RNA 编辑检测：A-to-I 编辑位点与编辑水平
RNA 编辑是转录后对 RNA 碱基的改写。哺乳动物中最主要的是 ADAR 家族介导的腺苷到肌苷（A-to-I）编辑，其次是 APOBEC 介导的 C-to-U 编辑。肌苷在反转录和翻译时被读作鸟苷，因此在 RNA-seq 中表现为相对参考基因组的 A-to-G 错配，位于负链的基因在参考坐标上则表现为 T-to-C。人类 A-to-I 编辑绝大多数发生在 Alu 等反向重复形成的双链 RNA 区域，少数位于编码区并改变氨基酸。分析目标通常是识别可信的编辑位点，计算每个位点的编辑水平（G 读数占 A 与 G 读数之和的比例），比较组间差异，或用 Alu 编辑指数衡量整体编辑活性。
什么时候用
- 比较疾病与对照、ADAR1 敲低前后的整体 A-to-I 编辑活性
- 检测 GRIA2、AZIN1 等已知重编码位点的编辑水平变化
- 在肿瘤 RNA-seq 中寻找与表型或免疫状态相关的编辑位点
- 利用 RNA 与匹配 DNA 测序鉴定新的编辑位点
- 研究 ADAR1 与干扰素反应、双链 RNA 感知之间的关系
不适合的情况
- 非链特异性文库判断编辑类型，A-to-G 与 T-to-C 无法按转录方向区分
- 测序深度很低的数据做单位点差异检验，编辑水平估计方差过大
- 把所有 RNA 与参考的错配都当作编辑，可能是 SNP、比对或测序错误
需要准备的数据
- RNA-seq FASTQ 或 BAM
- 建议链特异性、双端测序；读长和深度越高，越有利于检测低编辑水平位点
- 匹配 DNA 测序（可选）
- 同一个体的 WGS 或 WES，可直接排除胚系变异，是鉴定新位点最可靠的依据
- 基因组与重复元件注释
- 基因注释加 RepeatMasker 注释，用于区分 Alu、非 Alu 重复和非重复区域
- 已知位点与 SNP 库
- REDIportal 等编辑位点数据库用于注释，dbSNP 等变异库用于过滤胚系多态
分析步骤
- 1
比对与预处理
用 STAR 或 HISAT2 比对，去除 PCR 重复，只保留唯一比对、比对质量高的 reads。Alu 区域多比对比例高，比对参数过于宽松会引入大量假错配。
- 2
候选位点识别
用 REDItools 或 JACUSA2 逐位点统计碱基组成，记录 A 和 G 的 reads 数，设定最小覆盖度、最少编辑 reads 数和碱基质量。链特异性数据按转录方向确定编辑类型。
- 3
过滤假阳性
去除已知 SNP 和匹配 DNA 中存在的变异，去掉位于 reads 末端若干碱基、剪接位点附近、同聚物区域的错配，以及只出现在单一方向 reads 上的错配。
- 4
位点分类与质量检查
按 Alu、非 Alu 重复、非重复区分组统计各类错配比例。可信结果中 A-to-G 应占绝对多数，Alu 中尤为明显；其他错配类型比例高说明过滤不足。
- 5
计算编辑水平
每个位点的编辑水平为 G 读数除以 A 与 G 读数之和。同时计算 Alu 编辑指数，它汇总 Alu 区域所有腺苷的 A-to-G 比例，对深度不均更稳健。
- 6
组间差异比较
对在多数样本中覆盖充足的位点比较编辑水平，常用广义线性模型或 beta-binomial 类模型，样本少时用秩和检验做探索。同时比较 ADAR 表达，判断编辑变化是否由酶表达驱动。
- 7
功能注释
用 ANNOVAR 或 VEP 注释位点所在区域和氨基酸改变，标记重编码位点、3'UTR 位点和 miRNA 结合位点上的编辑，再与表达和表型变量做关联。
关键参数与决策
最小覆盖与编辑 reads 数
常要求位点有一定总覆盖和至少数条支持 G 的 reads。阈值越低检出越多，测序错误比例也越高；做差异分析时应提高覆盖要求，保证编辑水平估计稳定。
reads 末端裁剪
错配常集中在 reads 两端，过滤时通常忽略每条 reads 首尾若干碱基的错配。具体长度依据错配沿 reads 位置的分布图确定。
比对质量阈值
只保留高比对质量 reads 能减少旁系同源区假阳性，但会降低 Alu 等重复区的覆盖。重点研究 Alu 编辑时需权衡，或改用整体编辑指数。
是否有匹配 DNA
有匹配 DNA 时可直接排除胚系变异；没有时只能依赖 SNP 库过滤，非重复区新位点的可信度明显下降，建议主要分析数据库中的已知位点。
链方向设置
链特异性文库需正确设定文库类型以判断位点所在转录本方向；两条链都有转录的区域，编辑类型难以判定，应单独标注。
常见错误
- 不去除胚系 SNP：个体的 A/G 杂合位点会表现为约 50% 的 A-to-G 错配，被误认为高水平编辑位点，在非重复区尤其常见。
- 用检出位点数比较组间编辑：检出数强烈依赖测序深度和表达量，深度高的样本检出更多，应比较编辑水平或整体编辑指数。
- 非链特异性数据中分别统计 A-to-G 和 T-to-C：无法区分正链编辑还是反链编辑，编辑类型比例的统计会产生偏差。
- 不去重就计算编辑水平：PCR 重复会放大少数分子的碱基，使编辑水平估计偏离真实值，低起始量样本尤为明显。
- 忽略 ADAR 表达和干扰素状态：ADAR1 的 p150 亚型受干扰素诱导，组间编辑差异可能反映炎症或免疫状态，而非特定调控。
结果怎么看
错配类型分布图
统计 12 种碱基错配类型的位点数或比例。可信数据中 A-to-G（链特异性下）占绝对主导；如果 C-to-T、G-to-T 等类型比例接近，说明测序错误或 DNA 损伤造成的假阳性未过滤干净。
位点注释表
每行一个位点，含坐标、链、基因与区域、重复元件类型、覆盖度、编辑水平以及是否被数据库收录。已知位点占比过低时，要回查过滤步骤。
编辑水平分布与热图
展示各样本编辑水平分布或位点乘样本热图。Alu 位点多为低水平编辑，重编码位点常有较稳定的组织特异水平；样本按批次而非分组聚类时，先处理批次效应。
Alu 编辑指数图
每个样本一个整体编辑活性值，用于组间比较。如果组间差异与 ADAR1 表达高度一致，提示编辑变化主要由酶表达驱动。
差异编辑位点表
含两组平均编辑水平、差值、P 值与 FDR。重点看编辑水平差值有生物学意义且覆盖充足的位点；只差几个百分点的显著位点需谨慎解读。
和相近方法怎么选
RNA 编辑检测与胚系变异检测
两者都在比对后寻找与参考不同的碱基。胚系变异在 DNA 和 RNA 中一致，等位频率接近 0、50% 或 100%；编辑只出现在 RNA 中，水平在 0 到 1 之间连续变化。直接套用变异检测流程会混淆两者。
REDItools 与 JACUSA2
REDItools 逐位点统计碱基组成，配合过滤规则，适合单样本扫描和已知位点定量；JACUSA2 支持在样本之间或 RNA 与 DNA 之间做比较检测，适合有对照条件的设计。
单位点分析与 Alu 编辑指数
单位点分析能定位具体位点和功能后果，但受深度影响大；Alu 编辑指数汇总全部 Alu 区域，对深度差异更稳健，适合比较整体 ADAR 活性。两者通常一起报告。
RNA 编辑与 m6A 修饰
两者都是 RNA 上的化学变化，但 A-to-I 改变了碱基配对，在测序中直接表现为错配；m6A 不改变碱基读取，需要抗体富集或专门方法才能检测。
常见问题
REDItools 怎么用
REDItools 以 BAM 和参考基因组为输入，逐位点输出碱基计数、覆盖度和候选编辑类型，需要设置最小覆盖、碱基质量、比对质量和末端裁剪等参数。原始输出还要经过 SNP 库、重复元件注释和链信息过滤，不能直接当作最终位点。
没有匹配 DNA 能做 RNA 编辑分析吗
可以，但只能依赖 SNP 数据库过滤胚系变异，非重复区新位点的可信度会下降。常见做法是主要分析 REDIportal 等数据库中的已知位点，或计算 Alu 编辑指数这类整体指标，结论更稳健。
编辑水平多高才算有意义
没有统一阈值。Alu 区大量位点编辑水平很低，个别重编码位点可接近完全编辑。判断意义要结合覆盖度、重复样本间的一致性和组间差值，而不是只看单个样本的数值。
为什么 A-to-I 编辑会显示为 T-to-C
位于基因组负链的基因，其 RNA 中的 A-to-I 编辑在参考正链坐标上表现为 T-to-C。链特异性文库可以按转录方向还原；非链特异性数据只能把两者合并考虑，并借助基因注释推断方向。
单细胞 RNA-seq 能检测 RNA 编辑吗
可以，但常见的 3' 端单细胞文库只覆盖转录本末端，每个细胞的位点覆盖很低。实践中常把同类细胞的 reads 合并成伪批量再计算编辑水平，单细胞层面的结果主要用于探索。
在 Codar 里怎么做
在 Codar 里说明数据来源和比较目标后，会确认文库是否链特异、有无匹配 DNA 以及分组信息，读取本地 FASTQ、BAM 或下载公开数据；随后完成比对去重、候选位点识别、SNP 与重复区过滤、编辑水平与 Alu 编辑指数计算和组间比较，交付位点注释表、错配类型分布图、编辑水平图、差异位点表、分析报告和可复现脚本。
我有 ADAR1 敲低和对照各 3 个重复的链特异性 RNA-seq，想检测 A-to-I 编辑位点，比较整体编辑水平和差异位点