单细胞RNA测序技术概述：10x Genomics与Smart-seq2
做单细胞测序的同行应该都有体会——选平台这件事，基本决定了你接下来几周甚至几个月的实验策略。我个人最早接触的是Smart-seq2，那时候10x还没这么普及。后来项目多了，两个平台都上手过，才真正理解它们各自的生态位。今天这章，我们先从底层原理上把两个技术讲透。
为什么需要单细胞RNA-seq？
说白了，传统bulk RNA-seq测的是组织块的平均表达量。肿瘤组织里混着癌细胞、免疫细胞、成纤维细胞，一锅煮了，稀里糊涂。单细胞技术才能看清每个细胞到底在干嘛。
目前最主流的两个方案：
- 10x Genomics（基于液滴的3'端计数法）
- Smart-seq2（基于96孔板的全长转录本方法）
嗯，这两个名字你肯定听过。但什么时候选哪个？坑在哪里？我们来拆开看。
核心原理对比
一句话总结：10x用微流控把单个细胞包进油滴里，每个油滴带一个带有barcode的磁珠，然后一起反转录、扩增。Smart-seq2则是把单细胞分到96孔板中，每个孔独立做反转录和PCR，最后测全长。
差异的根源在于捕获策略。10x捕获的是mRNA的3'端polyA尾附近区域，所以只能测到3'端的一小段。Smart-seq2用模板转换法，从5'端到3'端全覆盖。
我记的第一次看Smart-seq2的数据时，发现能覆盖到基因的5'端变异区，当时挺惊讶——这玩意儿居然可以做可变剪接分析。10x在那方面基本是盲区。
| 特性 | 10x Genomics | Smart-seq2 |
|---|---|---|
| 捕获区域 | 3'端计数（≈100 bp） | 全长转录本 |
| 通量 | 一次可跑5,000–50,000个细胞 | 一次最多384个细胞（96孔板×4） |
| 覆盖均匀性 | 偏3'端，5'端几乎无覆盖 | 从5'到3'均匀 |
| 灵敏度 | 中等，约10–20%的转录本可检测 | 高，可检测到低表达基因 |
| UMI去重 | 自带UMI，消除PCR偏好 | 无UMI，依赖后期校正 |
| 适用场景 | 细胞图谱、大规模差异分析 | 稀有细胞、可变剪接、等位基因分析 |
| 单细胞成本 | 低（大规模摊薄） | 高（≈10倍于10x） |
这个表格你看着可能觉得有点抽象。我举个例子你就明白了。
10x怎么工作的？
10x的核心是 GEM（Gel Bead-in-Emulsion） 技术。每一步的逻辑是：
- 微流控芯片把细胞、反转录酶、带barcode的凝胶磁珠混在一起，形成油包水的液滴。
- 每个液滴里只有一个磁珠和一个细胞（理论上）。磁珠上带了数百万条相同的barcode序列。
- 在液滴内完成反转录，cDNA带上独特的细胞barcode和UMI。
- 破乳后，所有cDNA混合在一起扩增，建库，上机测序。
为什么要用UMI？这个我踩过坑。早期做10x分析时，有一段基因的表达量异常高，查了半天发现是PCR扩增偏好导致的假阳性。UMI就是给每个原始mRNA分子一个唯一的随机标签，后续做去重就能还原真实的分子数。嗯，这个设计挺聪明的。
Smart-seq2的工作流
Smart-seq2走的是传统路线，但优化得很极致：
1. 单细胞分选至96孔板（流式或显微操作）
2. 裂解细胞，释放mRNA
3. 使用oligo-dT引物反转录
4. 模板转换反应引入5'端序列
5. 全转录本PCR预扩增（15–20 cycles）
6. 使用Tn5转座酶进行Tagmentation建库
7. 片段化、加接头、扩增
8. 上机测序（推荐PE150或PE250）这里有个关键点：模板转换反应。普通反转录只能从polyA尾往5'方向走，到不了全长。Smart-seq2在反转录酶到达5'端时，利用它的末端转移酶活性，在cDNA末端加上几个非模板的C碱基。然后用一个带有G碱基的模板转换引物，让反转录酶跳转过去继续合成，从而得到完整的cDNA。
避坑提醒：我曾经在模板转换这一步翻车过。如果模板转换引物的浓度不对，或者反转录酶的活性不够，很容易得到大量截短的cDNA，导致5'端覆盖极差。建议做预实验时跑一个Agilent Bioanalyzer看看片段分布。
两种技术的数据特征
数据特征决定了你在分析流程里的每一步选择。我总结几个核心差异：
- 表达矩阵的稀疏程度：10x的数据通常含有90%以上的零值（dropout）。Smart-seq2的dropout率低很多，约30–50%。
- 基因检测数：同一个细胞类型，Smart-seq2一般能检测到比10x多2,000–4,000个基因。
- 等位基因特异表达：10x的3'端测序深度不够，很难做ASEP。Smart-seq2全长覆盖，可以。
你想想看，一个研究可变剪接的项目，如果用10x做，结果基本是废的——因为连剪接位点都读不到。反过来，如果你要画小鼠全器官的细胞图谱，几十万细胞的需求量，Smart-seq2的成本会直接让你申请基金破产。
一张图总结核心差异
下面这张SVG图概括了10x和Smart-seq2从细胞捕获到数据产出的完整路径，以及它们最关键的差异点。你可以把它当作本章的知识骨架。
这张图其实把核心逻辑都串起来了。左边是10x的液滴流程，右边是Smart-seq2的96孔板流程。中间那个黄色说明框里的差异点，就是你在选技术路线时要权衡的要素。
注意：如果你打算做批次整合，后续章节我们会重点讨论批量效应校正——不同平台上测出的数据，批次效应会非常大。我这里预先提醒你，10x和Smart-seq2的联合分析，批次效应比同一平台不同批次之间的效应高出一个量级。所以，实验设计阶段就要想好整合策略，不要等到生信分析时才后悔。