演的角色[3]。

其次，RNA-seq技术的进步使得对不同细胞类型和发育阶段中非编码RNA的研究成为可能。通过单细胞RNA测序（scRNA-seq），研究者能够在单细胞水平上分析非编码RNA的表达模式，从而揭示细胞异质性及其在疾病中的作用[6]。这一点对于理解复杂疾病（如癌症）中的非编码RNA功能尤为重要，因为这些RNA可能在肿瘤微环境中发挥关键作用。

此外，RNA-seq的高分辨率和高灵敏度使其能够识别低丰度的非编码RNA，这在传统的微阵列技术中是难以实现的。通过RNA-seq，研究者能够更深入地探讨非编码RNA与基因组其他部分（如编码RNA、调控元件等）之间的相互作用，进而揭示其在基因调控网络中的作用[1]。

综上所述，RNA测序技术的应用极大地推动了转录组学研究，尤其是在非编码RNA领域的探索。通过提供丰富的转录组数据，RNA-seq不仅帮助科学家们识别新的非编码RNA，还为理解其在生物学过程中的功能和机制提供了重要的基础。这些研究成果为未来的生物医学研究，特别是在疾病诊断和治疗方面，奠定了坚实的基础。

4 RNA测序的优势与局限性

4.1 与传统方法的比较

RNA测序（RNA-Seq）在转录组学研究中带来了显著的进展，其优势主要体现在以下几个方面。

首先，RNA-Seq是一种高分辨率、高灵敏度和高通量的下一代测序技术，能够对非模型植物及其他生物体进行全面的转录组研究。与传统的微阵列技术相比，RNA-Seq不需要预先知道表达的基因或其剪接模式，能够从任何组织中分析表达的基因，提供了更大的动态范围和更高的灵敏度[12]。这种方法使得研究人员能够对转录组进行假设自由的特征化，从而更全面地了解基因表达的全貌[13]。

其次，RNA-Seq能够同时测量成千上万基因的表达水平，提供对生物过程的功能通路和调控机制的深入见解。它不仅能够揭示基因的表达量，还能提供关于可变剪接、等位基因特异性表达和未注释外显子的丰富信息[3]。这使得RNA-Seq在药物发现和开发中具有重要的应用价值，能够识别与药物相关的基因、微小RNA和融合蛋白[3]。

此外，RNA-Seq技术的进步使得对不同细胞类型的转录组特征进行高效表征成为可能。通过改进的RNA-Seq技术，研究人员能够更好地理解植物中的功能基因和调控过程，从而改善育种选择和栽培实践[2]。新兴的空间转录组学（spatial transcriptomics）等应用，进一步拓展了RNA-Seq在研究RNA生物学中的应用范围[7]。

然而，RNA-Seq也存在一些局限性。尽管其灵敏度高，但大多数序列读取代表的是高表达的转录本，而低水平转录本的检测则相对困难[13]。此外，RNA-Seq产生的数据量庞大，数据的复杂性使得分析过程可能比实验本身花费更多的时间[12]。尽管有这些挑战，RNA-Seq仍然被认为是当前转录组研究的先进工具，因其提供的详细信息和对基因表达的深刻洞察力，已经在许多领域取代了传统的微阵列技术[14]。

综上所述，RNA-Seq在转录组学研究中的优势在于其高通量、灵敏度和全面性，使得研究人员能够获得关于基因表达的丰富信息。然而，面对数据处理和低表达转录本检测的挑战，研究者仍需不断优化技术和分析方法，以充分发挥RNA-Seq的潜力。

4.2 技术局限与挑战

RNA测序（RNA-seq）作为一种高通量技术，极大地推动了转录组学研究的发展，尤其在基因表达分析、转录本定量和新转录本的发现等方面表现出色。通过对RNA分子的顺序进行测定，RNA-seq能够同时测量成千上万基因的表达水平，提供关于生物过程中的功能通路和调控机制的深入见解[3]。这一技术的进步使得研究人员能够获得更为全面的转录组特征，从而在多种生物学研究中发挥重要作用。

在转录组学的应用中，RNA-seq技术的优势主要体现在以下几个方面：

1. 高分辨率和灵敏度：RNA-seq能够高效地组装来自个体或整体样本的RNA转录本，提供对基因表达模式的详细描绘[2]。这种高分辨率使得研究者能够识别和量化低丰度转录本，从而在基因组研究中挖掘出潜在的生物标志物。

2. 多样化的应用：RNA-seq不仅限于基因表达分析，还可以应用于单细胞基因表达、转译组和RNA结构等多个方面，推动了空间转录组学等新兴应用的发展[7]。这一技术的多功能性使得其在植物科学、药物发现及临床研究等领域得到了广泛应用[6]。

3. 数据分析的改进：随着计算分析管道的不断改进，RNA-seq能够更好地检测罕见疾病下的异常转录组表型，这对于疾病的诊断和机制研究具有重要意义[1]。

然而，RNA-seq也面临一些技术局限和挑战：

1. 数据复杂性：RNA-seq生成的数据量庞大且复杂，数据的处理和分析需要高水平的计算能力和生物信息学知识。如何有效地存储、分析和解读这些数据是当前研究中的一大挑战[6]。

2. 样本处理和实验设计：在RNA-seq实验中，样本的处理和实验设计对于结果的准确性至关重要。不同的实验条件和处理方法可能导致结果的显著差异，因此需要严格控制实验变量[8]。

3. 技术的局限性：尽管RNA-seq在转录组分析中具有诸多优势，但仍然存在一些技术限制。例如，RNA的降解、样本的质量以及测序深度等因素均可能影响结果的可靠性和可重复性[10]。

总之，RNA测序技术的进步为转录组学研究提供了强有力的工具，推动了对基因表达和调控机制的深入理解。然而，随着技术的不断发展，研究者仍需关注数据分析的复杂性和实验设计的严谨性，以最大限度地发挥RNA-seq的潜力。

5 RNA测序的未来发展方向

5.1 新技术的出现

RNA测序（RNA-seq）作为一种高通量技术，正在迅速推动转录组学研究的发展。它的出现和不断进步，使得研究人员能够对RNA分子的多样性和复杂性进行深入分析，从而为生物学和医学研究提供了强大的工具。

首先，RNA-seq技术的进步使得研究人员能够在转录组范围内进行差异基因表达分析和差异剪接研究。近年来，RNA-seq方法已扩展到研究RNA生物学的多个方面，包括单细胞基因表达、翻译组（translatome）和RNA结构（structurome）等[7]。这些新应用的探索为转录组学提供了更为全面的视角，使得研究人员能够更好地理解转录过程的时空特征及其调控机制。

其次，随着技术的不断演进，RNA-seq在不同细胞类型和生物组织中的应用也日益广泛。通过对不同类型细胞的转录组进行表征，研究人员能够识别出特定的功能基因和调控网络，从而提升对生物过程和分子功能的理解[2]。此外，国际间的努力正在构建大规模的转录组库，这些库与基因组数据相匹配，涵盖了多样化的人群组，为RNA-seq的应用提供了丰富的参考资源[1]。

未来，RNA-seq的研究方向将更加聚焦于技术的标准化和应用的广泛性。针对RNA-seq的实验工作流程和常用术语的标准化，将有助于提升不同研究之间的可比性和 reproducibility[6]。此外，随着单细胞RNA-seq的进步，研究者将能够将基因表达信息映射到个体细胞，显著增强对生物样本中离散细胞功能的理解[6]。

新技术的出现，如直接RNA测序和长读长RNA测序等，将进一步推动RNA-seq的应用。这些技术不仅提高了测序的精度，还能够更好地识别替代剪接事件和基因融合现象，拓展了RNA-seq在疾病机制研究中的潜力[10]。随着计算工具的不断完善，RNA-seq的分析能力也在不断提升，为研究提供了更为强大的数据解析能力，帮助识别与疾病相关的转录组表型，从而推动个性化医疗的发展[8]。

综上所述，RNA测序的进步正在深刻影响转录组学的研究方向和应用，未来将继续为理解生物学过程和疾病机制提供新的视角和工具。

5.2 多组学整合的前景

RNA测序（RNA-seq）作为一种高通量技术，正在迅速推动转录组学研究的发展。它不仅能够准确测量多个转录组表型，还为疾病变异的影响建模提供了重要工具。RNA-seq的技术进步和实验方案的优化，正在扩展其在识别疾病生物标志物、特定组织和细胞类型影响及疾病相关机制空间定位中的应用[1]。随着国际合作努力构建大规模转录组库，并配以匹配的基因组数据，RNA-seq的方法在提供大规模规范性参考资源方面的效用正在显著提高。这些资源的可用性，结合改进的计算分析流程，促进了对稀有疾病的异常转录组表型的检测，为解析疾病起源、作用机制及致病基因贡献提供了前所未有的洞察[1]。

在转录组学的未来发展方向上，单细胞RNA测序（scRNA-seq）和空间转录组学（spatial transcriptomics）技术的结合正处于前沿。这些技术能够同时捕捉单细胞转录组、免疫库、空间信息、时间信息、表位等多种组学数据，全面提升对细胞分化、发展模式、疾病异质性、耐药机制及治疗策略的理解[15]。通过描绘正常或病变组织的细胞图谱，单细胞多组学为深入研究细胞间的异质性及其在肿瘤微环境中的作用提供了基础。这种整合的多组学策略不仅提升了对肿瘤微环境的解析能力，还为精准医学的实施奠定了基础，推动了空间信息与生物标志物的结合，从而有望开发出新的诊断工具和治疗策略[16]。

在应用方面，RNA-seq在口腔癌研究中也展现出重要的变革性作用。通过解码肿瘤的RNA景观，RNA-seq可以映射基因表达模式，识别生物标志物，并以空前的分辨率理解肿瘤异质性，从而为个性化医疗提供支持[8]。此外，RNA-seq与其他组学技术的整合，正被认为是转化研究中具有巨大应用潜力的领域，这种整合有助于更全面地理解复杂的生物系统及其在疾病中的表现[17]。

总体而言，RNA测序技术的持续进步和多组学整合的前景为转录组学研究提供了新的视角和广阔的应用空间，预示着未来在生物医学研究、疾病诊断和治疗中的重要作用。

6 总结

本报告系统评述了RNA测序技术在转录组学研究中的应用与发展，突出了其在基因表达谱分析、新转录本发现和非编码RNA研究等方面的显著贡献。RNA-seq的高通量和高灵敏度特性，使得研究人员能够在细胞特定的生理和病理状态下，深入探讨基因表达的动态变化和调控机制。此外，单细胞RNA测序和空间转录组学的兴起，为细胞间的异质性分析和疾病机制的研究提供了新的视角。尽管RNA-seq在数据分析和样本处理上仍面临挑战，但其在医学、农业和基础生物学等领域的广泛应用，预示着未来在个性化医疗和新药研发中将发挥更大作用。展望未来，随着新技术的不断涌现和多组学整合的深入，RNA-seq有望为转录组学研究提供更加全面的视野，推动生物医学研究的进一步发展。

参考文献

• [1] Craig Smail;Stephen B Montgomery. RNA Sequencing in Disease Diagnosis.. Annual review of genomics and human genetics(IF=7.9). 2024. PMID:38360541. DOI: 10.1146/annurev-genom-021623-121812.
• [2] Parul Tyagi;Deeksha Singh;Shivangi Mathur;Ayushi Singh;Rajiv Ranjan. Upcoming progress of transcriptomics studies on plants: An overview.. Frontiers in plant science(IF=4.8). 2022. PMID:36589087. DOI: 10.3389/fpls.2022.1030890.
• [3] Zainab Khatoon;Bryan Figler;Hui Zhang;Feng Cheng. Introduction to RNA-Seq and its applications to drug discovery and development.. Drug development research(IF=4.2). 2014. PMID:25160072. DOI: 10.1002/ddr.21215.
• [4] Marcin Cieślik;Arul M Chinnaiyan. Cancer transcriptome profiling at the juncture of clinical translation.. Nature reviews. Genetics(IF=52.0). 2018. PMID:29279605. DOI: 10.1038/nrg.2017.96.
• [5] Inês Geraldes;Mónica Fernandes;Alexandra G Fraga;Nuno S Osório. The impact of single-cell genomics on the field of mycobacterial infection.. Frontiers in microbiology(IF=4.5). 2022. PMID:36246265. DOI: 10.3389/fmicb.2022.989464.
• [6] Gaurav Thareja;Hemant Suryawanshi;Xunrong Luo;Thangamani Muthukumar. Standardization and Interpretation of RNA-sequencing for Transplantation.. Transplantation(IF=5.0). 2023. PMID:37026702. DOI: 10.1097/TP.0000000000004558.
• [7] Rory Stark;Marta Grzelak;James Hadfield. RNA sequencing: the teenage years.. Nature reviews. Genetics(IF=52.0). 2019. PMID:31341269. DOI: 10.1038/s41576-019-0150-2.
• [8] Prabhu Manickam Natarajan;Vidhya Rekha Umapathy. Role of transcriptomics in the study of oral cancer.. Frontiers in oral health(IF=3.1). 2025. PMID:40791779. DOI: 10.3389/froh.2025.1524364.
• [9] Daniel C Chambers;Alan M Carew;Samuel W Lukowski;Joseph E Powell. Transcriptomics and single-cell RNA-sequencing.. Respirology (Carlton, Vic.)(IF=6.3). 2019. PMID:30264869. DOI: 10.1111/resp.13412.
• [10] Fatih Ozsolak;Patrice M Milos. RNA sequencing: advances, challenges and opportunities.. Nature reviews. Genetics(IF=52.0). 2011. PMID:21191423. DOI: 10.1038/nrg2934.
• [11] Ugur Ayturk. RNA-seq in Skeletal Biology.. Current osteoporosis reports(IF=5.3). 2019. PMID:31093870. DOI: 10.1007/s11914-019-00517-x.
• [12] Petter Vikman;Joao Fadista;Nikolay Oskolkov. RNA sequencing: current and prospective uses in metabolic research.. Journal of molecular endocrinology(IF=3.8). 2014. PMID:25228274. DOI: 10.1530/JME-14-0170.
• [13] Jonatan Halvardson;Ammar Zaghlool;Lars Feuk. Exome RNA sequencing reveals rare and novel alternative transcripts.. Nucleic acids research(IF=13.1). 2013. PMID:22941640. DOI: 10.1093/nar/gks816.
• [14] Leng Han;Kasey C Vickers;David C Samuels;Yan Guo. Alternative applications for distinct RNA sequencing strategies.. Briefings in bioinformatics(IF=7.7). 2015. PMID:25246237. DOI: 10.1093/bib/bbu032.
• [15] Xiangyu Wu;Xin Yang;Yunhan Dai;Zihan Zhao;Junmeng Zhu;Hongqian Guo;Rong Yang. Single-cell sequencing to multi-omics: technologies and applications.. Biomarker research(IF=11.5). 2024. PMID:39334490. DOI: 10.1186/s40364-024-00643-4.
• [16] Wenxin Shi;Zhiqiang Zhang;Xiaotong Xu;Yanpeng Tian;Li Feng;Xianghua Huang;Yanfang Du;Zhongkang Li. Single-cell and spatial transcriptomics integration: new frontiers in tumor microenvironment and cellular communication.. Frontiers in immunology(IF=5.9). 2025. PMID:41112263. DOI: 10.3389/fimmu.2025.1649468.
• [17] Rashid Ahmed;Tariq Zaman;Farhan Chowdhury;Fatima Mraiche;Muhammad Tariq;Irfan S Ahmad;Anwarul Hasan. Single-Cell RNA Sequencing with Spatial Transcriptomics of Cancer Tissues.. International journal of molecular sciences(IF=4.9). 2022. PMID:35328458. DOI: 10.3390/ijms23063042.

麦伴智能科研服务

轻松定制专业报告

在麦伴科研 (maltsci.com) 搜索更多文献

RNA测序 · 转录组学 · 基因表达 · 非编码RNA · 高通量技术

---

© 2025 MaltSci 麦伴科研