RNA測(cè)序是遺傳學(xué)家工具箱中的一種常用工具。利用RNA測(cè)序，研究人員能夠定量地檢測(cè)各種生物體的基因表達(dá)，從而更好地了解細(xì)胞中正在發(fā)生的事情以及特定基因的功能。由于在藥物發(fā)現(xiàn)、疾病診斷和基因鑒定中具有潛在作用，RNA測(cè)序的應(yīng)用似乎無(wú)極限。

RNA測(cè)序的準(zhǔn)確性

早在2014年，《Nature Biotechnology》上發(fā)表了三篇文章。它們屬于RNA測(cè)序質(zhì)量控制（SEQC）項(xiàng)目的一部分，旨在評(píng)估新一代測(cè)序平臺(tái)的性能以及RNA分析的優(yōu)勢(shì)和局限。研究人員測(cè)試了三個(gè)常用RNA測(cè)序平臺(tái)的可靠性、準(zhǔn)確性和信息內(nèi)容，希望確定平臺(tái)的使用范圍并尋找變化的來(lái)源。

在整個(gè)研究過(guò)程中，三個(gè)研究機(jī)構(gòu)都產(chǎn)生了超過(guò)10億個(gè)核苷酸的數(shù)據(jù)。他們還研究了30個(gè)不同的RNA測(cè)序?qū)嶒?yàn)室所使用的技術(shù)以及數(shù)百名研究人員使用的生化方法?？偟膩?lái)說(shuō)，他們認(rèn)為RNA的提取和分析可以跨機(jī)構(gòu)圓滿完成，即使樣本已嚴(yán)重降解，但是遺傳數(shù)據(jù)仍然可靠。

這些結(jié)果讓研究機(jī)構(gòu)以及醫(yī)生患者放心，RNA測(cè)序是準(zhǔn)確且可靠的。一項(xiàng)研究的負(fù)責(zé)人、梅奧診所的E. Aubrey Thompson評(píng)論道：“患者的護(hù)理決策似乎受到基因組數(shù)據(jù)的影響，而這些數(shù)據(jù)來(lái)源于患者樣本的RNA和DNA測(cè)序。如今我們知道了這些分析可在多大程度上依賴某個(gè)實(shí)驗(yàn)室。”

生物實(shí)驗(yàn)的重復(fù)性危機(jī)

如今，我們正處于所謂的重復(fù)性危機(jī)中，越來(lái)越多的研究變得難以重復(fù)，甚至不可能重復(fù)。據(jù)估計(jì)，單單就美國(guó)而言，每年花在無(wú)法重復(fù)的生物研究上的費(fèi)用高達(dá)280億美元。除了經(jīng)濟(jì)成本之外，不可重復(fù)的研究還造成藥物開發(fā)的延誤，阻礙疾病療法的開發(fā)。

在設(shè)計(jì)實(shí)驗(yàn)和決定使用哪種技術(shù)時(shí)，重復(fù)性仍然是人們主要考慮的因素。可靠的方法通常是許多人的首-選，比如RNA測(cè)序。然而，以色列特拉維夫大學(xué)的研究人員開展的薈萃分析表明，RNA測(cè)序的數(shù)據(jù)分析過(guò)程中存在技術(shù)偏倚，可能造成數(shù)據(jù)的錯(cuò)誤解釋和大量錯(cuò)誤結(jié)果1。

RNA測(cè)序無(wú)法重復(fù)？

在分析了35個(gè)公開的RNA測(cè)序數(shù)據(jù)集之后，研究人員注意到某些基因反復(fù)呈現(xiàn)基因表達(dá)的變化。這些數(shù)據(jù)來(lái)自近年發(fā)表的人類和小鼠研究，覆蓋了多個(gè)生物過(guò)程。他們對(duì)此感到困惑，想了解這一現(xiàn)象背后究竟是真實(shí)的生物學(xué)現(xiàn)象，還是實(shí)驗(yàn)過(guò)程引入的人為誤差。

在其中30個(gè)數(shù)據(jù)集中，研究人員發(fā)現(xiàn)特別長(zhǎng)或特別短的基因往往表現(xiàn)出-明顯的基因表達(dá)水平變化。大多數(shù)短基因編碼了組成核糖體的蛋白質(zhì)，而許多長(zhǎng)基因則編碼了與細(xì)胞外基質(zhì)有關(guān)的蛋白質(zhì)。

經(jīng)過(guò)進(jìn)一步的研究，他們發(fā)現(xiàn)這種現(xiàn)象源于實(shí)驗(yàn)的人為因素，而不是天然的生物反應(yīng)。在比較相同條件下的重復(fù)樣本后，他們發(fā)現(xiàn)這種模式是由于技術(shù)偏倚，似乎與基因的長(zhǎng)度有關(guān)。此外，若統(tǒng)計(jì)分析中存在缺陷，人們往往將檢測(cè)到的偏倚錯(cuò)誤地標(biāo)為細(xì)胞反應(yīng)，特別是與核糖體或細(xì)胞外基質(zhì)有關(guān)的反應(yīng)。在許多常用的數(shù)據(jù)歸一化方法中，這種偏倚并未得到校正，因此可能已包含在許多數(shù)據(jù)集中。

這種效應(yīng)被稱為樣本特異性長(zhǎng)度效應(yīng)（sample-specific length effect），之前已在文獻(xiàn)中提到過(guò)。許多研究人員已經(jīng)意識(shí)到這一問(wèn)題，但沒(méi)有積極地解決它。在此次分析的數(shù)據(jù)集中，未經(jīng)校正的數(shù)據(jù)比例仍然很高。

不要低估統(tǒng)計(jì)分析的重要性

盡管乍一看讓人擔(dān)憂，但結(jié)果似乎也不是那么嚴(yán)重。在文中，研究人員還介紹了如何克服和消除這種偏倚，從而過(guò)濾掉錯(cuò)誤的結(jié)果，保持生物學(xué)上的相關(guān)性。將基因長(zhǎng)度視為樣本特異性的協(xié)變量，可以明顯減少假陽(yáng)性結(jié)果的數(shù)量。

目前還不清楚哪些因素能夠淡化樣本特異性的長(zhǎng)度效應(yīng)，可能還需要進(jìn)一步研究。作者建議研究人員在自己的研究中注意這種偏倚，并將建議的數(shù)據(jù)歸一化方法作為默認(rèn)步驟，應(yīng)用在RNA-seq數(shù)據(jù)分析的標(biāo)準(zhǔn)實(shí)踐中。

美國(guó)北卡羅來(lái)納大學(xué)教堂山分校的生物統(tǒng)計(jì)學(xué)家Michael Love表示：“這篇文章很好地證明了質(zhì)量控制的重要性。”他指出，還有一些偏倚也會(huì)影響RNA測(cè)序數(shù)據(jù)的質(zhì)量，比如GC含量偏倚，各個(gè)研究團(tuán)隊(duì)在分析過(guò)程中應(yīng)始終考慮這些因素。他本人并未參與此項(xiàng)研究。

這項(xiàng)研究強(qiáng)調(diào)稱，所有技術(shù)都不是100%可靠的，因?yàn)槠械目赡苄允冀K存在。隨著各個(gè)研究領(lǐng)域的重復(fù)性危機(jī)浮出水面并獲得關(guān)注，這項(xiàng)工作強(qiáng)化了準(zhǔn)確開展統(tǒng)計(jì)分析的必要性。