单细胞测序技术简介与细胞注释概述
各位同学，欢迎来到这门课。我是你们的老朋友，一个在单细胞数据分析这行摸爬滚打好几年的工程师。今天咱们开篇，先聊聊最基础的东西——单细胞测序到底是个啥？细胞注释又为什么这么重要？
说实话，我刚开始接触这个领域的时候，也觉得一头雾水。测序技术那么多，为什么非得做单细胞？其实，你想想看，传统测序就像把一堆水果扔进榨汁机，得到的是一杯混合果汁，你只知道这杯里大概有苹果、香蕉，但看不出哪一口是苹果，哪一口是香蕉。单细胞测序不一样，它是把每个水果单独榨汁，每个细胞的基因表达情况都看得清清楚楚。
核心认知：单细胞测序的核心能力，就是“去平均化”。它能让我们看到组织里每个细胞的真实状态，而不是一堆细胞的平均表现。
为什么我们需要单细胞测序？
先列一个简单的对比表格，看看不同技术能提供的信息维度：
| 技术类型 | 检测对象 | 信息粒度 | 能回答的问题 |
|---|---|---|---|
| Bulk RNA-seq | 组织/细胞团块 | 群体平均 | 哪些基因差异表达？ |
| 微阵列芯片 | 预设探针 | 中等 | 已知基因表达量？ |
| scRNA-seq | 单个细胞 | 单个细胞分辨率 | 哪些细胞类型？稀有细胞群是什么？细胞状态如何？ |
看到没？Bulk测序只能给个平均值，而单细胞能让我们深入到细胞层面。我曾在一次项目里遇到个难题——肿瘤组织里明明有几种罕见的免疫亚群，但用Bulk RNA-Seq完全看不到，被其他细胞“稀释”了。换用单细胞技术后，那些稀有细胞群一下就冒出来了。
单细胞RNA测序原理：简明版
单细胞RNA测序的原理，说白了就是：把每个细胞单独“捕获”，然后给每个细胞做个标签（barcode），再把所有细胞的RNA反转录、扩增、测序，最后根据标签区分出哪个数据来自哪个细胞。
市面上主流的技术平台，像10x Genomics、Smart-seq2、Drop-seq，虽然实现方式不同，但核心流程都差不多：
- 组织解离：把组织块变成单细胞悬液。这一步很关键——细胞活率不高，后面的数据质量就堪忧。
- 细胞捕获与barcode标记：每个细胞被包裹在油滴或微孔中，带上唯一标识。
- 逆转录与cDNA扩增：把单细胞里的微量RNA逆转录并扩增，到足够检测的量。
- 文库构建与测序：扩增片段连接测序接头，上机测序。
- 数据预处理：从测序数据中提取barcode、UMI，比对到参考基因组，得到表达矩阵。
这里要特别提醒一下：UMI（Unique Molecular Identifier）是个好东西。它能消除PCR扩增带来的偏差，让你更准确地知道每个基因到底有多少个原始转录本。
小技巧：我习惯在做数据质控时，先看一眼每个细胞的UMI数量和基因数。如果某个细胞的UMI数极低，多半是空液滴或者死细胞，直接过滤掉就行。
这是整个过程的流程图，我手动画了一个SVG图，帮你把关键步骤串起来：
细胞注释的定义与重要性
讲完测序原理，咱们聊聊细胞注释。细胞注释是什么？就是你拿到一堆细胞，你得告诉别人：这些是T细胞，那些是成纤维细胞，角落里那几个是B细胞。说白了，就是给每个细胞“贴上身份标签”。
你可能会问：直接看测序数据不就行了？不行。数据里只有每个细胞里几千个基因的表达量，它又不会直接告诉你“我是T细胞”。你得靠经验、知识库和算法，把这些表达模式翻译成一个个具体的细胞类型或状态。
踩坑提醒：我曾经在一个项目中，看到某群细胞高表达CD3E和CD8A，想当然地认为是CD8+ T细胞。直到后来做了功能验证，才发现那其实是NKT细胞。差一种Marker基因，就完全搞错了方向。细胞注释不是“猜谜”，是“推理”。
细胞注释有三重价值，我用列表给你总结一下：
- 赋予生物学意义：降维聚类后，你看到的是各种“点”，注释后才知道哪些点对应肿瘤细胞、哪些是免疫细胞。
- 支撑下游分析：差异表达分析、拟时序分析、细胞通讯分析……绝大多数高级分析，都得先知道细胞类型。
- 发现稀有细胞群：没有注释，你可能忽略掉那些占总细胞数不到1%的关键亚群，比如循环肿瘤细胞或者处于特定周期的干细胞。
所以，我带你学习这门课，目的只有一个：让你从数据出发，用Marker基因这把“钥匙”，高效且精准地打开每个细胞的身份大门。
一句话总结：单细胞测序技术让我们看到了细胞个体，细胞注释则告诉我们这些个体“是谁”。没有注释，图谱只是散点；有了注释，图谱才有灵魂。
好了，这一章的内容就到这儿。你先消化消化这个整体概念，把“为什么要做单细胞”和“为什么要做注释”这两根钉子砸牢。后面的章节，咱们会逐个击破具体的方法和工具。