1. 单细胞RNA测序技术简介
各位好，我是你们这门课的向导。今天咱们聊聊单细胞RNA测序，英文叫scRNA-seq。
一说起这个，很多刚入行的朋友会问：用传统的bulk RNA-seq不也能测基因表达吗？干嘛非要折腾单细胞？
好问题。Bulk测序就像把一堆水果扔进榨汁机，你只知道混合果汁的味道，却不知道里面有几个苹果、几个橙子。而单细胞测序，是把每个水果单独拿出来尝——每个细胞都有自己的转录组。我在项目中遇到过好几次这样的情况：肿瘤样本的bulk数据看起来差异不大，结果一上单细胞，发现其实是不同免疫细胞亚群的比例在变。说白了，单细胞技术能看见“个体”，而不是“平均”。
基本原理：从单个细胞到数字矩阵
单细胞RNA测序的核心逻辑并不复杂。我习惯把它拆成四个步骤：
- 单细胞分离——把组织解离成单个细胞，或直接捕获细胞悬液中的单个细胞。
- 反转录与扩增——每个细胞的mRNA被反转录成cDNA，再用PCR扩增，让它能被检测到。
- 建库与测序——给每个细胞的cDNA加上唯一分子标识符（UMI）和细胞条形码，然后上机测序。
- 定量与矩阵生成——用比对软件把测序片段映射到基因组，最终得到一个「细胞×基因」的表达矩阵。
嗯，这里要注意：UMI这个东西非常重要。每个mRNA分子在反转录时都会被加上一个随机的UMI序列，扩增时同一个分子产生的所有拷贝都会带有相同的UMI。这样就能有效去除PCR重复的偏差。我刚开始做单细胞分析时没太在意UMI，结果下游聚类总是出现奇怪的分群…后来才发现是扩增偏好把原本的低表达基因“夸大了”。
个人小提示：拿到表达矩阵后，我最先做的事是看两个直方图——一个是每个细胞的UMI总数，另一个是每个细胞检测到的基因数。如果某个细胞UMI总数特别低（比如<500），那很可能是空滴或破损细胞，建议直接滤掉。
主流技术平台变迁
从2013年第一个高通量单细胞RNA测序技术（Smart-seq）出现，到现在也就十年出头，但技术迭代非常快。我整理了一下这几个主流平台的对比：
| 技术平台 | 核心原理 | 通量（细胞/次） | 全长覆盖 | 代表年份 |
|---|---|---|---|---|
| Smart-seq2 | 单细胞分选 + 全长cDNA扩增 | 96/384孔板 | 是 | 2014 |
| 10x Genomics | 微滴包裹 + 条形码标记 | 500~10,000 | 3'端 | 2016 |
| Drop-seq | 微流控液滴 + 条形码磁珠 | 1,000~5,000 | 3'端 | 2015 |
| Slide-seq | 空间条形码微珠 + 组织切片 | 空间定位 | 3'端 | 2019 |
为什么10x Genomics现在用得最广？说白了就是它的通量和操作便利性达到了一个很好的平衡。你想想，一个样本跑一次10x就能拿到几千到一万个细胞的数据，数据质量也稳定。我以前做过一个Smart-seq2的项目，96个细胞就让我忙活了一个下午加第二天上午……而10x技术，从准备样本到拿到表达矩阵，熟练的话一天就能搞定。
避坑：我曾经被10x的“细胞数虚高”坑过。原因是样本解离时产生了大量双联体（两个细胞包裹在同一个微滴里）。这些双联体在后续分析中会表现出“混合”的转录特征，导致聚类时多出一些虚假的中间状态群体。现在10x的官方软件可以部分检测双联体，但更稳妥的做法是，在样本解离后先做一个台盼蓝染色，评估细胞活率和成团情况。
单细胞数据的特点——为什么分析这么“特殊”
单细胞测序数据有个非常显著的特征：稀疏性。什么意思？就是表达矩阵里大部分值都是0——某个基因在一个细胞里可能根本就没表达。我见过一个典型的10x数据集：2万个基因检测到了大约2.5万个细胞，但矩阵中非零值只占5~10%。
这种稀疏性带来了几个分析难点：
- 传统的bulk RNA-seq差异表达方法（如DESeq2）直接套用会报错或失效。
- 聚类方法需要能处理大量的零值而不产生假阳性分群。
- 归一化方法必须考虑UMI深度和细胞间捕获效率的差异。
所以，分析单细胞数据往往需要专门开发的工具——Seurat、Scanpy、Scater这些。这也是咱们这门课的核心：用Seurat一步步把“稀疏的矩阵”炼成“有生物学意义的细胞群体”。
主要应用场景
单细胞RNA测序现在已经渗透到生物医学的各个角落。我个人觉得最有价值的有这么几个方向：
- 细胞图谱构建——比如人类细胞图谱项目（HCA），给人体每个器官的每种细胞类型拍“身份证”。我参与过一个肺部的单细胞图谱项目，结果发现原来肺里有好几种我以前没听过的罕见上皮细胞亚型。
- 肿瘤异质性——肿瘤不是一个均质的细胞群体，里面有恶性细胞、基质细胞、免疫细胞等等。通过单细胞测序可以把它们拆开，研究哪些亚群对治疗耐药、哪些与免疫逃逸相关。
- 发育生物学——追踪胚胎发育过程中细胞的分化路径。用拟时序分析可以重建“细胞从哪来、到哪去”的轨迹。比如造血干细胞向各谱系分化的过程，以前只能靠标记基因猜，现在可以直接看转录组的连续变化。
- 免疫学与疾病机制——新冠疫情期间大量单细胞测序被用于研究感染后免疫细胞的动态变化，帮我们搞清楚了哪些细胞因子风暴的“始作俑者”。
给新手的一句话：单细胞数据分析的最终目标不是画出一张漂亮的UMAP图，而是回答生物学问题——这里是什么细胞？它们处于什么状态？与疾病有什么关系？别在调参上花太多时间，多想想你的问题是什么。
课程路线图
这门课一共30章，咱们会从最基础的R和Seurat安装开始，一步步走到完整的聚类分析流程。你会学到：
- 如何读取10x数据、构建Seurat对象
- 质控、归一化、找高变基因
- 降维与聚类——PCA、UMAP到底怎么用
- 差异表达与细胞类型注释
- 最后还会讲拟时序分析和整合分析
每章我都会给一些具体的代码示例，以及我踩过的坑。嗯，准备好，往单细胞的坑里跳吧。