写在前面

ceRNA“入会”系列：《ceRNA个体竞争怎样才能“入会”？​》和《ceRNA群体竞争怎样才能“入会”？》​分别讲述了加入“ceRNA网络”协会和“ceRNA模块”协会的“入会”条件和方式。现实情况：探究ceRNA个体竞争加入 “ceRNA网络”协会比较多，然而探究ceRNA群体竞争加入 “ceRNA模块”协会比较少。因为比较少，所以现在“上船”探究ceRNA模块正当时。探究ceRNA模块之前，有必要了解过去（ceRNA模块研究现状）和展望未来（ceRNA模块研究挑战与方向），这样才能很好的撸起袖子加油干了。这些必备材料，我们已经打包好了（如图1）。

图1 是时候“撸”ceRNA模块啦

现状

目前，ceRNA模块研究只是ceRNA网络研究的附属品。也就是说，大部分方法在研究ceRNA网络后，附带的通过网络聚类算法从ceRNA网络中识别一下ceRNA模块。不得不说，ceRNA网络是研究ceRNA模块的“原料”之一，但并不是唯一“原料”。既然整合多种异构数据源能够识别ceRNA网络，那么整合多种异构数据源也能够识别ceRNA模块。因此，ceRNA模块识别研究已然从单一ceRNA网络“原料”转变到多种异构数据“原料”。相应地（如表1所示），ceRNA模块的计算机识别方法可以分为三类：i) 网络聚类方法（network-based clustering）、ii) 矩阵分解方法（matrix factorization），以及iii) 步进式评估方法（step-wise evaluation）。i)类方法比较普遍，ii)和iii) 类方法是努力方向。

表1 ceRNA模块识别方法一览表

展望

矩阵分解方法（matrix factorization）和步进式评估方法（step-wise evaluation）都融合了异构数据源，是未来探究ceRNA模块的潜力方式。除此之外，ceRNA模块识别还有如下十大挑战或方向：

i) 如何融合多种异构数据源是ceRNA模块识别的一大挑战。

ii) 基因变量是否进行特征选择需权衡利弊，如何权衡也是一大挑战。

iii) 权衡多种异构数据源所带来的计算复杂度和识别精度是另一挑战。

iv) 将预测的ceRNA模块与复杂疾病关联起来是ceRNA模块识别迈向临床诊断之前必然面临的一大挑战。

v) ceRNA模块识别缺乏独立测试数据集来验证其鲁棒性，未来需要同时使用训练数据集和测试数据集。

vi) ceRNA模块识别还应该考虑竞争RNA分子之间的化学计量（stoichiometry）。

vii) 对于生物学家来说，设计“湿实验”验证ceRNA模块是一项沉重的任务。预测的ceRNA模块只是提供候选集，生物学家可以挑选感兴趣ceRNA进行实验设计。

viii) ceRNA模块识别方法仅仅采用肿瘤样本数据，缺乏健康样本数据。因此ceRNA模块在肿瘤和健康状态下是否活跃（active）就搞不清楚了。

ix) 单细胞测序技术日渐成熟，识别单细胞精度水平的ceRNA模块（为每个单细胞识别ceRNA模块）是未来一大方向。

x) 融合单细胞转录组数据和空间转录组数据共同识别单细胞ceRNA模块也是未来一大挑战和努力方向。

详细十大挑战或方向可以参见参考文献。

参考文献：

Zhang, J., Liu, L., Xu, T., Zhang, W., Li, J., Rao, N., & Le, T. D. (2021). Time to infer miRNA sponge modules. Wiley interdisciplinary reviews. RNA, e1686. Advance online publication. https://doi.org/10.1002/wrna.1686

更多背景知识如下：

1. ceRNA！你是谁？为了谁？

2. ceRNA漫画，看吗？

3. 什么？ceRNA竞争除了“单挑”模式，还可能有“组队”模式？

4. ceRNA，是与非！

5. 从miRNA海绵到ncRNA海绵：因为“共同语言”

​6. ceRNA个体竞争怎样才能“入会”？​

7. ceRNA群体竞争怎样才能“入会”？​

为了便于交流，我们为ceRNA研究在Frontiers in Molecular Biosciences杂志（ 2020_IF = 5.246）整了个专刊，主题为“Computational Identification of ceRNA Regulation”。投稿链接：https://www.frontiersin.org/research-topics/24340/。