单细胞测序

一、核心价值：从 “群体模糊” 到 “个体精准”

传统 Bulk 测序：把组织中所有细胞混在一起，只能得到基因表达 “平均值”，掩盖细胞差异（如肿瘤中少量耐药细胞、组织中稀有干细胞）。

单细胞测序：分离单个细胞，独立标记、建库、测序，精准解析每个细胞的分子特征，揭示细胞亚型、发育轨迹、微环境互作等。

 

二、主流技术类型（按检测对象）

scRNA-seq（单细胞转录组，最常用）：测 mRNA，分析基因表达谱，用于细胞分群、差异基因、发育轨迹、细胞通讯。

snRNA-seq（单细胞核转录组）：提细胞核 RNA，适配冻存 / FFPE / 难解离组织（如神经、纤维化组织），避免完整细胞解离损伤。

scATAC-seq（单细胞染色质可及性）：测开放染色质，研究基因表达调控（顺式作用元件、转录因子结合）。

scWGS/scWES（单细胞全基因组 / 外显子）：测 DNA，找单细胞水平突变、CNV，用于肿瘤异质性、胚胎发育、嵌合体研究。

多组学联合：如 scRNA+scATAC、scRNA + 蛋白，多维解析细胞状态。

 

三、实验流程（以 10X Genomics scRNA-seq 为例）

1.      样本制备：组织酶解 / 机械解离→单细胞悬液→质控（活性 > 80%，无团聚）。

2.      细胞捕获与标记：微流控将单个细胞 + 带条形码（Cell Barcode+UMI）的微珠包裹进油包水液滴；每个细胞获唯一 Cell Barcode，每条 RNA 获唯一 UMI（防扩增偏差）。

3.      裂解与逆转录：液滴内裂解细胞→mRNA 释放→逆转录为 cDNA（带 Barcode/UMI）。

4.      文库构建：cDNA 扩增→片段化→加测序接头→建库。

5.      高通量测序：Illumina 平台测序，读长含 Barcode、UMI、基因序列。

6.      数据分析：

质控：过滤低质量细胞 / 基因。

降维聚类：PCA→t-SNE/UMAP→细胞分群。

注释：Marker 基因匹配已知细胞类型。

高级分析：差异基因、GO/KEGG 富集、发育轨迹（Monocle）、细胞通讯（CellPhoneDB）。

 

四、应用场景

肿瘤研究：解析肿瘤异质性，找耐药 / 转移亚群、肿瘤干细胞；分析免疫微环境（TME），指导免疫治疗。

发育生物学：绘制胚胎 / 器官发育细胞谱系图谱，追踪分化轨迹，揭示关键调控基因。

神经科学：解析神经元亚型、脑区细胞异质性，研究神经退行性疾病（如阿尔茨海默病）机制。

免疫学：刻画免疫细胞（T/B/ 巨噬细胞）亚群、活化状态、受体多样性，研究感染 / 自身免疫病。