山東大學侯慶振團隊等發布首個單細胞外囊泡多組學數據庫——SVAtlas

編輯丨王多魚

排版丨水成文

細胞外囊泡（EV）是由細胞分泌的納米級顆粒，攜帶著蛋白質、核酸等重要生物分子，廣泛參與細胞間通訊及多種疾病的發生發展過程。EV 存在于血液、尿液等易獲取的體液中，其穩定的膜結構能保護內部的分子“貨物”，EV 已成為針對癌癥和神經退行性疾病等進行“液體活檢”的理想研究對象。

然而，EV 群體內部存在的高度異質性，使得傳統批量分析技術難以捕捉單個囊泡的分子特征，導致關鍵疾病信號被掩蓋，嚴重阻礙了其臨床應用的進展。在此背景下，單 EV 分析技術應運而生，以其超高靈敏度與分辨能力，為解析 EV 異質性、實現多組學整合提供了全新路徑，但技術標準不統一與數據碎片化限制了 EV 標志物的臨床應用。

針對這一挑戰，山東大學國家健康醫療大數據研究院侯慶振團隊構建了首個跨疾病、跨體液、跨物種的單個細胞外囊泡多組學圖譜——SVAtlas。該成果以：SVAtlas: a comprehensive single extracellular vesicle omics resource 為題，發表于Nucleic Acids Research期刊。山東大學研究生魏中慧、周娜及井明教授為該論文共同第一作者，侯慶振副研究員與薛付忠教授為該論文共同通訊作者，山東大學為論文的第一及唯一通訊作者單位。

研究團隊整合自主測序數據與全球 276 個科研項目成果，首次構建了單 EV 分子圖譜SVAtlas。該圖譜覆蓋 31 種重大疾病，包含 32 種組織器官和 10 種生物體液的數據，收錄了來自超過 1. 37 億個單 EV 的 8120 個蛋白質條目和 106 個 RNA 條目（包括mRNA、miRNA、lncRNA 和 circRNA），形成單 EV 研究的 “數據語言”與參考標準，解決跨研究數據碎片化問題。

平臺支持組織/器官異質性分析及疾病特異性亞群分析，通過全局聚類、高異質亞群選擇及標志物組合差異熱圖展示單 EV 分布和特征。EVisualizer 支持交互式可視化，包括 t-SNE/UMAP 聚類圖、蛋白熱圖及 EV 來源餅圖，研究者可直觀探索亞群和分子特征。

除了海量的數據資源，SVAtlas 更是一個功能強大的動態分析平臺。它為科研工作者提供了一整套內置的計算生物學工具，支持數據瀏覽、預處理、聚類分析和交互式可視化，以輔助識別疾病特異性標志物。用戶可上傳自己的數據，自定義分組、亞群比較和差異標志物分析，實現高效、可復現的單 EV 研究。平臺還創新性地集成了基于大語言模型（LLM）的 AI 問答工具，幫助用戶高效駕馭復雜的單 EV 表征方法。該平臺在 2024 年的亞太細胞外囊泡學會（APSEV）和中國細胞外囊泡學會（CSEV）會議上首次亮相時，獲得了國內外科研界的高度評價。

SVAtlas 的建立標志著單個EV研究進入標準化、多組學整合的新階段。研究者可在統一平臺探索EV異質性、發現潛在生物標志物，并進行跨研究驗證。平臺提供自動化分析、可視化和AI問答系統，讓single-EV數據分析更高效、直觀。未來，隨著更多數據和新型組學加入，SVAtlas有望成為液體活檢、精準醫學和疾病診斷的重要工具。

論文鏈接：

https://doi.org/10.1093/nar/gkaf1189

SVAtlas數據庫訪問：

https://www.svatlas.org/