2026年10月23日，学院袁慎立教授联合北京生命科技研究院和山东大学生殖团队，在国际期刊Nucleic Acids Research发表题为“scTHREAD: a cell-resolved long-read transcriptome database with linked isoform, poly(A), junction, and allelic evidence”的研究论文。

基因水平表达分析难以揭示转录本异构体在不同细胞中的调控差异。现有单细胞数据库主要基于短读长测序，缺乏完整异构体信息。尽管长读长测序能够解析转录本全长结构，相关数据仍分散于公共数据库，缺乏统一标准、可追溯证据及开放整合平台。

为此，研究团队同步推出单细胞长读长转录组数据库平台scTHREAD。该平台整合了GEO、ENA和GSA的34个数据集、453个测序run及923,389个细胞，覆盖ONT与PacBio两大平台、16种组织和6大生物学系统，并建立统一标准化流程。数据库收录1,247万条转录本观测记录，其中30%为已注释转录本，70%为新结构。

scTHREAD数据库总览：数据规模、标准化处理流程与网页检索界面。

scTHREAD的核心亮点如下：

一、单细胞分辨的转录本多维证据关联。每个基因页同时提供转录本异构体使用比例、poly(A)位点使用、剪接junction支持与等位基因表达四层证据，全部与来源研究、测序run、细胞类型乃至单个细胞逐一挂钩。在数据库覆盖的骨髓数据中，可评估异构体使用的基因携带7种（中位数）异构体，可评估3'端结构的基因携带15个（中位数）poly(A)位点。

二、完整溯源，可比较、可复核。 每条记录都保留”研究→run→样本→细胞→证据”的完整来源链；公开的处理清单（processing manifest）逐run登记处理路由、计数单位、各证据层可用性与校验和；“未检测到”与”无数据”被严格区分，跨研究比较只在明确定义的统计单位上进行，避免跨平台数据被不当混合。

三、转录本结构本身就是细胞身份的标记。对17亿条分类剪接读段的分析显示，44.6%携带参考注释中没有的结构；且”新结构比例”随细胞类型系统变化——从红系细胞的8%到恶性浆细胞的80%，并在独立队列间高度一致（Spearman ρ=0.83）。这意味着仅靠基因表达无法完全分辨的细胞状态，可以在转录本结构维度上被进一步区分。

四、既能复现已知，也能发现新规律。 在经典免疫标记PTPRC（CD45）位点，数据库仅凭长读长数据即重现了著名的CD45亚型转换：B细胞91%的信息读段剪接进入可变外显子A（跳过全部三个可变外显子的CD45RO型读段仅0.4%），单核细胞则主要剪接进入外显子B（52%）。更进一步，基于数据库的检索鉴定出CCND3、CUTA、PSMB8三个基因的单核细胞–T细胞剪接junction使用差异，并在13供体发现队列、4供体留出队列与20供体独立短读长队列的每一供体中一致复现，横跨两种测序技术。

综上，scTHREAD填补了单细胞长读长转录组多研究整合的空白，将单细胞数据库从传统的“基因表达图谱”拓展为“细胞分辨的转录本结构证据库”。通过统一处理、完整溯源、开放共享与持续更新，实现分散数据的统一检索、交叉验证与再分析，为RNA加工调控、转录本异构体功能及等位基因表达研究提供了重要的数据基础设施。

未来，团队将持续扩充物种与组织覆盖，并探索空间长读长测序与direct RNA测序（将RNA修饰与转录本结构、poly(A)位点、等位基因和细胞类型关联）等方向的整合。

袁慎立、山东大学黄涛和北京生命科技研究院陈勇为共同通讯作者，付志灿博士与闫业联博士为本文共同第一作者。我院为本文第一署名单位。

该研究得到国家重点研发计划、国家自然科学基金等项目资助。

原文链接：https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkag1038/8986426