单细胞转录组数据分析入门-0-简介
单细胞转录组学（Single-cell RNA sequencing，scRNA-seq）是近年生命科学研究中的热门领域。它为解析复杂生物系统提供了高分辨率，用于揭示细胞异质性和基因表达调控的微妙差异。本篇介绍单细胞转录组学的基本概念、技术发展和主要应用场景。
什么是单细胞转录组
传统的转录组学研究通常以细胞群体为研究对象，得到的是“平均值”表达水平，无法区分不同细胞亚群的差异。
而单细胞转录组学通过单细胞水平的数据捕获，每个细胞的数据独立生成，能够揭示细胞间的异质性。
单细胞转录组学的核心目标是：
- **揭示细胞异质性：** 识别组织中不同类型的细胞及其功能。
- **解析细胞状态：** 分析细胞在不同生理或病理条件下的状态变化。
- **构建细胞图谱：** 建立复杂组织或器官中细胞的全面表达图谱。
- **追踪发育轨迹：** 解析细胞从未分化状态到特定功能状态的动态变化。
单细胞转录组技术的发展
单细胞转录组技术经历了快速发展，主要技术包括：
- **Smart-seq 系列：**
- 基于全长转录本测序（Full-length Transcript Sequencing）。
- 优点：能够捕获完整转录本信息。
- 缺点：测序深度高、成本较高。
- **10X Genomics 平台：**
- 基于微液滴技术进行高通量测序。
- 优点：通量高、成本较低。
- 缺点：数据稀疏，只能捕获转录本的3'或5'端。
- **微流控技术：**
- 通过微流体芯片实现单细胞捕获和扩增。
- 应用场景：中小规模实验中实现单细胞捕获。
- **空间转录组学：**
- 融合单细胞数据与空间信息，揭示细胞在组织中的空间分布。
目前最流行的技术是 10X Genomics。
与传统的转录组数据相比
与传统的转录组数据相比，单细胞转录组数据具有以下特点：
- **高维稀疏性：** 仅少数基因在单个细胞中有显著表达。
- **噪声高：** 数据中含有更多技术噪声和背景干扰。
- **批次效应显著：** 不同实验批次间差异较大，需特殊处理。
- **数量庞大：** 通常包括数千到数百万个细胞的基因表达数据。
这些特点使单细胞数据分析具有很大的挑战性，同时也催生了许多专业的分析工具和算法。
主要应用
- **组织细胞图谱绘制：**
- 如《人体细胞图谱计划》（Human Cell Atlas），旨在建立覆盖全身各器官的细胞图谱。人类细胞图谱 (HCA) 联盟成立于 2016 年，旨在创建人体细胞的全面生物图谱。目前，HCA 正进入数据整合阶段（截至本文编写时间，2025 年 1 月 13 日），致力于汇编该图谱的初稿，重点关注 18 个生物网络图谱。为了实现这一里程碑，他们汇编了一系列论文，重点介绍了这一新阶段的重要成就。可以在[此处](https://www.nature.com/collections/jccbbdahji)查看。
- **疾病机制研究：**
- 分析肿瘤微环境中的免疫细胞组成，揭示癌症发生机制。
- 研究自体免疫疾病中细胞异质性。
- **细胞分化与发育研究：**
- 重建胚胎发育过程中细胞分化的时间轨迹。
- **新型疗法开发：**
- 在 CAR-T 疗法研究中，追踪免疫细胞的动态变化。
Loading...
