外泌體組學
挖掘細胞間通訊的微小載體，助力疾病早期篩查與精準作用機制研究。
外泌體 miRNA
外泌體miRNA測序是針對外泌體中微小RNA（microRNA, miRNA，長度18–25nt的非編碼RNA）所開展的專項高通量測序技術。miRNA作為基因表達調控的核心分子，可透過標的mRNA降解或抑制轉譯調控基因功能，而外泌體包裹的miRNA憑藉囊泡膜保護，能抵禦體液中RNA酶的降解，於血清、尿液等體液中穩定性極強，且可透過細胞間通訊將調控資訊傳遞至標的細胞，精準反映源細胞的生理病理狀態。相較於外泌體全轉錄組測序，外泌體miRNA測序聚焦miRNA專項分析，無需兼顧長鏈RNA，可將測序資源集中於小RNA分子，實現更高的測序深度（≥15M reads）與更精準的低豐度miRNA檢出；相較於組織/細胞miRNA測序，外泌體miRNA測序依託無創體液樣品，無需侵入性操作，更適合臨床動態監測、大樣本隊列研究及無法獲取組織樣本的场景。
原理介紹
外泌體miRNA測序的核心原理是外泌體純化、小RNA富集、專項測序、功能解析。具體流程：外泌體分離與純度驗證—分離外泌體，去除細胞碎片與游離RNA；透過NTA、Western blot、穿透式電子顯微鏡三重驗證外泌體純度；外泌體小RNA萃取—從純化外泌體中萃取總RNA，重點保留18–25nt的miRNA片段；去除基因體DNA污染，確保RNA純度；miRNA專項文庫建構—在RNA兩端連接特異性測序接頭，透過逆轉錄合成cDNA，再經PCR擴增建構標準化測序文庫；高通量測序—採用Illumina NovaSeq/MiSeq二代測序平台，測序深度≥15M clean reads，保障低豐度miRNA的有效覆蓋；資料處理與功能解析—過濾低品質reads，將有效reads與人類參考基因體及miRNA權威資料庫比對；採用miRanda、TargetScan、PITA等工具預測標的基因，結合GO、KEGG路徑富集分析，挖掘差異miRNA的核心調控功能；建構miRNA-mRNA/lncRNA調控網路，解析其在疾病中的作用路徑。
文獻案例
《Circulation Research》期刊上發表之「Angiogenic Mechanisms of Human CD34+ Stem Cell Exosomes in the Repair of Ischemic Hindlimb」研究論文，揭示CD34Exo可獨立模擬CD34⁺幹細胞的治療效果，改善小鼠缺血後肢的灌流、微血管密度、運動功能，降低截肢率；而去除外泌體的條件培養基則失去該作用。CD34Exo富含促血管生成微小RNA（miRNA），其中miR-126-3p為關鍵成分，敲低該miRNA後，CD34Exo的血管生成活性與治療效果完全消失。CD34Exo可直接將miR-126-3p轉移至缺血組織（不依賴宿主內源性合成），透過抑制標的基因SPRED1，上調VEGF、ANG1、MMP9等促血管生成基因的表達。缺血組織中的內皮細胞對CD34Exo的攝取效率最高，CD34Exo可誘導內皮細胞週期啟動與增殖，進而促進血管新生。CD34Exo透過傳遞促血管生成miRNA介導缺血組織修復，為心血管疾病的無細胞治療提供新方向。採用的miRNA微陣列測序（屬於外泌體miRNA測序技術）是核心研究工具，篩選差異miRNA、關聯外泌體與母細胞功能、鎖定關鍵功能標的，是揭示miRNA介導血管生成機制的前提。
送樣標準
血清≥5mL；血漿≥5mL；尿液≥10mL；腦脊髓液≥2mL；唾液≥3mL；
≥20mL；
≥200μL；
總量≥20ng。
交付內容
資料品質管制報告
外泌體純度鑑定；RNA品質評估；測序品質評估；
miRNA檢測與註釋結果
表達量矩陣，miRNA的TPM/RPM表達量資料，包含已知miRNA與新預測miRNA序列資訊；差異表達分析：差異miRNA篩選結果（火山圖、熱圖），包含miRNA名稱、log2FC、P值、FDR值；資料庫註釋，miRNA的序列資訊、染色體位置、標的基因預測結果；
功能分析結果
GO/KEGG路徑富集分析圖（Top20富集路徑）、miRNA-mRNA調控網路示意圖、差異miRNA共表達聚類分析；
分析與解讀報告
檢測結論，明確核心差異miRNA集合、潛在生物標記物候選名單、與疾病/表型的關聯強度；結果解讀，核心miRNA的調控機制、外泌體來源細胞推測、臨床/研究意義。
常見問題
適合。外泌體miRNA總量通常為pg–ng級，透過以下方案保障可靠性：①選用小RNA專用高靈敏度萃取試劑盒，RNA回收率≥70%；②使用低起始量miRNA文庫建構試劑盒（最低起始量5ng總RNA），最佳化接頭連接效率；③提高測序深度至20M clean reads，增強低豐度miRNA覆蓋；④資料分析時採用嚴格的過濾標準，降低偽陽性。
可以，關鍵在於批次效應控制，核心措施如下：①實驗設計階段—統一樣品類型、外泌體分離方法、測序平台及資料分析流程；②樣品處理階段—多中心樣品集中統一萃取RNA、建構文庫，避免不同實驗室操作差異；③資料分析階段—採用ComBat、SVA等工具對表達量矩陣進行批次校正，透過主成分分析（PCA）驗證校正效果；④統計分析階段—將「批次」作為共變量納入差異分析模型，減少批次對結果的干擾。
