前言

RNA編輯，特別是腺苷脫氨酶作用於RNA (ADAR) 介導的A-to-I編輯，在基因表達調控、免疫反應和疾病發展中扮演著關鍵角色。由於肝臟在代謝和解毒中的核心作用，了解人類肝臟中ADAR編輯效率至關重要。然而，直接研究人類肝臟組織存在倫理和實際上的限制。因此，科學家們一直在尋找可靠的替代模型，以預測人類肝臟中的ADAR編輯效率。本報導旨在深入探討體外肝臟模型（例如細胞系、類器官）和非人靈長類動物在預測人類肝臟ADAR RNA編輯效率方面的表現，並分析其優缺點，最終提出整體性的研判。

ADAR RNA編輯的重要性與挑戰

ADAR蛋白通過將腺苷（A）脫氨基成肌苷（I），從而改變RNA序列，進而影響基因表達、蛋白質功能和RNA穩定性。這種編輯過程在神經系統、免疫系統和癌症等領域具有重要意義。在肝臟中，ADAR編輯可能影響藥物代謝、病毒感染和肝臟疾病的進程。

然而，研究人類肝臟中的ADAR編輯效率面臨多重挑戰：

倫理限制：

直接獲取健康人類肝臟組織進行研究存在倫理障礙。

個體差異：

人類個體之間的基因背景、生活方式和環境暴露的差異可能導致ADAR編輯效率的顯著變化。

技術難度：

精確測量RNA編輯效率需要高靈敏度和高通量的技術，例如RNA測序和生物信息學分析。

體外肝臟模型：優勢與局限

體外肝臟模型為研究肝臟功能和疾病提供了一種方便且可控的平台。常見的體外模型包括：

細胞系

優勢：

  • 易於培養和操作，成本相對較低。

* 可以進行大規模篩選和高通量實驗。
* 存在多種肝臟細胞系，例如HepG2、Huh7等，可以模擬不同的肝臟細胞類型。

局限：

  • 細胞系通常是永生化的，可能失去部分肝臟細胞的原始功能和特性。

* 缺乏複雜的細胞間相互作用和三維結構，無法完全模擬體內肝臟的微環境。
* ADAR表達水平和編輯效率可能與人類肝臟存在差異。

類器官

優勢：

  • 具有三維結構，可以更好地模擬體內肝臟的微環境。

* 包含多種肝臟細胞類型，可以研究細胞間的相互作用。
* 可以從人類誘導多能幹細胞（iPSCs）或成體幹細胞分化而來，具有更高的生理相關性。

局限：

  • 培養條件複雜，成本較高。

* 類器官的成熟度和功能可能受到限制，無法完全模擬體內肝臟的功能。
* ADAR編輯效率的數據仍然有限，需要更多的研究來驗證其預測能力。

數據與事實：

一些研究表明，HepG2細胞系中ADAR1的表達水平明顯低於人類肝臟組織，導致RNA編輯效率的顯著差異。另一方面，利用人類iPSC分化而來的肝臟類器官在ADAR表達和編輯模式上更接近於人類肝臟組織，但仍存在一定的差異。例如，某些特定位點的編輯效率在類器官中可能偏高或偏低。

非人靈長類動物：更接近人類的選擇？

非人靈長類動物，例如恆河猴和食蟹猴，在基因組、生理和免疫系統方面與人類具有高度相似性。因此，它們被認為是研究人類疾病和開發新療法的有價值模型。

優勢：

  • 在基因組和生理上與人類更接近，ADAR表達和編輯模式可能更相似。

* 可以研究ADAR編輯在體內的影響，例如對藥物代謝和免疫反應的影響。

局限：

  • 倫理問題：使用非人靈長類動物進行研究涉及倫理爭議。

* 成本高昂：

非人靈長類動物的飼養和實驗成本非常高。

* 物種差異：

即使與人類高度相似，非人靈長類動物在ADAR編輯方面仍然存在差異。

數據與事實：

比較恆河猴和人類肝臟組織的RNA測序數據顯示，ADAR1和ADAR2的表達水平在兩種物種中相似，但某些特定RNA位點的編輯效率存在顯著差異。這表明，即使在高度相似的物種中，ADAR編輯的調控也可能存在物種特異性。此外，非人靈長類動物的免疫系統與人類存在差異，可能影響ADAR編輯在免疫反應中的作用。

整合多組學數據：提升預測準確性

為了提高預測人類肝臟ADAR編輯效率的準確性，研究人員正在嘗試整合多組學數據，包括基因組學、轉錄組學、蛋白質組學和代謝組學。通過分析不同模型中ADAR表達、RNA底物、調控因子和代謝途徑的數據，可以更全面地了解ADAR編輯的調控機制，並建立更精確的預測模型。

數據與事實：

整合基因組學和轉錄組學數據的研究發現，某些基因的單核苷酸多態性（SNPs）與ADAR編輯效率顯著相關。這些SNPs可能影響ADAR蛋白的表達、活性或底物結合能力，從而影響RNA編輯效率。此外，代謝組學數據顯示，某些代謝物的水平與ADAR編輯效率相關，表明代謝途徑可能參與ADAR編輯的調控。

結論與研判

體外肝臟模型和非人靈長類動物在預測人類肝臟ADAR RNA編輯效率方面各有優缺點。細胞系易於操作和篩選，但缺乏生理相關性；類器官具有三維結構和多種細胞類型，但培養條件複雜且成熟度有限；非人靈長類動物在基因組和生理上與人類更接近，但涉及倫理問題且成本高昂。

目前，沒有任何一種模型可以完美地預測人類肝臟的ADAR編輯效率。然而，通過整合多組學數據，可以提高預測的準確性。未來的研究方向包括：

開發更成熟的體外肝臟模型：

例如，利用生物打印技術構建更複雜的三維肝臟組織，或通過基因工程改造細胞系，使其更接近人類肝臟細胞的特性。

深入研究ADAR編輯的調控機制：

了解ADAR蛋白的表達、活性和底物選擇性的調控機制，可以幫助我們更好地預測RNA編輯效率。

開發更精確的預測模型：

利用機器學習和人工智能技術，整合多組學數據，建立更精確的預測模型，可以幫助我們更好地理解ADAR編輯在肝臟疾病中的作用，並開發新的治療策略。

總體而言，雖然目前尚無完美的預測模型，但通過不斷改進現有模型、深入研究ADAR編輯的調控機制以及開發更精確的預測模型，我們有望在未來更準確地預測人類肝臟的ADAR RNA編輯效率，並為肝臟疾病的診斷和治療提供新的思路。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: November 24, 2025