单细胞

技术核心：为何需要单细胞分辨率？编辑本段

传统群体研究忽略细胞个体差异，掩盖稀有细胞功能，均质化信号，且无法定位空间信息。而单细胞研究解析细胞异质性（如肿瘤亚克隆），捕获稀有细胞类型（干细胞占比＜1%），重建发育轨迹（拟时序分析），并结合空间转录组（组织原位图谱）。例如：同一肿瘤中，仅0.01%细胞对抗癌药耐药——单细胞技术可精准定位这群细胞。

传统群体研究	单细胞研究
忽略细胞个体差异	解析细胞异质性（如肿瘤亚克隆）
掩盖稀有细胞功能	捕获稀有细胞类型（干细胞占比＜1%）
均质化信号	重建发育轨迹（拟时序分析）
无法定位空间信息	结合空间转录组（组织原位图谱）

关键技术方法编辑本段

1. 单细胞测序（scRNA-seq）

平台	原理	通量	应用场景
10x Genomics	微液滴包裹单细胞+条形码标记	万级细胞	大规模细胞图谱（如人类细胞图谱HCA）
Smart-seq2	全长转录组+高灵敏度	百级细胞	稀有细胞精细分析（神经元亚型）
sci-RNA-seq	组合索引（无需液滴）	百万级细胞	全器官细胞普查

2. 单细胞多组学整合

技术	同步检测维度	突破性发现
CITE-seq	RNA+表面蛋白（抗体标签）	免疫细胞分型（如T细胞耗竭标记PD-1）
ATAC-seq	RNA+染色质开放性	调控网络解析（如干细胞分化开关）
SPLiT-seq	RNA+空间位置	脑区特异基因表达图谱

3. 单细胞空间技术

Visium（10x）：将组织切片分为5000个点，每点测序 → 绘制基因表达空间热图。
MERFISH：荧光原位杂交编码1000种RNA → 单细胞分辨率空间定位。
应用：肿瘤微环境中“免疫荒漠”区域识别（指导免疫疗法）。

实验流程关键点编辑本段

样本制备：组织解离优化酶配方（如肿瘤用胶原酶IV+透明质酸酶）；细胞活性＞90%（死细胞释放RNA污染背景）。
建库优化：线粒体基因占比＜20%（高比例提示细胞应激）；双细胞率＜10%（液滴技术常见问题）。
数据分析：降维聚类：PCA → t-SNE/UMAP；细胞注释：参考数据库（CellMarker, PanglaoDB）；拟时序分析：Monocle3, Slingshot 重建分化路径。

重大科学发现编辑本段

1. 人类细胞图谱（Human Cell Atlas）

目标：绘制人体37万亿细胞图谱。
里程碑：鉴定新型细胞类型：肺离子细胞（囊性纤维化相关）；揭示COVID-19靶细胞：鼻杯状细胞高表达ACE2。

2. 癌症研究

肿瘤异质性：乳腺癌单细胞测序 → 定义恶性循环亚型（预后差，对化疗耐药）。
免疫微环境：黑色素瘤中耗竭T细胞与调节性T细胞空间互作 → 免疫治疗新靶点。

3. 神经科学

脑细胞分类：小鼠大脑鉴定出56种神经元亚型（传统分类仅10种）。
疾病机制：阿尔茨海默病中小胶质细胞基因突变（TREM2）驱动炎症。

技术局限与应对编辑本段

挑战	影响	解决方案
技术噪音	基因检出率低（10-40%）	多批次整合算法（Harmony, BBKNN）
细胞注释模糊	跨数据集可比性差	机器学习注释（scANVI, scPred）
丢失空间信息	解离破坏原位微环境	空间转录组联合分析
成本高昂	单样本＞$1000（10x标准）	混样技术（Cell Hashing）

前沿突破编辑本段

单细胞表观基因组：scATAC-seq 揭示胚胎发育中染色质动态开放（如ZGA时期）。
活细胞动态追踪：Live-seq：单细胞抽提RNA后细胞仍存活 → 连续时间点采样。
多组学整合：TEA-seq：同时检测转录组+表观组+蛋白组 → 解析细胞状态网络。

总结：单细胞技术的革命性价值编辑本段

基础研究：重新定义细胞类型（如发现肺离子细胞）；解码发育程序（胚胎早期细胞命运决定）。
临床转化：精准诊断：循环肿瘤细胞（CTC）单细胞测序指导靶向治疗；治疗优化：解析耐药细胞克隆 → 设计联合用药策略。
技术趋势：空间多组学 → 原位解析“细胞社会”；超高通量 → 百万级细胞图谱构建。

名言诠释：
“单细胞技术如同为生物学装上显微镜，让我们第一次看清生命的‘像素级’构成。”
—— 人类细胞图谱计划发起人 Aviv Regev

参考资料编辑本段

Regev A, Teichmann SA, Lander ES, et al. The Human Cell Atlas. Elife. 2017;6:e27041.
Stuart T, Butler A, Hoffman P, et al. Comprehensive Integration of Single-Cell Data. Cell. 2019;177(7):1888-1902.e21.
Zheng GXY, Terry JM, Belgrader P, et al. Massively parallel digital transcriptional profiling of single cells. Nat Commun. 2017;8:14049.
Tirosh I, Izar B, Prakadan SM, et al. Dissecting the multicellular ecosystem of metastatic melanoma by single-cell RNA-seq. Science. 2016;352(6282):189-196.
Kurmangaliyev YZ, Yand M, Simon DJ, et al. Natural variation in the transcriptome of individual neurons. Neuron. 2020;107(5):843-854.e6.
Zhang Y, Wang D, Peng M, et al. Single-cell RNA sequencing in tumor microenvironment. J Cancer. 2021;12(13):3954-3963.
Macosko EZ, Basu A, Satija R, et al. Highly parallel genome-wide expression profiling of individual cells using nanoliter droplets. Cell. 2015;161(5):1202-1214.
Klein AM, Mazutis L, Akartuna I, et al. Droplet barcoding for single-cell transcriptomics applied to embryonic stem cells. Cell. 2015;161(5):1187-1201.

词条内容仅供参考，如果您需要解决具体问题
（尤其在法律、医学等领域），建议您咨询相关领域专业人士。

如果您认为本词条还有待完善，请编辑

单细胞