单细胞测序技术简介与数据分析概述
大家好，我是老孙。干了这么多年生物信息学，2018年才开始真正折腾单细胞数据。那时候一个10x Genomics样本就要好几万块钱，跑完一看结果，心里满是不确定——这数据到底靠不靠谱？嗯，今天咱们就从最基础的问题开始聊。
为什么做单细胞？
说白了，传统bulk测序是把一堆细胞磨碎了测平均表达量。但问题是——这平均背后，藏着的是几十种细胞类型的信号混在一起。比如肿瘤里有癌细胞、免疫细胞、成纤维细胞，你测出来某个基因表达上调，根本不知道是哪个细胞干的。
单细胞测序就是让你看清每个细胞的状态。我个人的理解：它把生物学分辨率从“组织级”降到了“细胞级”。很直观，对吧？
核心发现：2017年《Nature》上发表的那篇小鼠脑细胞图谱，首次从单细胞水平绘制了超过40种神经元亚型的转录谱。这之后，单细胞技术基本成了“细胞异质性”研究的标配。
| 对比维度 | Bulk 测序 | 单细胞测序 |
|---|---|---|
| 分辨率 | 组织/样本级 | 单个细胞级 |
| 异质性 | 完全掩盖 | 清晰可见 |
| 稀有细胞 | 无法检测 | 可以捕获 |
| 实验成本 | 较低 | 较高 |
| 数据分析 | 相对简单 | 复杂，需要专门工具 |
主流技术平台
市面上单细胞平台很多，但真正在生产环境里经得起考验的其实就那几种。我在项目中遇到过学生拿SMART-seq2的大样本数据做分析，结果按10x数据来配参数，跑了一天内存直接爆掉——教训深刻啊。
注意：不同平台产生的数据格式、稀疏程度、dropout率差异巨大。千万不要一个pipe走天下。我曾经把10x的唯一分子标识符（UMI）处理逻辑直接套在Smart-seq2上，结果UMI数量全乱套了。
| 平台 | 方法原理 | 通量 | 典型应用 |
|---|---|---|---|
| 10x Genomics | 液滴+微流控+UMI | 高（千-万细胞/样本） | 图谱绘制、稀有细胞发现 |
| Smart-seq2 | 全转录本扩增，无UMI | 低（96-384细胞/板） | 全长转录本、可变剪接 |
| Drop-seq | 自建液滴系统，类似10x | 中高 | 低成本大规模筛选 |
单细胞数据分析的一般流程
不管用哪个平台，下机之后的数据处理路径高度相似。我个人习惯把一个单细胞分析项目切成三个阶段：预处理、核心分析、高级解释。
上图就是一个典型的单细胞分析链路。你想想看，从实验室的湿实验到服务器上的计算分析，有多少环节有坑？我个人习惯是每一步都必须做质量控制，数据清干净了再往下走。
预处理阶段的关键点
预处理是整个单细胞分析的基石。我见过太多人跳过质控直接跑聚类，结果出来一堆莫名其妙的“新细胞类型”——其实都是碎片或死细胞。
- 比对：推荐用STARsolo，速度比Cell Ranger快30%以上，而且完全兼容下游Seurat/Analyze。
- 计数：注意区分有UMI和无UMI平台的处理逻辑。有UMI必须矫正多重PCR膨胀。
- 质控：每个细胞需要满足——基因数≥200、线粒体比例≤20%、总计数数不低于5000（10x标准）。
实践经验：我在做PBMC项目时发现，如果过滤太宽松，会混入很多血小板的“假细胞”。后来改成双过滤策略——先按阈值粗筛，再根据双细胞检测分数二次去除。效果好了很多。
核心分析的常见思路
归一化之后，基本就是降维、聚类、标注三件套。我建议不要一上来就跑全套参数，先拿1万细胞做个小测试，确认数据质量再扩到全量。
- 降维：PCA取20-50个主成分（我常用30个）。然后拿来做UMAP可视化，别直接用t-SNE，太慢了。
- 聚类：Louvain或Leiden算法，分辨率参数从0.5开始调。场景不一样，参数差很远。
- 标注：手动标注还是自动标注？我个人的习惯是先用SingleR或ScType跑一轮自动标注，再手动验证关键cluster。别全信自动结果——我曾经遇到过SingleR把B细胞标成了浆细胞，差异还挺大。
计算挑战：为什么需要Nextflow？
说一个现实问题——单细胞数据分析依赖大量计算、矩阵操作多，样本一多就是TB级别的数据。用一个个手动跑脚本，不是你死就是服务器死。
举个实际例子。我参与过一个10样本的10x项目，每个样本的Cell Ranger输出就超过20GB。如果用Python一个个脚本串行跑，光预处理就三天。到了差异分析阶段发现有个样本的批效应没去除干净，重新跑又要三天...
这时候你需要一套可重现、可扩展、容器化的流程管理系统。Nextflow的核心价值就在这里——它把你的分析步骤封装成独立模块，每个模块跑在容器里，中间用管道传数据。哪怕样本加到100个，也就改一个样本列表文件。
对了，我们来个简单的学习目标总结：
- 能说清单细胞测序相比bulk测序的核心优势。
- 能区分10x Genomics和Smart-seq2平台的技术特征。
- 能列出单细胞数据分析的6个关键步骤以及每个步骤的主要任务。
- 能解释为什么单细胞项目特别需要Workflow、容器化和可重现性。
好，第一章就聊到这儿。后面几章我们会深入Nextflow的语法、配置文件、DSL2模块化设计，并且会亲手写一个单细胞质控pipeline。嗯，准备好你的终端和Docker环境吧。