企业官网建设流程全解析

1. 先从中心法则说起：为什么lncRNA、miRNA、circRNA突然成了热点

十年前你要是跑到实验室说“RNA不只是信使”，很多老前辈可能觉得你在玩概念。现在再去看各大数据库，人类基因组里能编码蛋白的基因也就两万出头，但转录出来的RNA序列超过九成，剩下的绝大部分都是非编码RNA。那些不编码蛋白的转录本，很长一段时间被当作“转录噪声”，直到最近十来年才被真正拆开来看——其中miRNA、lncRNA、circRNA这三类，是研究最集中、机制最清晰、也最容易被混淆的组合。

先说这个概念本身。中心法则里RNA是DNA到蛋白质的中介，也就是mRNA。但同样的转录机制，还会产生一堆不翻译成蛋白的RNA，它们直接以RNA分子的形式干活。miRNA是长度约22个核苷酸的小RNA，主要绑定mRNA，抑制翻译或者诱导mRNA降解。lncRNA是长度超过200个核苷酸的长链RNA，作用模式五花八门，可以在细胞核里当支架，也可以跑去细胞质里吸附miRNA。circRNA则是封闭环状RNA，没有5'端和3'端，比线性RNA稳定得多，所以能在血液里稳定检出，被当作潜在标志物。

这三种RNA各有各的“诞生”路径，也各有各的“使命”。这篇文章我从一个做过几年RNA实验的人的角度，把它们的合成机制、调控逻辑、研究工具和容易踩的坑一次说透。不管你是刚进实验室的研究生，还是想了解肿瘤标志物开发思路的临床人员，按这个思路往下读，基本能把框架立起来。

注意：后面涉及大量实验细节，但不涉及具体湿实验protocol的逐字操作，更多是策略与原理层面的拆解。想直接上手的话，我建议配合你所在实验室的标准操作手册同步看。

2. miRNA的诞生与使命：最微小的序列，最精准的“基因音量旋钮”

2.1 从基因组到成熟体：miRNA的“生产线”

miRNA虽然成熟时只有21到23个碱基，但它不是直接合成的。绝大多数miRNA基因由RNA聚合酶II转录，初始产物是几百到几千碱基的pri-miRNA，带着帽子结构和poly(A)尾巴。这个pri-miRNA在核内被Drosha和DGCR8组成的微处理器复合物识别，切掉两端，释放出约70个碱基的发夹结构pre-miRNA。接着pre-miRNA被Exportin-5和RanGTP运出细胞核，在胞质里被Dicer切割成双链，其中一条作为成熟miRNA被装载进RISC复合物，另一条通常会降解。

这套流程里最值得留意的是Drosha的切割位点。它并不随机切，而是通过DGCR8识别pri-miRNA中发夹结构周围的单链区与双链区交界处。如果这个结构域有突变或者局部配对异常，会导致成熟miRNA表达量下降甚至完全缺失。我做过一批组织样本的miRNA测序，发现某些样本中一个特定miRNA的reads数从几千掉到几十，后来一查是SNP影响了pri-miRNA二级结构。这种问题在常规差异分析里特别容易被忽略，等你做qRT-PCR验证的时候才暴露出来。

除了经典通路，还有一小部分miRNA不走Drosha，比如miR-320、miR-451这类，它们依赖其他机制直接产生pre-miRNA或者绕过部分加工步骤。这类“非经典miRNA”在生信分析中经常被过滤掉，因为很多流程默认按miRBase前体注释来比对，导致漏掉。现在Ribo-seq和降解组测序的数据越来越多，这类非经典miRNA的功能也在被重新评估。

2.2 种子序列与靶标识别：那个“8个碱基”说了算

miRNA发挥作用的核心规则是种子序列，也就是成熟体5'端第2到第8个核苷酸。这7到8个碱基与靶mRNA的3'UTR完全互补后，即便其他位置配对一般，也能启动调控。正因为识别区域这么短，一个miRNA能同时调控几百个靶基因，这也解释了为什么单个miRNA的表达波动就足以影响一条完整通路。

靶基因预测工具基本都是靠种子匹配来找候选靶点。TargetScan要求更严格的保守性，miRanda给了更宽松的分数阈值，而miRDB基于高通量测序实验的数据训练模型。各工具结果交集越小越可靠，我常用的策略是取至少两个工具的交集，再结合表达负相关性筛一轮，最后用双荧光素酶报告基因验证。有些文章只做预测就开始讲故事，一旦碰到3'UTR上的SNP或者碱基修饰，就会影响miRNA与靶标的结合亲和力，结论很容易翻车。

miRNA的“使命”在实际生物学功能上，更像一个音量旋钮而不是开关。它很少把靶基因完全沉默，而是把表达水平调低20%到50%，这种“微调”对于发育过程中的基因精细调控特别有意义。比如肌肉分化时miR-1和miR-133对目标转录本的调控，就是典型的小幅度、多点位协同调控，而不是一击致命。

2.3 实验关键：定量、内参和物种化命名

miRNA的qRT-PCR跟普通mRNA不一样。成熟miRNA没有poly(A)尾巴，用常规oligo(dT)反转录是拿不到信号的。常见的做法是加poly(A)酶处理后用加尾法反转录，或者用茎环法引物特异性反转录。茎环法的特异性更好，但换成新批次引物后必须重新做标准曲线验证扩增效率。

内参选择也经常被忽略。U6虽然是经典内参，但它在某些组织里表达并不稳。有文献在肿瘤组织里发现U6波动明显，我自己的经验是，先测三到五个候选内参（比如U6、SNORD44、SNORD48、miR-16、miR-191），用NormFinder或geNorm跑一遍稳定性，再定最终内参。别嫌麻烦，这一步能让后续一批样本的结论靠谱很多。

命名上有个高频坑：hsa-miR-21-5p和hsa-miR-21-3p是来自同一条前体的两条臂，它们的靶基因可能完全不同。如果没有特别注明，盲猜哪条臂是主要功能链，在做功能实验时容易得到相反的表型。严格习惯是，测序报告里写明的5p/3p信息直接采用，不写的话去miRBase查前体结构判断。

3. lncRNA的诞生与使命：长链、低表达、高特异的“分子杂工”

3.1 长链非编码RNA到底怎么定义

lncRNA的定义听起来很简单——长度超过200个核苷酸、不编码蛋白的RNA。但实际操作里这个标准很模糊，因为“是否编码蛋白”本身取决于你的检测工具和数据库注释状态。很多lncRNA上其实存在小的开放阅读框，有的甚至可以结合核糖体产生短肽，只是这些短肽通常不稳定、丰度低、功能证据不足，注释上依然归类为lncRNA。

lncRNA的转录方式非常多样：有从基因间区独立转录的lincRNA，有从反义链转录并覆盖蛋白编码基因的natural antisense transcript，还有从基因内部内含子区域转录的。它们大多数由RNA聚合酶II转录，所以也有5'帽子和poly(A)尾巴，这也是为什么常规mRNA测序建库时，带poly(A)富集的文库能顺带捕获不少poly(A)+的lncRNA。但要小心，一部分lncRNA是没有poly(A)尾巴的，比如某些增强子RNA，这部分在poly(A)富集文库中丢失严重，需要去核糖体RNA文库才能抓到。

lncRNA的低表达是另一个特点。它们往往比mRNA低一到两个数量级，在组织间呈现极高的特异性。很多lncRNA只在特定细胞类型或者特定发育阶段表达，这意味着做组织块测序时信号容易被稀释。单细胞测序的应用让lncRNA的细胞特异性逐渐被看到，但大部分公共数据库仍然基于bulk组织数据，解读时得留个心眼。

3.2 工作台上的“多面手”：lncRNA的六类调控模式

lncRNA的功能模式没有统一规则，但大体可以归成几类。第一类是信号分子，它的转录本身就代表某个调控事件的发生，比如特定通路的激活会导致某个lncRNA即时表达。第二类是诱饵，例如部分lncRNA能结合转录因子，把它们“拽走”，从而间接激活或抑制下游基因。第三类是引导，lncRNA把染色质修饰复合物导向特定基因组位点，例如Xist介导X染色体失活就是一个经典引导模型。第四类是支架，lncRNA把两个或多个蛋白聚到一起形成复合物，HOTAIR就是同时结合PRC2和LSD1的典型。第五类是竞争性内源RNA，在细胞质中吸附miRNA，把miRNA对靶mRNA的抑制“释放”掉。第六类还可以直接结合mRNA影响其稳定性和翻译效率。

这个列表看着像万金油，却是lncRNA研究的双刃剑。功能模式的多样性意味着一次实验很难证明“它到底怎么干活”。EZH2是PRC2的催化亚基，很多文章动不动就说“某lncRNA通过结合EZH2抑制某基因”，但RNA免疫沉淀和染色质免疫沉淀的数据质量如果不匹配，这种结论就非常危险。我在审稿时看到过不少案例，RNA pull-down和RIP的结果根本无法呼应，却被强行说成直接调控关系。

3.3 从序列到功能：如何开展lncRNA的功能验证

如果你拿到一个新的lncRNA序列，第一步建议先做编码潜能评估。目前常用的是CPAT和CPC2，结合PhyloCSF评分看保守性。然后看亚细胞定位，核定位的lncRNA偏向表观调控和转录调控，胞质定位的偏好miRNA海绵或翻译调控。可以用核质分离加qRT-PCR确认，公共数据库如LNCatlas也有部分细胞系的定位数据可参考。

功能实验的思路一般是：先做细胞表型筛选（增殖、凋亡、迁移之类的），再用敲低或过表达验证表型是否被逆转。正义/反义敲低设计时要注意特异性，因为lncRNA与邻近mRNA可能在基因组上有重叠区域，siRNA序列如果设计到重叠区域，会误伤mRNA，得到假阳性。RACE实验能确认全长序列和转录起始位点，但很多lncRNA存在广泛的可变剪接，序列版本众多，这又是一个容易翻车的环节。

提示：做lncRNA过表达时，用全长序列比用剪接变体更稳，但前提是你能确认哪个剪接体在目标组织中真实存在。先跑一次RACE或者至少查GTEx的junction read信息，别只依赖Ensembl的自动注释。

3.4 数据库与工具的选型心得

lncRNA研究对数据库的依赖很强。LNCipedia收录了大量人类lncRNA转录本，而且会标明编码潜能打分。NONCODE整合了多物种注释，更新速度不错。LncBook则更偏功能注释和疾病关联。做进化保守性分析用LNCipedia的保守性评分或者UCSC的phastCons都比较顺手。

值得注意的是，不同数据库注释的lncRNA数量差别非常大，从几万到十几万条不等。这意味着你拿到的“新lncRNA”很可能是别的数据库早就注释过的，搜索时要多用几条别名交叉查。我习惯在拿到候选序列后，先在NONCODE、LNCipedia、Ensembl三个库各查一遍，并把reads比对可视化到IGV上确认转录结构，再做后续实验。

4. circRNA的诞生与使命：闭环结构、反向剪接、以及“海绵经济学”

4.1 反向剪接：circRNA是怎么来的

circRNA最核心的机制是反向剪接。常规剪接是把外显子按线性顺序连接，反向剪接则是把下游的剪接位点连到上游的剪接位点上去，最终形成一个共价闭合的环。这个过程需要剪接体参与，而且效率通常比线性剪接低得多，这也是大多数circRNA丰度远低于同源线性mRNA的原因。两侧的内含子上的ALU重复元件或互补序列，往往能通过拉近两个剪接位点来促进反向剪接的发生。

部分circRNA由外显子直接环化，称为外显子来源circRNA，主要定位在细胞质。另一部分由内含子保留形成，称为外显子-内含子circRNA，这类通常会留在细胞核内，可能调控其亲本基因的转录。还有一类完全由内含子组成的ciRNA，功能研究相对较少，但也在转录调控中有报道。

正因为circRNA没有游离末端，它不像线性mRNA那样容易被核酸外切酶降解。在血清、血浆、尿液这些体液中能长时间稳定存在，这是它作为疾病标志物的最大优势。但也因此，circRNA的可变剪接极其丰富——同一个基因位点能产生几十甚至上百种不同的环状转录本，因为你很难用一个统一规则定义“全长环”的边界。做circRNA鉴定时低质量比对和假阳性问题需要特别注意，尤其是那些来自高表达基因的环化事件。

4.2 作为miRNA“海绵”的实质：竞争性吸附的动力学问题

circRNA被讨论最广的功能是作为miRNA海绵，比如著名的CDR1as，含有超过60个保守的miR-7结合位点，能把miR-7吸附住，从而解放miR-7的下游靶基因。这个模型的逻辑很漂亮：circRNA用大量的miRNA结合位点“吸走”miRNA，变相增加了miRNA靶基因的表达。

不过“海绵”这个概念在水文里被用得太宽泛了。一个真正有效的miRNA海绵，需要在细胞里达到足够高的拷贝数来竞争miRNA，并且结合位点必须具备真实的结合能力，而不是简单用序列里有没有种子匹配来判定。有研究指出，许多circRNA的表达量远低于其潜在miRNA靶标，所谓的“海绵效应”在实际细胞内可能微乎其微。要做这种结论，AGO2-CLIP数据、表达相关性、双荧光素酶报告系统三个层面的证据缺一不可。

定量上有一个容易被忽视的前提：circRNA的特异性检测需要设计跨接合区（back-splice junction）的引物，否则普通外显子引物会把线性RNA一并扩进来。引物跨接合区只是第一步，还需要用RNase R处理样本验证，因为RNase R能消化线性RNA但对环状RNA几乎无影响。没做RNase R对照的circRNA数据，在审稿时基本不会过关。

4.3 不只当海绵：翻译短肽与亲本基因调控

最近几年的研究显示，部分circRNA在特定条件下可以被翻译，产生小肽。circRNA内部的IRES或m6A修饰能够启动翻译，开放阅读框跨越接合区的话，得到的肽段序列是线性转录本没有的。这种由环形模板翻译出的新肽段，可能具有独特的生物学功能，比如调控肿瘤细胞的线粒体代谢或者增强自噬。不过这类工作的证据门槛更高，通常需要质谱鉴定特异肽段、敲低/突变翻译起始位点、以及抗体验证，全套下来周期长、费用高。

另外一类功能是调控亲本基因。有些circRNA的形成会与线性mRNA剪接竞争，改变亲本基因最终成熟mRNA的比例，比如促进某些外显子的跳跃。有些环内含子circRNA则在转录水平上增强亲本基因的表达。这层调控的复杂性就在于，你观察到某个circRNA变化时，亲本基因的表达可能也在变，先确认表型是由circRNA本身而非亲本基因的剪接改变引起的，非常关键。

4.4 组织特异性与作为标志物的开发路径

circRNA的环状结构让它不需要像线状RNA那样依赖5'帽子结构，因此在细胞外囊泡里富集程度很高。外泌体包裹的circRNA有相对稳定的微环境，同时排除了游离RNA酶的降解风险，这让外泌体circRNA成为热门液体活检候选物。常规流程是抽血后分离血浆，用超速离心或试剂盒提取外泌体，再通过circRNA测序或者qPCR筛选候选标志物。这套流程在肿瘤、心血管疾病、神经系统疾病里都有大量报道，但距离临床转化还有几步路要走，关键卡在敏感性和重复性上。

开发一个circRNA标志物要注意三点。一是样本采集标准化，采血时间、放置时间、冻存条件都会影响外泌体产量和RNA完整性。二是要在独立队列中验证，训练集和验证集不能是同一个队列。三要关注性别、年龄、用药史对表达的影响，这些因素在回顾性样本里特别容易造成混杂偏倚。

5. 共调控网络与实验设计：ceRNA假设、竞争风险与整体思路

5.1 从“一对一”到“全网联动”：ceRNA调控网络

ceRNA的概念是2011年前后提出的。它的大意是：所有含有miRNA结合位点的转录本，都可能通过竞争同一miRNA而相互调节。mRNA、lncRNA、circRNA、甚至假基因转录本，都可以作为ceRNA参与网络调控。这样一来，一个miRNA的表达变化，会影响一群ceRNA的相对活性，反过来一个高表达的ceRNA也能缓冲miRNA的效应。

实际做ceRNA网络时，常见的错误是把预测的相互作用直接画成网络图，图上连线几百条，但没有一条被实验证实。从生物信息学角度合理的工作流至少应该包含三部分：差异表达分析、miRNA靶标预测、以及基于样本表达谱的相关性分析。值得强调的是，ceRNA网络依赖的是转录本之间的竞争关系，而不仅仅是表达相关性，所以靶标预测的可靠性和实验验证率直接决定网络质量。细胞质定位也是筛选前提，两个RNA如果分别待在细胞核和细胞质，就不可能发生ceRNA互作。

5.2 三种RNA同时纳入分析时，样本处理和建库策略

现在很多项目想同时看miRNA、lncRNA、circRNA，最常见的方式是抽完总RNA后分三份做不同建库：一份做small RNA建库，一份做rRNA去除的链特异性建库，一份做RNase R处理的circRNA建库。但样本量有限时，就需要按优先级来取舍。

如果关注的重点是lncRNA和mRNA差异表达，链特异性rRNA去除文库最合适；如果关注的是miRNA和isomiR，small RNA文库必不可少；如果专门研究circRNA，那必须做RNase R消化后测序，否则环状转录本reads只占总reads极小比例，很难圈出来。这里有个我自己踩过坑的经验：别在提取的总RNA里直接做RNase R处理再建库，因为RNase R处理会同时降解大部分线性RNA，导致整个文库复杂度下降，后面的差异表达分析会受很大影响。正确做法是专门为circRNA留一份RNA做酶处理，其余样本按常规流程建库。

5.3 多组学整合的经典分析流程

拿到数据后，先做质量控制，剔除低质量碱基和接头残留，再用STAR或HISAT2比对到参考基因组。miRNA部分用miRDeep2或miRBase注释来量化，lncRNA和mRNA用featureCounts统计reads数，circRNA用CIRI2、find_circ或circRNA_finder鉴定。对于circRNA的鉴定结果，至少要两个软件取交集，再用samtools检查比对信号，降低假阳性率。

差异分析首选edgeR或DESeq2，对于一个生物学重复3到5例的实验，用DESeq2更稳健；如果样本量少或者技术重复比较多，用edgeR的经典负二项模型也没什么大问题。得到差异RNA后，接下来才是区分三条线的信息整合阶段：miRNA靶基因富集分析，lncRNA可能的顺式调控靶标筛查（上游/下游10kb以内的基因），circRNA的宿主基因关联分析。富集分析不要只跑一个数据库，至少用GO、KEGG和GSEA三个维度交叉验证，才能让通路层面的结论站得住脚。

5.4 课题设计初期就应该避开的逻辑陷阱

最常见的问题是把相关性当因果。差异共表达只是给出候选关系，不等于调控关系。要确立一条ceRNA调控轴，常规证据链必须至少包括：RNA表达相关性、RNA结合蛋白（AGO2）参与的CLIP证据、双荧光素酶报告实验、以及回复实验（rescue）。比如你声称某lncRNA通过吸附miR-X来上调基因Y的表达，就要证明：敲低lncRNA后，miR-X游离量增加，Y下调；同时抑制miR-X，应能回复Y的表达水平。如果只做敲低lncRNA后Y变化一步，无法排除其他通路的参与。

另一个高频错误是混淆细胞内定位。ceRNA机制要求lncRNA或circRNA与miRNA在细胞质共定位。如果你的lncRNA测出来在核里占80%，就别硬凹“它与miRNA竞争靶基因”的故事。同理，circRNA鉴定时如果比对验证发现主要保留内含子序列，胞质富集解释也要谨慎。

6. 常见问题与实操避坑指南：实录我的踩坑心得

6.1 内参选择时最容易栽的跟头

我看到过太多刚入门的同学，miRNA实验一开始就用U6做内参，结果肿瘤样本里miRNA表达趋势一算全乱。不同组织条件下U6稳定性差异很大，尤其是肿瘤与癌旁比较时，U6可能本身就因为细胞增殖状态改变而变化。做三到五个内参候选并用软件筛选，虽然是举手之劳，但经常被省略。如果你已经用U6跑完一批样本，也别灰心，把同一批cDNA补测几个候选内参，重新归一化后再比较差异倍数，多数情况下能挽回结论。

对于lncRNA和circRNA表达检测，线性mRNA内参和环状RNA内参要分开考虑。circRNA用GAPDH做内参在很多实验里已经被证明有偏倚，这是因为RNase R处理后GAPDH会被消化，但在未处理样本中它表达正常。你只能保证同一批实验的cDNA来源和处理条件完全相同，才能用同一组内参。如果看的是血清样本，用cel-miR-39作为外参加样，比依赖内源内参更稳定，但外参的加样体积和浓度需要固定，否则样本间不均一还是会引起偏差。

6.2 circRNA实验里的假阳性和扩增异常

circRNA qPCR的最大问题是引物特异性。基因组DNA的污染在circRNA检测中长期存在，引物虽然没有内含子干扰，但在逆转录之前如果用DNase I消化不彻底，后续扩增信号可能有一部分来自基因组DNA。建库测序得到的circRNA如果是基因间区来源，基因组DNA带来的假阳性风险更高。可行的做法是设置无反转录对照组，如果这个对照的Ct值跟样本Ct接近，说明DNA污染已经严重到数据不可用了。

有时候扩增曲线出现双峰或者非特异性条带，未必是引物设计问题，也可能反转录引物带来的。检测circRNA时，反转录用随机六聚体引物比用oligo(dT)更合理，因为环状转录本没有poly(A)尾巴。加完随机引物后，建议在程序里延长退火时间，提升环状模板的反转录效率。

6.3 生信流程中参数选择与数据库版本依赖

不同版本的注释文件会直接改变基因的定量结果。把Ensembl或GENCODE版本升级后，之前注释为lncRNA的转录本可能变成蛋白编码，或者反之。我建议每次分析尽量锁定同一个注释版本，并在方法里写清楚。circRNA的检测结果更依赖参考基因组版本，所以如果是跨平台比较，最好先把所有样本重新比对一次，再做联合分析。

还有一个容易忽略的问题是链特异性。lncRNA注释和定量高度依赖链的方向，如果建库是非链特异性，reads会同时比对到正义链和反义链，很多反义lncRNA的表达量会被严重低估。做lncRNA研究，如果经费允许，尽量用链特异性建库，否则后面所有的方向信息都靠推断，功能解读很容易出错。

6.4 公共数据挖掘时的常见隐患

利用GEO、TCGA等公共数据做二次分析时，很多人习惯直接下载别人处理好的表达矩阵，却不检查这些矩阵是否统一用了同一参考基因组版本和注释版本。不同数据集之间差异表达结果一合并，可能混入了批次效应。更稳的办法是拿到原始reads，统一走一遍分析流程，或者至少在合并前用ComBat-seq做批次校正，并在报告里说明批次处理方式。

另外，公共数据里的miRNA表达谱往往来自不同平台，有芯片有测序，直接合并的数字不具备可比性，通常需要各自内部标准化后再做跨平台Meta分析。我对公共数据二次挖掘的建议是：多平台数据各自先做差异分析，再在参数级别合并P值或效应量，而不是直接拼表达值。

6.5 命名与数据库检索规范：别在文章里写错名字

RNA命名看起来是小事，但其实非常影响同行可复现性。人类miRNA标准写法是hsa-miR-21-5p，其中hsa是物种代码，miR代表成熟miRNA，mir则指基因或前体，两者大小写不一样，别混用。同源miRNA在不同物种中有相同序号时，如果序列完全一致，可以直接写miR-21，不需要带物种前缀；如果序列不完全一致，就需要后缀区分，比如hsa-miR-21和mmu-miR-21。

lncRNA的命名更混乱，同一转录本在不同数据库里可能叫法完全不同。建议在文章第一次出现时写官方名称，并在括号里标注别名和Ensembl转录本ID，方便检索。circRNA的命名至今没有统一标准，一般以来源基因名加环化坐标表示，比如circ_0001234，这是circBase的标准编号方式，但不同软件生成的后缀可能不一致，所以发布数据时附上坐标信息比只看名字要靠谱得多。

6.6 功能实验证据链的完整度评估

很多文章宣称“某lncRNA可能是某miRNA的海绵”，但细看证据只有序列预测和表达负相关，这种结论的力度很弱。我经手过一批项目，凡是最终能站住脚的ceRNA故事，大部分都补了四个层面的实验：确定亚细胞定位、验证直接结合、确认调控方向、验证回复效应。如果你想发好一点的期刊，从一开始就按这个标准设计，后面返工的概率会小很多。

要提醒的是，回复实验的具体操作也有讲究：先敲低候选ceRNA并加miRNA抑制剂，或者过表达ceRNA并加miRNA模拟物，观察下游靶基因和细胞表型是否被回复。两种回复路径如果结果一致，结论才坚固。只做一条路径容易出现假阴性，因为miRNA抑制剂本身存在脱靶效应，这会让阴性结果无法解释。

写在最后：我的一点实际体会

从miRNA、lncRNA到circRNA，每类RNA的研究都走过“发现—功能—机制—标志物”相似的路径。miRNA的研究框架最成熟，lncRNA的调控模式最多样，circRNA的稳定性优势最突出，但真要结合到一个课题里，它们的共性和差异都值得仔细掂量。我实际做下来最大的感受是，别把这三类RNA看成三个独立领域，它们在细胞里本来就在同一张调控网上，只有把“诞生”机制放在准确位置，“使命”的解读才不会跑偏。

最后分享一个实用技巧：无论你选哪类RNA做研究，先花一个下午把你要研究的RNA在至少三个数据库里的注释信息核对清楚，包括序列版本、坐标、组织表达谱和命名别名，然后把这个信息表打印出来贴在实验记录本第一页。后面每次分析、实验、写文章，都会省下大量跟命名和注释纠缠的时间。这一步看起来笨，但长远看是性价比最高的一件事。