# 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。