导读

**1.**2026 年 Nature Biotechnology 文献，DOI：10.1038/s41587-026-03068-6；核心机构为斯坦福大学生物工程系、Stanford Medicine 与 Chan Zuckerberg Biohub。

**2.**研究针对单细胞 RNA 图谱偏向 polyadenylated transcript 的缺口，把非编码 RNA、tRNA、microRNA 和病毒非 poly(A) 转录本纳入同一分析框架。

**3.**TotalX 适配标准液滴平台，在发育中人脑、PBMC 与登革病毒感染肝细胞中展示统一捕获和分析能力。

**4.**主要发现是非编码 RNA 能补足细胞身份、时间状态和感染状态的调控层；边界在于不同样本类型的 RNA biotype 覆盖仍需针对性质量控制。

研究背景与目的

单细胞 RNA-seq 让细胞类型和状态识别进入高通量时代，但主流图谱多依赖 poly(A) 捕获，容易把非编码 RNA 的调控层压到背景里。细胞身份并不只由蛋白编码基因决定，microRNA、tRNA、lncRNA、snRNA 以及病毒转录本都可能参与状态切换、发育时序和疾病反应。

这篇文献的目的很直接：在不重建整套硬件生态的前提下，让标准液滴平台尽可能同时看到 coding 与 noncoding transcriptomics。它解决的是图谱覆盖问题，也是单细胞图谱从“表达量地图”走向“调控层地图”的技术入口。

单细胞转录组长期更偏向 poly(A) RNA，因此大量非编码 RNA、未成熟转录本、增强子相关转录以及部分降解片段容易被低估。TotalX 所处理的不是简单的测序通量问题，而是观察窗口的问题：当编码和非编码 RNA 被同场捕获，细胞状态就不再只由成熟 mRNA 描述，而能同时呈现调控过程和转录后层面的变化。

研究方法

研究团队提出 TotalX，将 total RNA profiling 适配到标准 droplet-based 平台，并配套统一分析管线。方法不是只在一种组织里验证，而是在发育中人脑、外周血单个核细胞和登革病毒感染肝细胞中分别测试，覆盖神经发育、免疫细胞状态和感染模型。

Fig. 1：TotalX 在标准液滴平台上捕获 coding 与 noncoding RNA 的总体设计。

在人脑数据中，研究按 neuronal 与 non-neuronal lineage 映射多类 RNA biotype，观察不同细胞类型和发育时间点的表达程序。围绕 Cajal–Retzius 神经元，文献重点追踪 MIR137 动态及其靶基因反相关关系，把非编码 RNA 信号连接到神经发育与疾病相关调控。

Fig. 2：发育中人脑样本中不同 RNA biotype 的细胞类型和时间特异性。

方法设计的重点在“可扩展”和“总 RNA”之间取得平衡。单细胞体系若只强调捕获范围，容易牺牲细胞数量和批量处理能力；若只强调规模，又会回到常规 mRNA 视角。文献通过实验流程和计算处理同时优化，使不同 RNA 类型能在同一个细胞条形码体系内被定量，便于后续直接比较编码与非编码转录活动。

计算分析层面，TotalX 需要同时处理成熟外显子信号、内含子信号和多类非编码转录本。不同 RNA 片段的定位和丰度不能用同一种解释逻辑直接套用，因此数据处理必须把基因表达、转录活跃度和调控相关转录区分开来，才能避免把丰富信息压扁成普通表达矩阵。

主要发现

第一，TotalX 证明非编码 RNA 可以在单细胞尺度进入可解释图谱。发育中人脑数据不仅分出细胞类型，还呈现 RNA biotype 的细胞类型特异性和时间特异性，说明非编码层并非噪声，而是细胞状态的组成部分。

第二，MIR137 的案例显示方法能捕捉更具体的调控关系。MIR137 与精神分裂症和智力障碍相关，在 Cajal–Retzius 神经元中出现富集，并与靶基因形成反相关。这个结果把技术覆盖优势转化为可追踪的生物学线索。

第三，TotalX 在 PBMC 和感染模型中展示外推能力。PBMC 数据揭示 coding 与 noncoding RNA 共同形成的转录模块，登革病毒感染肝细胞则捕获非 adenylated viral transcripts，说明方法不只服务发育图谱，也可用于免疫和感染状态识别。

主要结果说明，非编码 RNA 不是背景噪声，而是在细胞类型识别、状态转换和调控活动中提供了补充维度。某些状态变化可能在 mRNA 层面尚不明显，但在 intronic reads、long noncoding RNA 或 enhancer RNA 中已经出现信号。TotalX 由此把单细胞转录组从“表达终点读数”推进到“转录过程读数”。

这种联合观察还改变了细胞状态判读方式。传统单细胞分析常把 cluster 差异归结为基因表达差异，而 TotalX 能进一步追问这些差异来自成熟转录本积累、正在进行的转录活动，还是非编码调控区域启动。机制解释因此比单一 mRNA 读数更有层次。

结论与意义

这篇文献的核心意义在于扩展单细胞图谱的可见范围。过去很多 atlas 实际上是 poly(A) transcriptome atlas；TotalX 让图谱更接近 total transcriptome，从而把非编码调控、病毒转录本和细胞身份放入同一框架。

对于生命科学研究，技术价值体现在两层：一是减少因捕获偏倚造成的盲区，二是把 coding 与 noncoding 信号联合解释。这样的图谱更适合研究发育时序、细胞命运转换、免疫状态和感染反应。

这项工作对多组学研究的意义在于，许多调控事件不一定需要额外平台才能被观察到，关键是原始 RNA 捕获策略是否足够完整。若编码 RNA 与非编码 RNA 能在同一细胞内联合分析，细胞谱系、刺激响应、发育轨迹和疾病状态的解释会更接近真实转录过程，而不是只依赖成熟转录本留下的结果。

局限性与未来方向

局限在于 total RNA 覆盖增加后，噪声、低丰度转录本和批次效应也会变得更复杂。不同 RNA biotype 的捕获效率、比对策略和定量口径需要单独评估，不能简单把所有信号放到同一阈值下解释。

未来方向包括扩大疾病组织和临床样本验证，建立跨平台质量控制标准，并把 total RNA 单细胞图谱与空间定位、扰动实验和蛋白层信息整合起来。

未来应用需要进一步处理不同 RNA 类型的稳定性差异、片段分布差异和注释不完整问题。非编码 RNA 的生物学解释仍然依赖参考注释和独立验证，尤其在罕见细胞、临床样本和跨物种比较中，如何区分真实调控信号与技术捕获偏差会决定方法的实际使用边界。

参考文献

Nature Biotechnology，2026年3月31日。原文题名：Scalable single-cell total RNA sequencing unifies coding and noncoding transcriptomics。 DOI：10.1038/s41587-026-03068-6。