Nature Methods
单细胞与空间分辨泛癌lncRNA图谱揭示肿瘤微环境调控新机制
小赛推荐：
该研究通过整合单细胞与空间转录组数据，系统解析了长链非编码RNA在多种癌症中的细胞类型特异性和空间分布特征，为肿瘤异质性研究提供了全新的分子工具和功能候选。
文献概述
本文《Unraveling lncRNA diversity at a single cell resolution and in a spatial context across different cancer types》，发表于《Nature Methods》杂志，系统探讨了在13种癌症中利用单细胞和空间转录组技术识别潜在长链非编码RNA（lncRNA）的多样性及其功能特征。研究通过TAR-scRNA-seq流程分析了219,442个潜在lncRNA，并构建了免费、快速且用户友好的数据库SPanC-Lnc，支持跨癌种表达比较、细胞类型特异性及空间定位可视化。该资源极大拓展了对lncRNA在肿瘤微环境中的调控作用认知。背景知识
1. 该研究解决的癌症痛点在于传统bulk RNA-seq无法解析lncRNA在复杂组织中的细胞类型特异性表达和空间定位，导致大量功能未知的lncRNA被忽略。而肿瘤微环境的高度异质性使得精准识别功能性lncRNA成为机制研究的关键瓶颈。
2. 目前lncRNA的研究瓶颈主要体现在：低表达丰度、组织或细胞特异性表达模式、缺乏完整转录本结构注释，以及多数现有数据库依赖已有注释，难以发现新转录本。此外，多数研究未结合空间信息，限制了对lncRNA在肿瘤区域特异性功能的理解。
3. 选题切入点在于利用10x Visium、scRNA-seq及多种高分辨率空间技术（如Xenium、STOmics、Takara Bio Seeker）联合分析，突破传统方法局限，全面挖掘未注释lncRNA，并通过机器学习预测其与RNA结合蛋白（如ELAVL1、TARDBP）的相互作用，揭示潜在调控网络。研究还特别关注EMT、P53通路、免疫检查点相关基因共表达模式，为免疫逃逸和转移机制提供新线索。
研究方法与核心实验
作者采用了多组学整合策略，基于28个空间转录组（ST）和24个单细胞RNA-seq（scRNA-seq）样本，覆盖13种癌症类型，使用TAR-scRNA-seq流程识别未注释的转录活性区域（uTARs），并合并为癌症相关lncRNA（cuTARs）。研究进一步利用ONT和PacBio长读长测序验证cuTAR结构完整性，并通过Xenium、STOmics和Takara Bio Seeker平台在单细胞分辨率下确认表达模式。功能预测结合了空间自相关分析（Moran’s I）、WGCNA共表达网络、机器学习模型HLPI-Ensemble预测RBP互作，并整合eQTL/GWAS数据评估遗传调控潜力。所有数据通过SPanC-Lnc数据库公开访问，支持交互式基因组浏览器查询。关键结论与观点
研究意义与展望
该研究为药物开发提供了大量具有细胞类型和空间特异性的lncRNA靶点，尤其那些与关键癌基因或免疫调节因子共表达的lncRNA，可能成为干预肿瘤微环境的新策略。例如，靶向cuTAR215705可能影响ELAVL1-BIRC5轴，增强化疗敏感性。
在临床监测方面，这些lncRNA的表达模式可作为液体活检或组织检测的新型生物标志物，用于早期诊断、分型或疗效预测。特别是其在特定亚区室（如肿瘤边缘）的表达特征，有助于界定侵袭前沿。
对于疾病建模，该资源支持构建更精准的动物模型或类器官系统，通过敲除或过表达特定cuTAR来模拟人类肿瘤lncRNA功能，推动机制研究和药效评价。
结语
本研究通过系统整合单细胞与空间多组学数据，构建了迄今最全面的泛癌lncRNA图谱，揭示了大量未注释转录本的细胞类型特异性和空间分布规律。这些发现不仅深化了对lncRNA在肿瘤异质性中作用的理解，也为探索其作为调控元件和治疗靶点的潜力奠定了坚实基础。SPanC-Lnc数据库的建立使得全球研究者能够便捷查询与免疫细胞、癌相关成纤维细胞或血管内皮细胞特异表达的lncRNA，加速从机制发现到临床转化的进程。未来，结合基因编辑技术（如ASO或CRISPRi）靶向关键cuTAR，将有望验证其功能并推动个体化RNA疗法的发展，最终改善癌症患者的照护体系。
