Transcriptomics
Transcriptomics（转录组学）是研究特定细胞、组织或生物体在特定时间点内所有 RNA (核糖核酸) 转录本（即 Transcriptome）的学科。与 Genomics 提供的静态“生命蓝图”不同，转录组学捕捉的是基因表达的动态“快照” (Snapshot)。它揭示了基因何时开启、何时关闭以及表达量的高低。通过 RNA-Seq 等高通量技术，研究人员不仅能定量 mRNA (信使RNA) 以推断蛋白质水平，还能研究 Alternative Splicing (可变剪接) 以及非编码 RNA（如 miRNA, lncRNA）的调控功能。它是连接基因型 (Genotype) 与表型 (Phenotype) 的关键桥梁。
核心概念：静态基因组 vs. 动态转录组
如果把 Genomics 比作一本“字典”（包含所有可能的单词），那么 Transcriptomics 就是一本“小说”（特定时间点被实际使用的单词组合）。
人体的所有细胞（神经元、皮肤细胞、肝细胞）都拥有几乎相同的 DNA，但它们的功能截然不同。这正是由转录组决定的——即哪些基因被“转录”成了 RNA，以及转录了多少。
技术演进：从果昔到果盘
转录组学经历了从“混合平均”到“单细胞精度”的技术革命：
| 技术代际 | 比喻 (Analogy) | 特征描述 |
|---|---|---|
| Bulk RNA-Seq (传统转录组) |
Fruit Smoothie (水果奶昔) | 将组织中数百万个细胞打碎混合。得到的是平均表达量，无法区分具体细胞类型（如无法区分肿瘤细胞和免疫细胞）。 |
| scRNA-seq (单细胞转录组) |
Fruit Salad (水果沙拉) | 给每个细胞打上条形码 (Barcode)。能看清每一块“水果”（细胞），识别细胞异质性 (Heterogeneity)。 |
| Spatial Transcriptomics (空间转录组) |
Fruit Tart (水果塔) | 不仅知道有哪些水果，还知道它们在原位的位置。保留了组织切片的空间结构信息。 |
核心分析：差异表达 (DE)
Differential Expression Analysis
转录组学最经典的应用是比较两个条件下（例如：癌症组织 vs. 正常组织，或 药物处理 vs. 对照组）基因表达量的变化。
可视化工具： 通常使用 Volcano Plot (火山图) 来展示显著上调或下调的基因，或使用 Heatmap (热图) 来展示样本间的聚类关系。
学术参考文献 [Academic Review]
[1] Wang Z, Gerstein M, Snyder M. (2009). RNA-Seq: a revolutionary tool for transcriptomics. Nature Reviews Genetics.
[点评]：RNA-Seq 技术的开山综述，详细阐述了其相对于微阵列 (Microarray) 的优势，定义了现代转录组学的标准。
[2] Stark R, Grzelak M, Hadfield J. (2019). RNA sequencing: the teenage years. Nature Reviews Genetics.
[点评]：全面回顾了 RNA-Seq 十年来的发展，特别是长读长测序 (Long-read) 和单细胞技术对该领域的重塑。
[3] Macosko EZ, et al. (2015). Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell.
[点评]：Drop-Seq 技术的奠基性论文，开启了高通量单细胞转录组学 (scRNA-seq) 的新时代。