信息速览
环状 RNA 的「是什么」已经基本解决。circBase 给出编号，circAtlas 给出表达谱，CIRCpedia 给出跨物种坐标，测序一趟就能把成千上万个环状分子列成清单。但清单只回答「它在不在」，不回答「它在干什么」。一个没有 5′ 端与 3′ 端、多数不翻译成蛋白的闭合分子，功能几乎只能从它和谁贴在一起推断。
这条推断链上最贵的一环是「物理结合」。序列预测便宜，却只能给出可能的配对；表达相关性更便宜，却分不清谁在上游。真正能说「这两个分子在同一处被交联在一起」的，只有交联建库加嵌合读段。这类数据在 2026 年之前散落在各篇方法学论文的补充材料里，格式互不相同，没人把它汇成一张可查询的表。
CircTarget 做的就是这件事：把五种交联方法、十三个细胞系、人与小鼠海马组织的嵌合读段，统一判定成一张互作表，并把每一条钉到单个核苷酸上。它收录的环状 RNA 只有六千余个，靶 RNA 一万七千余个，规模远小于任何目录型数据库——因为它要解决的从来不是「有哪些环」，而是「这个环抓住了谁」。一屏速览见下表。
| 维度 | 内容 |
|---|---|
| 全名 | CircTarget: a comprehensive database of circRNA–target RNA interactions across multiple cell types |
| 维护方 | 中国科学院生物物理研究所 表观遗传调控与干预重点实验室（通讯作者杨运超）；广东省人民医院 广东省心血管病研究所（共同通讯朱平） |
| 官方入口 | https://circtarget.cn（免注册；circtarget.org 无法解析） |
| 论文 | Nucleic Acids Research 2026, 54(D1), gkaf1280 |
| 首次发布 | 2026 年 1 月，NAR 数据库专刊 |
| 互作总数 | 132,517 条 |
| 其中 BSJ 支持 | 9,935 条 |
| 其中非 BSJ 支持 | 122,582 条 |
| 涉及环状 RNA | 6,651 个 |
| 涉及靶 RNA | 17,320 个 |
| 样本范围 | 13 个细胞系 + 人海马 + 小鼠海马（共 15 类样本、21 个样本×方法组合） |
| 检测方法 | RIC-seq、KARR-seq、LIGR-seq、PARIS、SPLASH |
| 分辨率 | 单核苷酸（互作位点起止坐标） |
| 参考基因组 | hg19（人）、mm10（小鼠） |
| 显著性判据 | 蒙特卡洛模拟 100,000 次，P<0.05 |
| 下载形式 | 15 个 .rar 压缩包，总包解压为单一文本文件 all.txt |
| 许可 | 站点未单独声明数据许可；论文为 CC BY-NC 4.0 |
§1 它要解决的具体麻烦
1.1 一个闭合分子，功能只能从邻居身上读
环状 RNA 由前体 mRNA 的反向剪接形成：下游的 5′ 供体位点接到上游的 3′ 受体位点，首尾相连成一个共价闭合的环。这个结构带来两个后果：没有游离末端，不易被核酸外切酶降解；序列与母基因的线性转录本高度重叠，除跨越剪接位点的几十个碱基外，其余部分在读段上几乎无法区分。
功能研究因此卡在尴尬的位置：最硬的证据是「它和某条 RNA 或某个蛋白在细胞内贴在一起」，而这类证据的获取成本远高于测序。文献里大量出现的因此是间接推断——敲低后下游基因变了、表达量与某个 miRNA 负相关、软件预测出若干净配对。三类推断的漏洞方向一致：都无法排除母基因线性转录本的混淆。按硬度排一下，问题会清楚很多。
| 证据类型 | 做法 | 能回答 | 不能回答 |
|---|---|---|---|
| 表达相关性 | 测序后算环与靶的表达相关系数 | 两者是否同步变化 | 谁调控谁，是否直接接触 |
| 序列预测 | 用 miRanda、TargetScan 一类工具找配对 | 理论上能否配对 | 细胞内是否真的配对，配在哪个碱基 |
| 交联互作 | 紫外交联或化学交联后捕获嵌合读段 | 两个分子是否在同一处被连在一起 | 结合是否产生功能后果 |
| 靶向验证 | 拉下环状 RNA 后定量候选靶 | 特定一对是否真实结合 | 全转录组范围还有哪些 |
表格第四行是金标准，但一次只能验一对。CircTarget 的位置在第三行：它不产生新的湿实验数据，而是把别人已经做过的交联实验按统一口径重算一遍，让「第三行」从零散补充材料变成可检索的表。这个定位决定了它的规模上限——它永远比目录库小，也永远比预测库硬。
1.2 三条常见的错误期待
第一条，把它当成环状 RNA 的目录库。它只有六千余个环状 RNA，而 circAtlas 三代已经收到三百万条量级，circBase 也覆盖四个物种。在 CircTarget 里查不到某个环，只说明没人在这批交联样本里捕到过它的互作，不说明这个环不存在。反过来，一个环在库里有一条互作，也不代表它是「重要的环」，只代表它在某个样本里被读到过。
第二条，把「互作」直接读成「调控」。库里的 P 值回答的是「这条互作比随机模拟更不像噪声」，不是「这条互作改变了靶 RNA 的丰度或翻译效率」。一条统计显著的结合可以完全没有下游效应：结合位点可能落在不影响剪接的内含子区，可能被其他蛋白挡住，也可能只是两个分子在拥挤的核质里偶然靠近后被交联剂固定。论文自己也只把功能推断写成「可以借助靶基因的 GO 与 KEGG 注释去推测」，而不是给出调控结论。
第三条，以为下载包就是全部内容。官方下载页只列出十个字段，互作区间的精确坐标、预测的杂合双链结构、最小自由能、落在互作区里的疾病变异，都出现在网页端的详情页里。这些内容是否也写进了 all.txt，官方字段表没有说明。想批量拿结构信息的人，得先自己解包确认，不能按字段表想当然。
1.3 它能给到的与给不到的
| 你的需求 | 它给的 | 够不够 |
|---|---|---|
| 查某个环结合了哪些 RNA | 按环编号、别名或母基因检索，列出全部靶 | 够，这是它的主功能 |
| 查某个 RNA 被哪些环结合 | 按基因符号或 Ensembl 编号反查 | 够，反向检索与正向对称 |
| 判断互作在哪个碱基上 | 靶 RNA 上的互作区间起止坐标 | 够，单核苷酸分辨率 |
| 评估互作可信度 | 支持嵌合读段数 + 蒙特卡洛 P 值 | 部分够，缺多重检验校正列 |
| 拿到双链结构图 | 预测的杂合双链与最小自由能 | 够做假设，不能当实验构象 |
| 找疾病相关的结合位点 | GWAS、ClinVar、ICGC 变异映射到互作区 | 部分够，只有位置重叠，无功能判定 |
| 做跨物种保守分析 | 只有人与小鼠，且组织只到海马 | 不够，物种与组织都太窄 |
| 训练结合预测模型 | 正样本充足，缺阴性对照集 | 不够，负样本要自建 |
| 查环状 RNA 的表达量 | 不提供表达矩阵 | 不够，需回 circAtlas 或原始测序 |
| 查蛋白结合 | 只有 RNA–RNA 互作，无 RBP 结合 | 不够，作者列为后续计划 |
1.4 你的处境与它能帮到的事
| 你的处境 | 它能帮你什么 | 下一步该做什么 |
|---|---|---|
| 你做完环状 RNA 敲低实验，下游有一批差异基因，想找直接靶 | 用环编号反查已报道的互作，看差异基因是否在列表里 | 先按互作证据类型分层，只信 BSJ 支持的那部分做优先验证 |
| 你在研究某个心血管或神经疾病的易感位点，位点落在非编码区 | 看该位点是否落在某条互作的结合区间内 | 用 §4.4 的映射口径复核坐标，再设计探针做下拉 |
| 你要为一个新发现的环找功能线索 | 用它结合的靶基因做 GO 与 KEGG 富集 | 富集前按靶去重，避免多样本重复计数放大某些通路 |
| 你在做环状 RNA 与 miRNA 的海绵假设 | 查该环是否结合了除 miRNA 之外的 mRNA 或 lncRNA | 把 miRNA 部分交给 starBase 一类 CLIP 库，两边结果取交集 |
| 你要评估某个已发表互作的可重复性 | 看它在几种方法、几个样本里被独立捕到 | 只在一个样本出现一次的互作，复现优先级放低 |
| 你在搭建 RNA 互作预测模型，缺正样本 | 十三万余条带坐标与显著性的正样本 | 自建阴性集时按表达量与 GC 含量匹配，别用随机基因对 |
1.5 一句话判断
它不是「环状 RNA 大全」，而是一把只量一件事的尺子：某个环在某个样本里，究竟贴在了另一条 RNA 的哪一段上。
1.6 不适合谁：四条边界
不适合拿来做环状 RNA 普查。 六千余个环，不到主流目录库的百分之一。想统计「人类有多少环状 RNA」「某个组织表达哪些环」，用它会得到严重偏低的答案，因为它的收录前提是「这批交联样本里捕到过」。
不适合拿来做跨物种或跨组织比较。 物种只有人与小鼠，组织只有海马，其余全是永生化细胞系。想把结论外推到肝、肾、肿瘤原代组织，或者外推到第三个物种，库内没有对应样本。这一点与 CIRCpedia 的二十物种恰好相反，两者不能互相替代。
不适合直接接现代基因组注释。 坐标建在 hg19 与 mm10 上，而当前主流注释已是 GRCh38 与 GRCm39。直接拿 hg19 坐标去查 GRCh38 的 BED 文件，会得到系统性错位；必须先做坐标转换并检查转换失败的比例。
不适合做因果或机制结论。 互作是结合的充分条件之一，不是功能后果。库内没有敲低、过表达、报告基因这类扰动数据，也没有蛋白结合信息。把一条互作写成「该环通过吸附某 mRNA 促进某疾病」，是把结合证据夸大成了机制证据。
§2 数据构成与规格
2.1 两种证据等级，决定了这张表怎么读
整张表最容易被忽略的一列是「互作证据类型」。它把十三万余条互作切成两半，而这两半的可信度不在一个量级。
第一类是 BSJ 支持（back-splicing junction supported）。判定方式是：嵌合读段的一条臂必须跨越环状 RNA 的反向剪接位点，另一条臂落在靶 RNA 上。跨位点这条臂只能来自环状异构体，线性转录本上不存在这个连接，因此这类互作在归因上是干净的。代价是产量低——全部样本加起来不到一万条。
第二类是非 BSJ 支持。作者先筛出一批「高环化率」的环状 RNA，判据是环形与线性读段之比不低于 0.85，且读段数不少于 5、至少在两个重复里检出。对这批环，判定放宽到「嵌合读段的任意一臂落在环状 RNA 全长转录本的任意区域」。理由是这些环在细胞里几乎不以线性形式存在，全长上的读段基本可以归给环。放宽之后产量陡增，得到十二万余条。
两类合起来十三万余条，涉及六千余个环状 RNA 与一万七千余个靶 RNA。换算一下，约九成二的互作走的是放宽路径。
| 维度 | BSJ 支持 | 非 BSJ 支持 |
|---|---|---|
| 判定读段 | 一臂必须跨反向剪接位点 | 任一臂落在环状 RNA 全长即可 |
| 适用对象 | 全部环状 RNA | 仅环化率 ≥0.85 的高环化率环 |
| 条数 | 九千九百余 | 十二万余 |
| 归因强度 | 强，线性异构体无法产生跨位点读段 | 中，依赖「该环几乎不呈线性」的前提 |
| 额外门槛 | P<0.05 | P<0.05 且嵌合读段 ≥2 |
| 主要风险 | 产量低，覆盖的环少 | 前提不成立时会把线性转录本的读段算进来 |
| 典型样本贡献 | 神经母细胞 1,435 条 | 神经前体细胞 64,848 条 |
这张表解释了一个反直觉的现象：某个环的互作条数特别多，未必说明它结合能力强，可能只是因为它落进了高环化率名单，从而获得了放宽判定。比较不同环的互作数之前，先看它们各自走的是哪条路径。
2.2 字段与记录的完整字典
下载页给出了十个字段的官方释义，按出现顺序列在下表。这十列是平面文件的全部承诺，也是做批量分析时的最小可用集。
| 序号 | 字段名 | 含义 | 取值与注意 |
|---|---|---|---|
| 1 | circRNA ID | 环状 RNA 编号 | 沿用 circBase 或 circAtlas 3.0 体系，两库重叠时优先 circBase |
| 2 | Ensembl ID | 靶基因的 Ensembl 编号 | 基因级编号，不是转录本编号 |
| 3 | Gene name | 靶基因符号 | 无符号时回退为 Ensembl 编号，读取时需兼容两种形态 |
| 4 | Gene Type | 靶基因生物类型 | 如 protein-coding、lncRNA、miRNA，来自 Ensembl 注释 |
| 5 | Chimeric read count | 支持该互作的嵌合读段数 | 整数，是判断可信度的第一手依据 |
| 6 | P-value | 互作显著性 | 蒙特卡洛十万次模拟得到，比较观测读段数与随机分布 |
| 7 | Cell line/Tissue | 样本来源 | 细胞系名或海马组织，决定能否做样本间比较 |
| 8 | Species | 物种 | Human 或 Mouse |
| 9 | Interaction type | 证据类型 | BSJ-supported 或 non-BSJ-supported |
| 10 | Detection Method | 检测方法 | RIC-seq、KARR-seq、LIGR-seq、PARIS、SPLASH |
网页端详情页还会多出几类信息，它们不在上述十列里，却是这个库区别于普通互作表的所在。
| 网页端内容 | 内容说明 | 获取方式 |
|---|---|---|
| 环状 RNA 基本信息 | 基因组坐标、母基因、剪接后长度、成熟序列 | 详情页顶部区块 |
| 靶向结合位点 | 靶 RNA 上互作区间的起止坐标 | 点击支持读段数进入 |
| 杂合双链结构 | RNAduplex 预测的最优配对构型 | 详情页结构区块 |
| 最小自由能 | 上述构型的 MFE，负值越低越稳定 | 与结构同区块 |
| 疾病关联 | 环状 RNA 的表达模式、检测方法、相关疾病、PMID、数据来源 | 环状 RNA 汇总区 |
| 疾病相关变异 | 落在互作区内的 GWAS、ClinVar、ICGC 变异 | 详情页变异区块 |
这里有一个必须提前说清的口径问题：官方下载页只解释了十列，没有解释坐标、结构、自由能与变异是否随文件下发。做批量结构分析的人如果直接按字段表写解析脚本，很可能在解包后发现列数不符。稳妥做法是先读表头再定 schema，而不是按十列硬编码。
2.3 一条记录该怎么被还原
把一行拆开看，它其实是三组信息的拼接：一个环的身份、一个靶的身份、以及一次观测。前两组来自注释库，第三组来自交联实验。三者缺一，这一行就不成立。
#-- 官方字段顺序（制表符分隔），仅示意列名，不含数据
circRNA ID Ensembl ID Gene name Gene Type Chimeric read count P-value Cell line/Tissue Species Interaction type Detection Method
还原一条记录的完整语义，需要把三组信息各自补齐。
| 信息组 | 来自哪里 | 补什么 | 补不到会怎样 |
|---|---|---|---|
| 环的身份 | circBase 或 circAtlas 3.0 | 基因组坐标、母基因、剪接长度、序列 | 无法设计跨位点引物，也无法判断是否与线性转录本重叠 |
| 靶的身份 | Ensembl 注释 | 基因符号、生物类型、GO 与 KEGG | 只能做基因编号层面的网络，做不了通路富集 |
| 观测本身 | 交联实验 | 样本、方法、读段数、P 值 | 无法判断这条互作在几个样本里独立出现 |
值得注意的是靶的粒度。字段给的是基因级 Ensembl 编号，不是转录本编号，而网页端的结合位点又落在具体坐标上。这意味着当同一个基因有多个转录本时，坐标究竟对应哪一版转录本，需要回到详情页看染色体位置再判断。做剪接异构体层面的分析时，这一步不能省。
2.4 样本面：十五类样本，二十一种组合
论文表一给了每个样本的证据条数。这张表值得完整抄下来，因为它是判断「某条互作能不能复现」的唯一依据：只在一个样本出现一次的互作，与在五个样本独立出现的互作，权重完全不同。
| 样本 | BSJ 支持 | 非 BSJ 支持 | 方法 |
|---|---|---|---|
| GM12878 | 619 | 2,292 | RIC-seq |
| H1-hESC | 330 | 857 | RIC-seq |
| HEK293T | 24 | 502 | RIC-seq |
| HeLa | 699 | 90 | RIC-seq |
| HepG2 | 643 | 394 | RIC-seq |
| HT29 | 496 | 5 | RIC-seq |
| IMR90 | 172 | 25,018 | RIC-seq |
| K562 | 436 | 94 | RIC-seq |
| hNPC | 335 | 64,848 | RIC-seq |
| hNPC 来源神经元 | 1,435 | 2,141 | RIC-seq |
| 人海马 | 551 | 15,868 | RIC-seq |
| 小鼠海马 | 100 | 1,439 | RIC-seq |
| A549 | 1,142 | 535 | KARR-seq |
| HEK293T | 1,212 | 7,909 | KARR-seq |
| HepG2 | 660 | 396 | KARR-seq |
| K562 | 923 | 188 | KARR-seq |
| HEK293T | 48 | 6 | LIGR-seq |
| HeLa | 16 | 0 | PARIS |
| mESC | 7 | 0 | PARIS |
| GM12892 | 83 | 0 | SPLASH |
| H1-hESC | 4 | 0 | SPLASH |
| 合计 | 9,935 | 122,582 | — |
从这张表能读出三件事。第一，方法之间的产量差距极大：RIC-seq 贡献了绝大部分互作，PARIS 与 SPLASH 在多数样本里只剩个位数甚至为零。第二，同一细胞系在不同方法下的产出可以相差两个数量级，HEK293T 在 RIC-seq 下只有五百余条，在 KARR-seq 下有九千余条。第三，非 BSJ 条数的分布极不均匀，神经前体细胞一个样本就占了全部非 BSJ 互作的一半以上。
官方解释把差异归到投入与前提上：BSJ 条数与测序深度的相关系数为 0.75，属强相关但非决定；非 BSJ 条数与各样本高环化率环状 RNA 的数目相关更强，达 0.91。换句话说，非 BSJ 那一半的产量主要由「该样本里有多少个高环化率的环」决定，而不是由「发生了多少真实互作」决定。
2.5 与同类资源的字段差异
环状 RNA 的互作信息并非只有这一个来源，但各家的字段设计差别很大，混用会直接出错。
| 资源 | 互作类型 | 证据来源 | 是否有结合坐标 | 是否有显著性 | 物种范围 |
|---|---|---|---|---|---|
| CircTarget | 环与任意 RNA | 五类交联实验的嵌合读段 | 有，单核苷酸 | 有，蒙特卡洛 P 值 | 人、小鼠 |
| starBase 一类 CLIP 库 | 环与 miRNA | CLIP-seq 峰 | 有峰区间 | 有峰强度 | 多物种 |
| CircInteractome 一类 | 环与 miRNA、蛋白 | 序列预测 | 有预测位点 | 无实验显著性 | 人 |
| circAtlas 三代 | 环与 miRNA | 预测工具组合 | 有预测位点 | 无 | 十物种 |
| CIRCpedia 三代 | 不提供互作 | — | — | — | 二十物种 |
差异最大的是「证据来源」一列。前三行的区别不是数据量，而是「这条互作怎么被看见」：一个来自细胞内的交联事件，一个来自 CLIP 富集峰，一个来自序列配对计算。把三类结果放进同一张表做交集，等于混合三种不同含义的「阳性」，必须先约定阈值。
另一个差异是靶的类型。多数互作库只做 miRNA，因为 miRNA 短、配对规则清楚、CLIP 数据多；CircTarget 把 mRNA 与 lncRNA 一并收进来，这也是它规模不大但字段更复杂的原因：miRNA 的结合位点只有几个碱基，mRNA 的互作区间却可长达数百个碱基，需要额外给出起止坐标与双链构型。
2.6 三个口径要先对齐
在动手分析之前，有三组数字需要先确定口径，否则同一份文件能算出互相矛盾的结论。
| 口径 | 一种算法 | 另一种算法 | 差异来源 |
|---|---|---|---|
| 互作条数 | 直接数文件行数 | 按环与靶去重 | 同一对互作在多样本重复出现 |
| 环状 RNA 数 | 数第一列唯一值 | 只数 BSJ 支持里出现的环 | 放宽路径纳入了更多环 |
| 靶 RNA 数 | 数 Ensembl 编号唯一值 | 数基因符号唯一值 | 少数基因缺符号，回退为编号 |
官方给出的是一张十三万余行的互作表、六千余个环、一万七千余个靶，三者对应「按行计互作、按编号计分子」的口径。自己重算时如果按去重口径，得到的三元组会小于官方值，这不是数据不一致，而是计数单位不同。
§3 它属于谁：一支做 RNA 互作组的实验室
3.1 通讯作者与两家单位
论文的作者列表有十人，通讯作者两位：杨运超，任职于中国科学院生物物理研究所表观遗传调控与干预重点实验室；朱平，任职于广东省人民医院广东省心血管病研究所。第一作者张红梅同时在广东省心血管病研究所与生物物理所两个单位挂名，说明这项工作从立项起就是临床心血管方向与基础 RNA 生物学方向的合作。
| 角色 | 姓名 | 单位 | 贡献标注 |
|---|---|---|---|
| 第一作者 | 张红梅 | 广东省心血管病研究所；生物物理所 | 数据整理、形式分析、调查、初稿 |
| 通讯作者 | 杨运超 | 生物物理所；中科院大学；温州医科大学 | 概念设计、项目管理、监督、修改 |
| 通讯作者 | 朱平 | 广东省心血管病研究所 | 项目管理、监督、修改 |
| 合作者 | 张玉阳 | 中国科学技术大学 | 资源、可视化 |
| 合作者 | 李鹏 | 生物物理所 | 数据整理 |
| 合作者 | 袁震 | 生物物理所；中科院大学 | 资源、可视化 |
| 合作者 | 刘王龙 | 温州医科大学 | 形式分析 |
| 合作者 | 张金月 | 生物物理所；中科院大学 | 形式分析 |
| 合作者 | 李瑞天 | 温州医科大学 | 可视化 |
| 合作者 | 卢晨 | 温州医科大学 | 可视化 |
单位构成值得留意。生物物理所提供 RNA 生物学与交联建库的方法学积累，广东省心血管病研究所提供临床问题意识，温州医科大学与中科大补上眼视光与计算侧的人力。这个组合解释了一个看似矛盾的设计：一个以心血管为立项背景的库，为什么把人类海马放进首批样本——海马是环状 RNA 富集且已有公开交联数据的少数组织之一，先把方法跑通比先对齐疾病更重要。
3.2 时间线
| 时间 | 事件 | 依据 |
|---|---|---|
| 2026 年 1 月 | 论文发表于 NAR 数据库专刊，第 54 卷 D1 期 | 论文卷期页 |
| 2026 年 1 月 | 站点上线，开放全部互作下载 | 论文数据可用性声明 |
| 2026 年 10 月 | 本次核对时站点可访问，未见版本号与更新日志 | 站点页面 |
| 未公布 | 下一次更新计划 | 官方未公布 |
时间线只有一格是确定的：2026 年 1 月。这不是因为项目年轻所以没有历史，而是它确实只发布过一次。论文讨论部分写了后续计划——接入 CLASH、RAP-RNA、RIA-seq 三类靶向方法，以及用 CLIP-seq 与 SPIDR 补蛋白结合信息——但都写成「将来」，没有时间表。
3.3 方法学的传承线
这个库不是凭空造出来的，它站在三类已有工作的肩上。
| 上游工作 | 提供了什么 | 在本库中的位置 |
|---|---|---|
| RIC-seq 系列方法 | RNA 原位交联与邻近连接，产出全转录组 RNA–RNA 嵌合读段 | 主要数据来源，覆盖十二个样本 |
| KARR-seq | 以 kethoxal 处理增强交联，捕获高级结构附近的互作 | 第二大数据来源，四个样本 |
| PARIS、SPLASH、LIGR-seq | 较早的 RNA 双链捕获方法 | 补充来源，产量低但方法独立 |
| circBase、circAtlas 3.0 | 环状 RNA 的编号与坐标体系 | 环状 RNA 身份的来源 |
| circad、circR2Disease、circRNADisease | 环状 RNA 与疾病的关联记录 | 疾病注释的来源 |
| GWAS Catalog、ClinVar、ICGC | 疾病相关变异 | 变异映射的来源 |
这条链条说明一件事：CircTarget 的创新不在数据采集，而在「判定」与「汇总」。五类交联方法都是别人发明的，三个疾病库也是别人维护的，它把原料按统一规则重新切分，并给每条结果配上可比较的统计量。评价它时应按这个定位来评：不问原料新不新，只问切分规则是否合理、是否透明。
3.4 谁在维护，能找谁
| 渠道 | 信息 | 用途 |
|---|---|---|
| 实验室主页 | 生物物理所杨运超课题组 | 了解后续版本与方法更新 |
| 邮箱一 | ycxue@ibp.ac.cn | 数据问题、合作咨询 |
| 邮箱二 | gongj15@mails.tsinghua.edu.cn | 站点与下载问题 |
| 地址 | 北京市朝阳区大屯路 15 号 | 通讯地址 |
| 站点表单 | 联系页 | 一般咨询 |
维护模式是典型的「实验室自建库」：单一团队、单一服务器、无独立运维编制。这类库的共同特征是上线快、字段贴科研需求，但也共同承担一个风险——学生毕业或课题转向后，站点可能长期不更新，甚至在某次服务器迁移中悄悄消失。使用这类资源时，把下载包本地留档是必要动作，不能只依赖在线查询。
§4 它最独特的东西：把「结合」钉在单个核苷酸上
4.1 为什么实验支持的互作比预测的靶贵得多
预测一条 miRNA 与环状 RNA 的配对，只需要一段序列和一个打分矩阵，几毫秒就能算完几十万条。实验捕获一条互作，需要活细胞、交联剂、连接酶、测序深度，以及一套能把嵌合读段拆回两个来源的比对流程。
两者的差别不只是成本，而是能回答的问题不同。
| 问题 | 序列预测 | 交联实验 |
|---|---|---|
| 这两个分子能否配对 | 能 | 能 |
| 细胞内是否真的靠近 | 不能 | 能 |
| 结合发生在哪个碱基 | 只能给预测位点 | 能给实验定位的区间 |
| 结合是否受细胞类型影响 | 不能 | 能，样本即条件 |
| 是否结合了非 miRNA 的 RNA | 规则不成熟 | 能，方法不预设靶类型 |
第四行是这个库最有价值的地方。同一个环在不同细胞系里的互作清单可以完全不同，而预测工具给出的答案与细胞类型无关。第五行解释了为什么它的靶里有大量 mRNA：交联方法不预设靶的类型，捕到什么算什么，于是 lncRNA、mRNA、甚至其他环状 RNA 都会出现。
4.2 单核苷酸分辨率是怎么来的
「单核苷酸分辨率」这个说法容易被误解成「每个碱基都测过」。它实际指的是：互作区间的两端被定位到具体碱基坐标，而不是给一个基因区间或一个峰。
实现路径分四步，每一步都有明确的工具与参数。
| 步骤 | 做法 | 工具 | 关键参数 |
|---|---|---|---|
| 读段清理 | 去接头、去 PCR 重复、去 poly(N) 尾 | Trimmomatic 0.36、自研脚本、Cutadapt 4.1 | 默认 |
| 分层比对 | 先比 pre-rRNA，再比参考基因组，未比对上的再回贴 | HISAT2 2.2.1、BWA 0.7.17 | 先剔除常规比对读段 |
| 嵌合拆解 | 把跨位点读段拆成两臂，分别回贴 | HISAT2、Bowtie2 | 仅保留 MAPQ>20 的唯一比对 |
| 显著性判定 | 观测互作与随机模拟互作比较 | 蒙特卡洛 | 100,000 次迭代，P<0.05 |
第二步是这套流程的关键设计。常规比对会先吃掉所有能线性比上的读段，剩下的才是嵌合候选；不先剔除，线性转录本的读段会大量混入。第三步的 MAPQ>20 门槛保证每一臂只落在一个位置——多比对位置的读段无法确定互作对象，只能丢弃。
显著性判定用蒙特卡洛而非读段数阈值：把观测互作与随机模拟互作比较十万次，看观测值在零分布中的位置。这比「读段数≥3」一类硬阈值更合理，因为它自动考虑了样本间的测序深度差异。对高环化率的环，作者另加「嵌合读段≥2」的门槛，等于在统计显著之外再要求一点物理证据。强配对与弱配对的检出率并不相同，这一点在 §4.3 的案例里看得最清楚。
4.3 案例：CDR1as 与 miR-671-5p 的一次重逢
判断一个互作库是否可信，最直接的办法是看它能不能重现教科书级别的已知互作。论文只用了一对这个案例：CDR1as（编号 hsa_circ_0001946，别名 ciRS-7）与 miR-671-5p。
这一对的特殊性在于，CDR1as 是环状 RNA 领域最早被功能表征的分子之一，它与 miR-7 的吸附关系被反复验证，而与 miR-671-5p 的配对则涉及一个更精细的机制——miR-671-5p 结合后可以触发 CDR1as 的切割，属于「结合导致降解」而非「结合导致隔离」。换句话说，这一对不是随便挑的阳性对照，它同时考验方法能否捕到真实的碱基配对，以及能否捕到会引发下游事件的结合。
结果在两个独立数据集里都对上了。人海马的 RIC-seq 数据捕到了这一对，A549 细胞的 KARR-seq 数据也独立捕到了同一对。两种方法、两个物种来源的样本、两套建库化学，给出同一个答案。论文把这张图放在主图第二幅，作为方法可靠性的核心证据。
这个案例的价值不止于「验证成功」。它同时划出了这个库的能力边界：能捕到的是「在交联条件下稳定存在的配对」，而不是「所有发生过的结合」。CDR1as 与 miR-671-5p 的配对长且互补性强，属于容易被交联固定的类型；相比之下，瞬时、弱亲和、依赖蛋白中介的结合，在这类方法里的检出率会低得多。看到 §4.3 的案例时，正确的推论是「方法对强配对的灵敏度可靠」，而不是「没捕到就等于不结合」。
把这一对放进整张表的语境里看，还能得到另一个提醒：CDR1as 属于环化率极高的环，正是那批被放宽判定到全长转录本的对象。它的互作条数在库里偏多，部分是生物学事实（它确实结合很多 miRNA），部分也是方法学后果（它获得了更宽的读段归因范围）。两者混在一起，无法从条数上分开。
4.4 变异落在结合位点上意味着什么
库的第二层信息是把疾病相关变异映射到互作区间。这一步的原料是三个外部库，处理方式各不相同。
| 来源库 | 原始规模 | 入库前处理 | 保留数 |
|---|---|---|---|
| GWAS Catalog | 未在文中给出原始条数 | 人工策展 | 78,298 |
| ClinVar | 未在文中给出原始条数 | 只取致病或可能致病变异 | 251,116 |
| ICGC | 约八千一百万条肿瘤变异 | 质量分>15 且次等位基因频率>0.1 | 5,042,896 |
三个库过滤后与互作区间求交集，落在区间内的变异共 25,576 个。按类型分，单核苷酸变异 20,224 个、缺失 3,236 个、重复 1,126 个，其余为其他类型（官方未再细分）。按位置分，8,363 个落在环状 RNA 一侧，18,635 个落在靶 RNA 一侧。
| 维度 | 数值 | 说明 |
|---|---|---|
| 落在互作区的变异总数 | 25,576 | 三库合并去重后的交集结果 |
| 单核苷酸变异 | 20,224 | 占比最高的一类 |
| 缺失 | 3,236 | 可能改变结合区长度 |
| 重复 | 1,126 | 可能造成位点重复 |
| 落在环状 RNA 一侧 | 8,363 | 可能影响环的形成或结构 |
| 落在靶 RNA 一侧 | 18,635 | 可能影响被结合的序列 |
这组数字最容易被过度解读。变异落在互作区间内只说明位置重叠，不说明该变异改变了结合；要证明后者，需要等位基因特异性的结合实验，或至少在两个基因型不同的样本里比较读段数。库内没有这类对比，也没有给出效应方向。论文的表述是「提示互作可能参与疾病机制」，用词是提示。
还要注意 ICGC 的过滤口径：八千一百万条变异只保留五百余万条，条件是质量分与次等位基因频率双门槛。低频变异因此被系统性排除，而罕见变异恰是孟德尔疾病研究最关心的部分，用它找这类关系会得到偏低的召回。
4.5 边界条件：什么情况下它不再适用
| 条件 | 会发生什么 | 应对 |
|---|---|---|
| 目标环不在六千余个之列 | 查不到任何互作 | 回 circBase 或 circAtlas 确认该环是否存在，再判断是漏检还是未收录 |
| 目标组织不在样本清单内 | 无该组织的互作 | 用最接近的细胞系做假设，明确标注外推风险 |
| 需要 GRCh38 坐标 | 直接比对会错位 | 先做 liftover，并统计转换失败率 |
| 需要转录本级别的结合位点 | 字段只给基因级编号 | 回详情页读染色体坐标，自行映射到转录本 |
| 需要阴性对照 | 库内不提供 | 自建匹配的负样本集，按表达量与 GC 含量配对 |
| 需要蛋白结合信息 | 库内没有 | 用 CLIP-seq 或 SPIDR 一类资源补齐 |
这张表里最常被忽略的是第一行。CircTarget 的「查不到」有两种完全不同的含义：这个环存在但没被这批样本捕到，或者这个环根本不在参考库里。前者是数据覆盖问题，后者是身份问题，处理方式完全不同。判断方法是拿编号去 circBase 与 circAtlas 各查一次——两边都有而这里没有，是漏检；两边都没有，说明编号用错了。
§5 怎么拿到：从十五个压缩包到一张互作表
5.1 下载面的实际结构
站点没有 API，取数只有一条路：下载页的静态文件。页面列出十五个压缩包，一个总包加十四个分样本包。
| 文件名 | 覆盖范围 | 大小 |
|---|---|---|
| all.rar | 全库互作 | 1,060,591 字节 |
| Human_Hippocampus.rar | 人海马 | 未标注 |
| Mouse_Hippocampus.rar | 小鼠海马 | 未标注 |
| Neuron.rar | 神经母细胞（hNPC 来源神经元） | 未标注 |
| hNPC.rar | 神经前体细胞 | 未标注 |
| A549.rar | A549 | 23,143 字节 |
| HeLa.rar | HeLa | 11,881 字节 |
| GM12878.rar | GM12878 | 未标注 |
| GM12892.rar | GM12892 | 未标注 |
| H1-hESC.rar | H1-hESC | 未标注 |
| HepG2.rar | HepG2 | 未标注 |
| HT29.rar | HT29 | 未标注 |
| IMR90.rar | IMR90 | 未标注 |
| K562.rar | K562 | 未标注 |
| mESC.rar | 小鼠胚胎干细胞 | 未标注 |
总包解压后是单一文本文件 all.txt，未压缩大小 13,327,403 字节。也就是说整个库压缩后一兆出头，解开也就十三兆，一台普通笔记本可以整份读进内存。这个体量在组学资源里属于极小，下载与校验都不构成负担。
清单里有两个细节值得记下来：一是没有 HEK293T 的独立压缩包，而论文表一里该样本在三种方法下合计一千二百余条 BSJ 支持，要用只能从 all.rar 里按样本列筛；二是包名写作 Neuron，论文表里写的是 hNPC 来源神经元，两份材料对同一样本用了不同称呼。
5.2 批量下载与校验
站点不提供校验和文件，也不提供文件大小清单。下载后自行记录大小与哈希，是唯一的完整性凭据。
#-- 建立本地目录并逐个下载，保留原始文件名
mkdir -p circtarget_raw && cd circtarget_raw
base="https://circtarget.cn/static/download"
for f in all Human_Hippocampus Mouse_Hippocampus Neuron hNPC \
A549 HeLa GM12878 GM12892 H1-hESC HepG2 HT29 IMR90 K562 mESC; do
curl -sSL --retry 3 --max-time 300 -O "${base}/${f}.rar"
done
#-- 记录大小与哈希，作为本次取数的凭据
ls -l *.rar > sizes.txt
sha256sum *.rar > sha256.txt
这段脚本把十五个包一次拉齐。--retry 3 是针对国内站点偶发超时的保险；-O 保留服务端文件名，避免改名后与官方清单对不上。只需要总表时把循环换成单个文件即可，总包一兆出头，几十秒就能下完。
5.3 解包与读表
压缩格式是 RAR，Linux 下需要额外装解压工具，这是第一道坎。
#-- 安装解压工具（Debian/Ubuntu 系）
sudo apt-get install -y unrar-free
#-- 解包并检查行数与列数
unrar x all.rar
wc -l all.txt
awk -F'\t' 'NR==1{print NF}' all.txt
第二条命令给出总行数，第三条给出表头列数。两个数字要先记下来：行数应当接近十三万，列数应当与官方十列字段一致。如果列数不符，说明文件里还带了字段表之外的列，后续解析必须按实际表头走，不能按官方文档硬编码。
读进内存时有一个容易踩的坑：环状 RNA 编号形如 hsa_circ_0001946，其中段带前导零；如果用默认类型推断，前导零会被吃掉，编号变成 hsa_circ_1946，与注释库对不上。
#-- 读表时强制字符串类型，保住编号里的前导零
import pandas as pd
cols = ["circ_id", "target_ensembl", "target_symbol", "target_type",
"reads", "pvalue", "sample", "species", "evidence", "method"]
df = pd.read_csv("all.txt", sep="\t", header=0, names=cols,
dtype={"circ_id": str, "target_ensembl": str,
"target_symbol": str, "target_type": str,
"sample": str, "species": str,
"evidence": str, "method": str},
na_values=["", "NA", "None"])
print(df.shape)
print(df["evidence"].value_counts())
print(df.groupby("sample")["reads"].agg(["count", "sum"]).head(15))
这段代码做了三件事：显式指定列名，避免表头与文档不一致时错位；把编号类字段锁成字符串；用证据类型与样本两个维度先做一次轮廓检查。第三步的输出可以直接和论文表一对照，如果某个样本的条数差得离谱，多半是分隔符或编码出了问题。
5.4 用网页端取单条互作的完整上下文
批量分析走文件，单条追查走网页。站点的检索有两个入口：按环状 RNA 查，支持编号、别名、母基因符号三种输入；按靶查，支持基因符号与 Ensembl 编号。
| 输入方式 | 例子 | 命中范围 | 适合场景 |
|---|---|---|---|
| 环状 RNA 编号 | hsa_circ_0001946 | 精确匹配该环 | 已知编号，追一条互作 |
| 环状 RNA 别名 | CDR1as、ciRS-7 | 别名映射到编号 | 读文献时只有俗名 |
| 母基因符号 | CDR1 | 该基因产生的全部环 | 想穷举一个基因的所有环 |
| 靶基因符号 | NEAT1 | 结合该基因的环 | 从靶反查环 |
| 靶 Ensembl 编号 | ENSG00000197971 | 精确匹配该基因 | 符号有歧义或缺失时 |
检索结果页把信息分成三块：环状 RNA 汇总、靶信息列表、疾病关联。点击某条互作的支持读段数，才进入详情页看到结合位点坐标、双链结构与变异。这个交互设计意味着：批量任务无法通过简单拼接 URL 拿到结构信息，因为详情页的入口是结果表里的一个链接，而不是一个可用编号直接构造的地址。
站点没有公开 API，也没有 JSON 端点。想程序化取结构信息只能解析结果页 HTML，还要处理表单与 CSRF 令牌。只需要坐标与读段数时直接用 all.txt 更快；只看某一对的双链构型，手工点几次比写爬虫划算。
5.5 与注释库对接时的坐标转换
坐标建在 hg19 与 mm10 上，这是接现代注释时最大的摩擦点。两个参考基因组与当前的 GRCh38、GRCm39 之间不是简单平移，染色体编号、着丝粒位置、组装间隙都变过。
#-- hg19 转 GRCh38，并统计失败率
from pyliftover import LiftOver
lo = LiftOver("hg19", "hg38")
rows = [("chr1", 1000000), ("chr17", 43044295), ("chrX", 73820000)]
ok, fail = [], []
for chrom, pos in rows:
res = lo.convert_coordinate(chrom, pos)
(ok if res else fail).append((chrom, pos, res))
print("converted", len(ok), "failed", len(fail))
for item in fail:
print("unmapped", item[0], item[1])
转换失败的位置不能简单丢弃，要先看失败集中在哪些区域。着丝粒附近、串联重复区、组装差异区是常见的失败点，这些区域本身就难以比对，丢掉它们会让后续的位点富集分析产生偏倚。正确做法是记录失败率，并在方法里写明丢弃了多少、集中在什么类型的区域。
验证转换是否正确，有一个简单办法：拿几个已知基因的坐标去比。比如取一个互作区间的中心点，转换后看它是否仍落在同一个基因的内含子或外显子里。如果整批偏移了几百 kb，说明染色体编号体系没对齐（chr1 与 1 的差别就会导致这种整批错位）。
5.6 六个最容易出错的地方
| 出错方式 | 后果 | 正确做法 |
|---|---|---|
| 把行数当独立分子对数 | 高频互作被样本数放大 | 先按环与靶去重，再统计 |
| 混用 BSJ 与非 BSJ 两类证据 | 可信度被平均掉 | 分层分析，或只取 BSJ 支持 |
| 用默认类型读编号 | 前导零丢失，编号对不上 | 全部按字符串读 |
| 直接拿 hg19 坐标查 GRCh38 | 系统性错位 | 先 liftover，再抽点验证 |
| 拿全部基因对当负样本 | 把测序深度当生物学阴性 | 按表达量与 GC 含量匹配建负集 |
| 把 P 值当效应量 | 显著但无功能的互作被当成调控 | 结合读段数与外部验证判断 |
前两行是最常见的误用，且都发生在下游分析而不是取数环节：一个让网络出现「枢纽节点」，一个让富集出现「关键通路」，两者都能讲出漂亮的故事，也都经不起换一套样本重跑。
§6 与库内条目的关系
6.1 关系图谱
CircTarget 在站内的位置是「互作层」：它上面是环状 RNA 的目录与表达，下面是具体的功能验证。它既不是原料库，也不是结论库。
| 库内词条 | X 是什么 | 与它的关系 |
|---|---|---|
| CIRCpedia 三代 | 二十物种的环状 RNA 目录与表达 | 上游身份来源之一，但两家无共同团队 |
| circAtlas 三代 | 跨物种环状 RNA 注释与表达 | 上游，本库的环编号与高丰度筛选取自该库 |
| circBase | 经典环状 RNA 汇集库 | 上游，两库重叠时优先采用其编号 |
| GENCODE 参考注释 | 基因与转录本注释 | 间接上游，靶基因的 Ensembl 编号来自这一体系 |
| GWAS Catalog | 疾病易感位点 | 变异层的来源之一 |
| ClinVar | 临床变异解读 | 变异层的来源之一 |
| ICGC | 肿瘤变异 | 变异层的来源之一 |
| starBase 一类 CLIP 库 | 环与 miRNA 的 CLIP 证据 | 互补：一个覆盖 miRNA，一个覆盖任意 RNA |
| GEO 基因表达综合数据库 | 原始测序数据归档 | 最上游，交联数据与总 RNA 测序的存放地 |
最关键的一行是第三行。CircTarget 的环状 RNA 身份直接建立在 circBase 与 circAtlas 之上，两库重叠时以 circBase 为准。这意味着编号体系不是自创的，好处是能与其他库直接对接，代价是继承了上游库的所有遗留问题——包括旧编号未随注释更新、同一位点在不同版本里有不同写法。
6.2 与 CIRCpedia 的区隔：同一片领域，两个问题
站内已经有一篇 CIRCpedia 三代（记录号 1472）。两者都叫「环状 RNA 数据库」，但解决的是完全不同的两个问题，把任何一个当成另一个的替代品都会出错。
先看最硬的三条差异：谁做的、输入是什么、输出是什么。
| 维度 | CIRCpedia 三代 | CircTarget |
|---|---|---|
| 维护团队 | 复旦大学杨力实验室 | 中科院生物物理所杨运超组 + 广东省人民医院朱平组 |
| 立项问题 | 这个环在哪些物种、哪些样本里存在，表达多少 | 这个环在物理上结合了哪条 RNA，结合在哪一段 |
| 输入 | 公开与自产的 RNA 测序数据 | 五类 RNA–RNA 交联实验的嵌合读段 |
| 输出 | 环状 RNA 的坐标、表达量、保守性、命名 | 环与靶的互作对、结合区间、读段数、P 值、双链结构 |
| 物种 | 二十个 | 两个（人、小鼠） |
| 规模 | 二百六十一万条量级 | 六千余个环、十三万余条互作 |
| 关系类型 | 不提供分子间互作 | 只提供互作 |
| 能否互相替代 | 不能 | 不能 |
再看「解决什么问题」这一层。CIRCpedia 处理的是「身份与丰度」的混乱：同一个环在不同文献里有不同叫法，同一个位点在不同注释版本里有不同坐标，跨物种之间没有可比的表达口径。它把这些统一起来，让「hsa_circ_0001946 在人海马表达多少」有一个可复现的答案。
CircTarget 处理的是「功能证据」的空白：一个环被确认存在之后，它到底和谁在一起，此前只能靠预测。它把交联读段变成带坐标的互作对，让「这个环贴在 NEAT1 的第几个碱基上」有一个可查的答案。
| 你的问题 | 该用哪个 | 为什么 |
|---|---|---|
| 这个环在人肝里表达吗 | CIRCpedia | 它有组织表达谱，CircTarget 没有表达量 |
| 这个环在小鼠里有同源吗 | CIRCpedia | 它做跨物种保守判定，CircTarget 只有人鼠两物种 |
| 这个环结合了哪些 mRNA | CircTarget | CIRCpedia 不提供互作 |
| 结合位点在第几个碱基 | CircTarget | CIRCpedia 不提供结合坐标 |
| 某个位点的变异是否落在结合区 | CircTarget | CIRCpedia 无变异映射 |
| 某个环的标准命名该怎么写 | CIRCpedia | 它维护命名规范，CircTarget 沿用上游编号 |
| 这个环是否值得做功能实验 | 两个都用 | 先用 CIRCpedia 确认表达与保守，再用 CircTarget 找候选靶 |
最后一行是两者最合理的组合方式：它们不是竞争关系，而是流水线上的两道工序。跳过第一道直接看互作，会把表达量极低、可能只是测序噪声的环当成重点；跳过第二道只看表达，会得到一份「很丰富但不知道干什么」的清单。
编号是另一个容易混淆的地方：CircTarget 沿用 circBase 与 circAtlas 的编号，CIRCpedia 用自己的命名体系。同一个环两边写法可能不同，跨库连接必须用基因组坐标做桥，不能直接匹配字符串。
6.3 检索路径
| 你要找的东西 | 检索词 | 会落到哪里 |
|---|---|---|
| 某个环的全部靶 | 环编号，如 hsa_circ_0001946 | §5.4 的按环检索 |
| 某条 RNA 被哪些环结合 | 基因符号或 Ensembl 编号 | §5.4 的按靶检索 |
| 一个母基因产生的所有环 | 基因符号，如 CDR1 | 结果页的母基因聚类 |
| 某个环的疾病关联 | 环编号进入详情页 | 疾病关联区块 |
| 落在结合区的变异 | 环编号进入详情页 | 变异区块 |
| 双链结构与自由能 | 点击支持读段数 | 互作详情页 |
| 某个样本的全部互作 | 下载对应样本包 | §5.1 的文件清单 |
| 未收录的环 | — | 不在本库范围，回 circBase 或 circAtlas |
6.4 与其他库的分工判据
| 任务 | 该用什么 | 本库的位置 | 原因 |
|---|---|---|---|
| 环状 RNA 的物种普查 | 目录型库 | 不适用 | 只收两物种、六千余环 |
| 组织表达比较 | 表达型库 | 不适用 | 无表达矩阵 |
| 找物理结合的靶 | 本库 | 主力 | 少有的带坐标的实验支持互作表 |
| miRNA 靶标 | CLIP 型库 | 补充 | 本库覆盖任意 RNA，但 miRNA 证据不如 CLIP 专库密 |
| 环状 RNA 命名规范 | 命名型库 | 不适用 | 沿用上游编号 |
| 结合位点的变异解读 | 本库 + 变异库 | 主力 | 已把三库变异映射到区间 |
| 蛋白结合 | CLIP 或 SPIDR | 不适用 | 明确列为后续计划 |
| 跨物种保守分析 | 保守性库 | 不适用 | 只有人鼠 |
§7 质量评估与局限性
7.0 阅读本节前的一个前置校正
有一个几乎所有人第一次看这个库都会犯的误判：把「十三万条互作」读成「十三万个已被证实的结合事件」。这两个说法差得很远，而差的那部分恰好决定了这个库该怎么用。
真实情况是三层叠加。第一层，十三万条里有九成二走的是放宽判定路径，前提是「这些环几乎不以线性形式存在」；前提不成立时读段可能来自线性转录本。第二层，全部判定都是计算产物，论文只对一对已知互作做了阳性对照。第三层，行是按样本切的，同一对分子在多个样本出现会占多行，去重后的分子对数明显少于行数。
校正之后，评价的坐标系会变：不该问「它有多准」，该问「在什么前提下判定成立，前提不成立时误差往哪个方向偏」。
7.1 五维评分
按 DAIMS 的常用口径打分，每项 1–5 分，分数针对「作为环状 RNA 互作证据源」这个用途。
| 维度 | 分数 | 理由 |
|---|---|---|
| 数据规模 | 3 | 十三万条互作不算少，但只覆盖六千余环、两物种 |
| 标注质量 | 3 | 判定流程透明、参数公开，但九成二依赖放宽前提，无逐条验证 |
| 任务适配 | 4 | 带坐标的实验支持互作表在同类里稀缺，反向检索与结构预测加分 |
| 文档完整 | 3 | 字段有释义、方法有细节，但两份材料的测序编号不一致，缺版本号 |
| 可获取性 | 5 | 免注册、无登录、总量十三兆、一次下完 |
合计 18 分（满分 25）。它赢在适配与可获取性，输在规模与单条可靠性，这个结构决定了它适合当「候选生成器」而不是「结论依据」：筛出十几个候选再逐个做实验，是它设计的用法。
7.2 单条互作可靠性的三层
评价一条具体互作，可以按三层往下剥。
第一层是证据类型。BSJ 支持的互作，读段跨过反向剪接位点，线性异构体无法产生这种读段，归因是干净的。非 BSJ 支持的互作，读段落在环状 RNA 全长上，需要「该环几乎不呈线性」这个前提。看一条互作，先看它属于哪一类，这一层的权重最大。
第二层是独立复现。同一对环与靶在几个样本、几种方法里出现过。在两个以上方法里独立出现的互作，比在单一方法单一样本出现的可信得多。库内的字段支持这种检查：按环编号与靶编号分组，数不同的方法与样本组合数。
第三层是统计强度。读段数越高，随机模拟中出现同等或更高读段数的概率越低，P 值越小。但读段数受测序深度影响，只能在同一样本内比较，跨样本比较没有意义。§4.3 的案例正是三层都强的样子：BSJ 支持、两种方法重现、读段充足。
| 层级 | 看什么字段 | 强证据的样子 | 弱证据的样子 |
|---|---|---|---|
| 归因 | Interaction type | BSJ-supported | non-BSJ-supported |
| 复现 | Cell line/Tissue + Detection Method | 多方法、多样本重复 | 单方法、单样本 |
| 统计 | Chimeric read count + P-value | 读段数高、P 值远小于 0.05 | 读段数 2、P 值刚过线 |
三层都强的互作，值得优先做湿实验验证；只有第三层强的互作，很可能只是测序深度的产物。
7.3 已知的、可枚举的偏差
| 偏差 | 表现 | 来源 | 影响方向 |
|---|---|---|---|
| 样本选择偏差 | 十三细胞系多为永生化系，组织只有海马 | 公开交联数据的可得性 | 上皮、肝、免疫细胞的结果偏多，原代组织偏少 |
| 深度偏差 | BSJ 条数与测序深度相关 0.75 | 测序投入不均 | 深测样本的互作被高估 |
| 环化率偏差 | 非 BSJ 条数与高环化率环数相关 0.91 | 放宽判定的前提 | 高环化率环的互作被系统性放大 |
| 方法偏差 | RIC-seq 贡献绝大部分互作 | 方法灵敏度差异 | 结论实际偏向一种建库化学 |
| 参考基因组偏差 | hg19 与 mm10 | 建库时的注释版本 | 新注释里的基因与位点对不上 |
| 变异过滤偏差 | ICGC 只留高频且高质量的变异 | 质量分与频率双门槛 | 罕见变异的召回偏低 |
| 疾病注释偏差 | 三个疾病库的收录偏好 | 上游策展方向 | 研究热的疾病条目多，冷门疾病少 |
| 物种偏差 | 只有人与小鼠 | 数据来源 | 无法外推到其他模式生物 |
这张表里前四行共同指向一个结论：库内的「互作条数」不是纯粹的生物学量，它混合了样本投入、方法灵敏度与判定规则。做任何跨样本比较之前，必须先把这三者当成协变量处理，而不是当成背景噪声。
7.4 外部验证矩阵
| 验证角度 | 库内证据 | 独立证据 | 结论 |
|---|---|---|---|
| 已知互作能否重现 | CDR1as 与 miR-671-5p | 两种方法、两个样本独立捕到 | 强配对的灵敏度可靠 |
| 互作区是否保守 | 500 nt 侧翼的 phastCons 打分 | 与随机打乱序列对照，显著更高 | 支持位点有生物学意义 |
| 双链是否稳定 | RNAduplex 预测的 MFE | 与打乱序列对照，显著更低 | 支持配对不是随机 |
| 变异是否富集 | 互作区内的三库变异 | 与随机基因组区对照，P<0.01 | 支持互作区与疾病相关 |
| 单条互作是否真实 | 无逐条验证 | 无 | 未验证 |
| 结合是否有功能后果 | 无扰动数据 | 无 | 未验证 |
前四行是论文自证的对照，都有零假设与检验。后两行是空白：库内没有敲低、过表达、报告基因数据，也没有蛋白结合信息。要注意前四行证明的是「整体信号不是噪声」，不是「每条互作都成立」——整体富集可以建立在少数强信号加大量弱信号之上。
7.5 它为何能持续：把散落的证据变成可复用的坐标
这类实验室自建库的生存逻辑通常有两种：要么数据足够大，成为领域默认参考；要么数据足够独特，别人绕不过去。CircTarget 属于后者：它把「环状 RNA 结合了谁」从各篇论文的补充表格里搬出来，统一到同一套坐标、判据与编号下。此前想比较两个环的结合谱，得把两篇论文的补充材料读一遍，对齐各自的坐标系、阈值与命名再手工合并，没有技术难度，但每换一篇就要重来一次。
可持续性还依赖外部条件：交联数据的持续产出。作者已把接入靶向方法与蛋白结合写进计划，说明维护者清楚边界在哪、下一步往哪扩。风险在人力：单一实验室、无独立运维、无版本号，三者叠加意味着更新可能随时停摆。
§8 生态位与历史
8.1 环状 RNA 数据库的三波
这个领域的数据资源可以粗分成三波，每一波解决上一波留下的问题。
| 波次 | 代表 | 解决的问题 | 遗留的问题 |
|---|---|---|---|
| 第一波：汇集 | circBase 一类 | 把散落在文献与测序里的环状 RNA 收进一个编号体系 | 编号有了，表达与功能没有 |
| 第二波：注释与表达 | circAtlas、CIRCpedia 一类 | 统一重跑测序，给表达谱、保守性、命名 | 有表达有坐标，但不知道结合谁 |
| 第三波：互作与功能 | CircTarget 一类 | 把交联证据变成带坐标的互作表 | 覆盖窄、无功能后果、无蛋白层 |
三波之间不是替代关系，而是累加。第三波的库必须建立在前两波的编号体系上，否则无法与已有文献对接。CircTarget 的环编号直接取自 circBase 与 circAtlas，正是这个依赖的体现。
8.2 它补的是哪一段
把环状 RNA 的研究链条摊开，会看到四个环节：形成、存在、结合、后果。
| 环节 | 回答什么 | 现有资源 | CircTarget 的位置 |
|---|---|---|---|
| 形成 | 这个环怎么产生的，受哪些顺式元件与反式因子调控 | 方法学论文为主 | 不涉及 |
| 存在 | 在哪些物种、组织、条件下有，表达多少 | 目录与表达库 | 只作为筛选前提 |
| 结合 | 与哪条 RNA 或哪个蛋白贴在一起 | 少量专项研究 | 主力覆盖 RNA 侧 |
| 后果 | 结合之后发生了什么 | 扰动实验、报告基因 | 不涉及 |
第三格是它唯一占住的位置，也是此前最空的一格：第二格已有成熟资源，第四格必须靠湿实验，第三格介于两者之间。这个位置决定了它的形态——规模做不大，价值也不在规模。
8.3 生态位：从「有哪些环」到「环干了什么」的中间站
| 使用者 | 原来的做法 | 用了它之后 | 省下的是什么 |
|---|---|---|---|
| 做机制研究的实验室 | 自己跑交联建库，或逐篇查补充材料 | 先查库筛候选，再做靶向验证 | 候选筛选的时间 |
| 做生物信息的人 | 从 GEO 下原始数据自己跑流程 | 直接用整理好的互作表 | 比对与判定流程的工程成本 |
| 做疾病遗传的人 | 自己把变异与注释区间求交集 | 用已映射好的变异区块 | 三库清洗与坐标对齐 |
| 做药物设计的人 | 靠预测找可靶向的结合位点 | 用实验支持的位点做优先排序 | 预测假阳性的试错成本 |
第一行与第四行是这个库最主要的两类用户：前者要「值得做实验的候选」，后者要「值得设计寡核苷酸的位点」。两者都不需要全库，只需要一小批高可信记录——这也解释了为什么规模不大却不影响使用：用户本来就不会全用。
论文的讨论部分另给出三类预期用法：按读段数或 P 值给互作排序，借助靶基因的 GO 与 KEGG 注释推断功能，以及利用变异映射研究疾病机制。第二类有一个技术细节：富集分析的输入应是基因列表，而库里拿到的是「互作行」，同一个靶可能在几十条互作里重复出现；直接按行传入会放大某些基因家族的信号，必须先按 Ensembl 编号去重。
§9 使用指引
9.1 三种角色的路径
| 角色 | 最先做的一步 | 主要产出 | 要避开的坑 |
|---|---|---|---|
| 湿实验研究者 | 用环编号查互作，按证据类型与读段数排序 | 三到五个优先验证的候选靶 | 别把非 BSJ 支持的低读段记录排前面 |
| 生信分析者 | 下 all.rar，按样本与证据类型分层 | 去重后的互作网络或富集结果 | 别把行数当分子对数 |
| 临床遗传研究者 | 拿候选位点比对互作区间 | 落在结合区的变异短名单 | 别把位置重叠当功能证据 |
三类角色的共同第一步是确认身份：编号是否在库内，物种与样本是否覆盖要研究的组织。
9.2 一条最短的可用流程
从零到一条可验证的候选，最短路径是五步：下总表、读进来、按证据分层、按环筛、按读段排序。
#-- 一步到位：下载、解包、统计每个样本的互作数
cd /tmp && mkdir -p ct && cd ct
curl -sSL -O https://circtarget.cn/static/download/all.rar
unrar x all.rar >/dev/null
python3 - <<'PY'
import pandas as pd
df = pd.read_csv("all.txt", sep="\t", dtype=str)
df.columns = ["circ_id","target_ensembl","target_symbol","target_type",
"reads","pvalue","sample","species","evidence","method"]
df["reads"] = df["reads"].astype(int)
df["pvalue"] = df["pvalue"].astype(float)
bsj = df[df["evidence"].str.contains("BSJ", case=False)]
print("rows", len(df), "bsj", len(bsj))
print(bsj.groupby("sample")["reads"].agg(["count","median"]).sort_values("count", ascending=False))
PY
这段脚本的输出可以直接与论文表一对照。如果某个样本的条数对不上，先查分隔符——文件若用逗号而非制表符，整张表会挤成一列，shape 会变成两列。
拿到分层结果之后，下一步是针对具体环取候选。
#-- 给定一个环，输出按证据与读段排序的候选靶
import pandas as pd
df = pd.read_csv("all.txt", sep="\t", dtype=str,
names=["circ_id","target_ensembl","target_symbol","target_type",
"reads","pvalue","sample","species","evidence","method"])
df["reads"] = df["reads"].astype(int)
one = df[df["circ_id"].str.upper() == "HSA_CIRC_0001946"]
strong = one[one["evidence"].str.contains("BSJ", case=False)]
summary = (strong.groupby(["target_symbol","target_type"])
.agg(samples=("sample","nunique"),
methods=("method","nunique"),
max_reads=("reads","max"))
.reset_index()
.sort_values(["methods","samples","max_reads"], ascending=False))
print(summary.head(20).to_string(index=False))
这段代码按「几种方法捕到、几个样本捕到、最大读段数」三级排序，对应 §7.2 的三层可靠性。三级都高的排在最前，是优先做验证的对象。
9.3 引用方式
论文是唯一可引用的正式出处。站点没有版本号，单引网址无法定位快照，方法学部分必须写清访问日期与所用文件名。
Zhang H, Zhang Y, Li P, Yuan Z, Liu W, Zhang J, Li R, Lu C, Zhu P, Xue Y.
CircTarget: a comprehensive database of circRNA-target RNA interactions
across multiple cell types.
Nucleic Acids Res. 2026;54(D1):gkaf1280.
doi:10.1093/nar/gkaf1280. PMID: 41468912. PMCID: PMC12807748.
方法学段落的写法建议包含四项：库名与版本（若无版本号则写访问日期）、下载的文件名、参考基因组版本、以及是否做了坐标转换。
| 要写进方法的部分 | 建议写法 | 为什么 |
|---|---|---|
| 出处 | CircTarget（https://circtarget.cn，2026-10-28 访问） | 无版本号，日期即快照 |
| 文件 | all.rar 解压所得 all.txt | 分样本包与总包的条数口径不同 |
| 互作筛选 | 仅保留 BSJ-supported 且读段数≥2 | 两类证据可信度不同，必须声明 |
| 坐标 | hg19 原始坐标，经 liftover 转 GRCh38 | 复现者需要知道是否转换 |
| 去重 | 按环编号与靶 Ensembl 编号去重 | 行数不等于分子对数 |
§10 AI 使用声明
| 项目 | 说明 |
|---|---|
| 数据性质 | 计算判定的分子互作，不是临床测量，也不是逐条实验验证的结论 |
| 适用任务 | 候选靶筛选、互作网络构建、结合位点的变异注释、方法学对照 |
| 不适用任务 | 诊断、预后、治疗决策、任何个体层面的医学判断 |
| 训练风险 | 正样本充足但无阴性集，直接监督学习会把测序深度学成生物学信号 |
| 偏倚来源 | 样本以永生化细胞系为主，组织仅海马，物种仅人鼠 |
| 标签含义 | 「互作」指交联条件下被捕获的结合，不等于调控关系 |
| 泄漏风险 | 同一对互作在多样本重复出现，随机划分会把重复样本分到训练与测试两侧 |
| 建议用法 | 作为候选生成器，输出短名单交由湿实验或独立数据验证 |
常见误读（避坑清单）
| 常见说法 | 实际 | 证据 |
|---|---|---|
| 这是环状 RNA 的目录库 | 只收六千余环，且以捕到互作为前提 | §1.6 第一条边界 |
| 十三万条互作都经过实验验证 | 九成二走放宽判定，仅一对做过阳性对照 | §2.1 与 §7.0 |
| 互作显著就说明有调控功能 | P 值只排除噪声，不涉及效应 | §1.2 第二条 |
| 下载包包含全部注释 | 官方字段表只列十列，结构与变异在网页端 | §2.2 的两张表 |
| 它是 CIRCpedia 的姊妹库 | 团队、输入、输出全不同 | §6.2 的对照表 |
| 站点打不开就是项目停了 | 官方域名是 circtarget.cn，.org 无法解析 | §0 速览表的入口行 |
| 行数就是独立的分子对数 | 行按样本切分，同对互作可占多行 | §2.6 与 §7.2 |
| 可以用它比较不同样本的互作多少 | 条数受深度与高环化率环数强烈影响 | §2.4 的两个相关系数 |
| 变异落在结合区就改变了结合 | 只有位置重叠，无等位基因特异证据 | §4.4 末段 |
| 坐标可以直接接 GRCh38 注释 | 建在 hg19 与 mm10 上 | §5.5 的转换流程 |
FAQ
Q1：CircTarget 与 CIRCpedia 该先看哪个？
先看 CIRCpedia 确认环是否存在、表达是否够高、跨物种是否保守，再用 CircTarget 找候选靶。前者回答身份，后者回答结合，顺序反了会把低表达噪声当成重点对象。
Q2：库里的 P 值可以直接拿来做多重检验吗？
官方字段只给单条互作的蒙特卡洛 P 值，没有给出校正后的 q 值或 FDR 列。做全库筛选时需自行校正，并在方法里写明校正方式。
Q3：为什么同一个环在不同细胞系里结合的靶差别很大？
因为交联捕获的是特定条件下的分子邻近关系，细胞类型变了，转录本组成与结构都变。这也是它相对于序列预测的优势——预测结果与细胞类型无关，实际结合却有强烈的条件依赖。
Q4：能拿它做环状 RNA 的靶基因预测模型吗？
可以当正样本，但必须自建负样本。库内没有被检验为阴性的基因对，直接把全部未出现的组合当负样本，会把「没测到」与「不结合」混为一谈。
Q5：BSJ 支持与非 BSJ 支持该怎么选？
做验证实验优先选 BSJ 支持，因为归因干净。做探索性网络分析可以纳入非 BSJ，但要单独标注，且在统计时分层，不能混在一起算。
Q6：靶基因只有 Ensembl 编号没有符号，怎么办？
字段说明里明确写了无符号时回退为编号。读取时要么保留编号，要么用 Ensembl 的映射表补符号，不能直接丢弃——丢弃会系统性漏掉注释不完善的基因。
Q7：能不能拿到某个环的完整成熟序列？
详情页给成熟序列，但下载包的十列字段里没有序列列。需要序列做引物设计时，得逐条从网页取，或用 circBase 的序列文件按编号关联。
Q8：海马样本为什么这么重要？
海马是环状 RNA 富集且已有公开交联数据的少数组织，人鼠两侧都有。它让这个库除了细胞系之外，还有一组可做跨物种比较的在体样本。
Q9：库会不会更新？
论文写了接入靶向方法与蛋白结合的计划，但没有给时间表。站点无版本号、无更新日志，使用时应假定当前版本即为最新，并在方法里写访问日期。
Q10：可以用它找药物靶点吗？
可以用来找「值得设计寡核苷酸的结合位点」，属于早期发现环节。它不提供可成药性、毒性、剂量任何信息，不能直接支撑药物开发决策。
Q11：为什么互作数量与测序深度相关，而不是与样本的生物学特性相关？
因为交联读段的产出首先取决于测了多少读段，其次才取决于样本里有多少真实互作。论文给出的 0.75 与 0.91 两个相关系数说明，产量差异有相当一部分来自投入差异。
Q12：如果我研究的物种不是人也不是小鼠呢？
库内没有覆盖，只能借同源基因做间接推断，并明确标注为外推。跨物种直接套用互作关系，在研究设计上不成立。
术语表
| 术语 | 英文 | 含义 |
|---|---|---|
| 环状 RNA | circular RNA, circRNA | 由反向剪接形成共价闭合环的 RNA 分子 |
| 反向剪接 | back-splicing | 下游 5′ 供体位点与上游 3′ 受体位点连接的过程 |
| 反向剪接位点 | back-splicing junction, BSJ | 环化后首尾相接处形成的独特序列连接 |
| 嵌合读段 | chimeric read | 一条读段的两部分分别来自两个不同转录本的读段 |
| 嵌合连接点 | chimeric junction | 嵌合读段上两个来源的分界位置 |
| 环化率 | circular-to-linear ratio, CLR | 环形读段与线性读段之比，衡量环化程度 |
| 高环化率环 | highly circularized circRNA | 环化率不低于 0.85、读段数不少于 5 的环 |
| 交联 | crosslinking | 用化学或紫外手段把空间邻近的分子共价固定 |
| 邻近连接 | proximity ligation | 把交联后邻近的 RNA 片段连接成嵌合分子 |
| RIC-seq | RNA in situ conformation sequencing | 以原位交联与邻近连接捕获 RNA–RNA 互作的方法 |
| KARR-seq | kethoxal-assisted RNA–RNA sequencing | 以化学修饰增强交联的互作捕获方法 |
| PARIS | psoralen analysis of RNA interactions and structures | 以补骨脂素交联捕获 RNA 双链的方法 |
| SPLASH | sequencing of psoralen crosslinked, ligated and selected hybrids | 类似思路的另一种双链捕获方法 |
| LIGR-seq | ligation of interacting RNA followed by sequencing | 以连接反应捕获互作的方法 |
| 杂合双链 | hybrid duplex | 两条 RNA 通过碱基互补形成的双链结构 |
| 最小自由能 | minimum free energy, MFE | 预测结构稳定性的热力学指标，越低越稳定 |
| 蒙特卡洛模拟 | Monte Carlo simulation | 通过随机抽样构造零分布来估计显著性的方法 |
| 唯一比对 | uniquely mapped | 读段只在一个基因组位置比对上 |
| 比对质量值 | MAPQ | 比对可靠性的打分，20 以上通常视为唯一比对 |
| 坐标转换 | liftover | 把一个基因组版本的坐标换算到另一个版本 |
| 阴性对照集 | negative set | 用于训练或检验的、假定不发生互作的分子对集合 |
| 去重 | deduplication | 合并同一对分子的多条记录，避免重复计数 |
附录 A：核心数字核对表
| 项 | 值 | 来源 | 来源层级 |
|---|---|---|---|
| 互作总数 | 132,517 | 论文摘要与结果 | 论文 |
| BSJ 支持条数 | 9,935 | 论文结果与站点首页 | 论文 + 站点 |
| 非 BSJ 支持条数 | 122,582 | 论文结果与站点首页 | 论文 + 站点 |
| 环状 RNA 数 | 6,651 | 论文结果 | 论文 |
| 靶 RNA 数 | 17,320 | 论文结果 | 论文 |
| 细胞系数 | 13 | 论文摘要 | 论文 |
| 组织类型 | 人海马、小鼠海马 | 论文摘要 | 论文 |
| 检测方法数 | 5 | 论文方法 | 论文 |
| 样本×方法组合 | 21 | 论文表一 | 论文 |
| 高环化率门槛 | 环化率≥0.85、读段≥5、重复≥2 | 论文方法 | 论文 |
| 显著性门槛 | P<0.05，模拟十万次 | 论文方法 | 论文 |
| 参考基因组 | hg19、mm10 | 论文方法 | 论文 |
| 互作区变异数 | 25,576 | 论文结果 | 论文 |
| 全库压缩包大小 | 1,060,591 字节 | 站点文件头 | 站点 |
| 解压后文本大小 | 13,327,403 字节 | 压缩包目录信息 | 站点 |
附录 B：数字的来源分层
| 层级 | 含义 | 本页中的例子 |
|---|---|---|
| 官方页面 | 站点直接呈现，可当场核对 | 下载包数量、文件名、文件大小、字段十列、检索入口 |
| 论文摘要与正文 | 经同行评议，含方法参数 | 互作总数、两类证据条数、环与靶数、变异数、相关系数 |
| 未核实 | 官方未说明，本页不作断言 | 下载包是否含坐标与结构列、数据许可条款、更新计划、版本号 |
第三层的三项都不是小事。下载包的实际列数直接决定解析脚本怎么写；数据许可决定能不能商用；更新计划决定这个库三年后还在不在。三项都标注为未核实，而不是用推测填补。
附录 C：完整参考文献
- Zhang H, Zhang Y, Li P, et al. CircTarget: a comprehensive database of circRNA-target RNA interactions across multiple cell types. Nucleic Acids Res. 2026;54(D1):gkaf1280.
- Glažar P, Papavasileiou P, Rajewsky N. circBase: a database for circular RNAs. RNA. 2014;20(11):1666-1670.
- Wu W, Ji P, Zhao F. CircAtlas: an integrated resource of one million highly accurate circular RNAs from 1070 vertebrate transcriptomes. Genome Biol. 2020;21:101.
- Dong Y, Gao Y, Xue Y, et al. CIRCpedia: a database for circular RNAs in multiple species. (CIRCpedia 系列，站内另有专篇)
- Fan X, Zhang X, Wu X, et al. RIC-seq for global in situ profiling of RNA–RNA spatial interactions. Nature. 2020;582:432-437.
- Wu T, Cheng A, Zhang M, et al. KARR-seq reveals cellular higher-order RNA structures and RNA–RNA interactions. Nat Biotechnol. 2024.
- Lu Z, Zhang QC, Lee B, et al. RNA duplex map in living cells reveals higher-order transcriptome structure. Cell. 2016;165:1267-1279.
- Aw JGA, Shen Y, Wilm A, et al. In vivo mapping of eukaryotic RNA interactomes reveals principles of higher-order organization and regulation. Mol Cell. 2016;62:603-617.
- Sharma E, Sterne-Weiler T, O’Hanlon D, Blencowe BJ. Global mapping of human RNA-RNA interactions. Mol Cell. 2016;62:618-626.
- Ruan H, Xiang Y, Ko J, et al. Comprehensive characterization of circular RNAs in the human transcriptome. (circAtlas 相关方法学)
- Lorenz R, Bernhart SH, Höner zu Siederdissen C, et al. ViennaRNA Package 2.0. Algorithms Mol Biol. 2011;6:26.
- Zhang J, Chen S, Yang J, Zhao F. CIRIquant: accurate circular RNA quantification. (环状 RNA 定量工具)
- Quinlan AR, Hall IM. BEDTools: a flexible suite of utilities for comparing genomic features. Bioinformatics. 2010;26:841-842.
- Buniello A, MacArthur JAL, Cerezo M, et al. The NHGRI-EBI GWAS Catalog of published genome-wide association studies. Nucleic Acids Res. 2019;47:D1005-D1012.
- Landrum MJ, Lee JM, Benson M, et al. ClinVar: improving access to variant interpretations. Nucleic Acids Res. 2018;46:D1062-D1067.
附录 D：任务代码
把「某个组织或细胞系里，哪些环结合了哪些转录因子基因」这类问题跑成一张表，是常见需求。下面这段代码按样本筛选，并按靶基因类型统计。
#-- 按样本筛互作，并按靶基因类型汇总
import pandas as pd
df = pd.read_csv("all.txt", sep="\t", dtype=str,
names=["circ_id","target_ensembl","target_symbol","target_type",
"reads","pvalue","sample","species","evidence","method"])
df["reads"] = df["reads"].astype(int)
target_sample = "Human Hippocampus"
sub = df[df["sample"].str.strip().str.lower() == target_sample.lower()]
print("interactions", len(sub))
print("unique circRNA", sub["circ_id"].nunique())
print("unique target", sub["target_ensembl"].nunique())
by_type = (sub.groupby("target_type")
.agg(interactions=("circ_id","size"),
circRNAs=("circ_id","nunique"),
targets=("target_ensembl","nunique"))
.sort_values("interactions", ascending=False))
print(by_type.to_string())
strong = sub[sub["evidence"].str.contains("BSJ", case=False) & (sub["reads"] >= 2)]
top = (strong.groupby("target_symbol")
.agg(circRNAs=("circ_id","nunique"), max_reads=("reads","max"))
.sort_values(["circRNAs","max_reads"], ascending=False)
.head(20))
print(top.to_string())
这段代码的关键在最后两行的排序口径：先按结合该靶的环数，再按最大读段数。前者衡量「这个靶被多少环共同结合」，后者衡量「单条互作的强度」。两个指标回答不同问题，混在一起排序会得到无法解释的名次。
附录 E：如果只记五件事
| 序 | 要点 | 一句话理由 |
|---|---|---|
| 1 | 它回答「环绑了谁」，不回答「环有多少」 | 六千余环的规模只够做互作，不够做普查 |
| 2 | 九成二互作走放宽判定 | 看证据类型列比看条数重要 |
| 3 | 坐标在 hg19 与 mm10 | 接现代注释前必须转换 |
| 4 | 无阴性集、无表达量、无蛋白层 | 三样都要从别处补 |
| 5 | 官方入口是 circtarget.cn | .org 域名无法解析，别被误导 |
编辑说明
核对时间为 2026 年 10 月 28 日。方式：读论文全文（PMC12807748）的方法与结果章节、抓取站点首页与下载页、帮助页、联系页的公开文本，并以文件头核对压缩包大小与解压后体积。
未覆盖：全量文本的逐行统计、详情页的渲染结果、浏览器内的交互行为。压缩包因环境缺解压工具未能解开，字段以官方下载页的十列说明为准，实际列数标注为未核实。
站点的两处测序编号与论文方法部分不一致（A549 与 mESC 的 GEO 编号），如实记录两种写法，未判断以哪一处为准。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- plasmodb — 共享标签：基因组学与多组学 / 转录组 / 变异与注释
- toxodb — 共享标签：基因组学与多组学 / 转录组 / 变异与注释
- expression-atlas-legacy — 共享标签：基因组学与多组学 / 转录组 / 变异与注释
- expression-atlas — 共享标签：基因组学与多组学 / 转录组 / 变异与注释
- igvf-catalog — 共享标签：基因组学与多组学 / 变异与注释
- clinmave — 共享标签：基因组学与多组学 / 变异与注释
- tcga-pancan-atlas — 共享标签：基因组学与多组学 / 转录组 / 变异与注释
- geo — 共享标签：基因组学与多组学 / 转录组
- cosmic — 共享标签：基因组学与多组学 / 变异与注释
- clinvar — 共享标签：基因组学与多组学 / 变异与注释
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
