4. 单细胞转录组文库制备原理

单细胞转录组文库制备的核心任务，是把单个细胞中极微量的 mRNA 转化为可被高通量测序仪读取的 DNA 文库，并在这一过程中保留“这条序列来自哪个细胞”的身份信息。围绕这一目标，主流方案在 mRNA 捕获方式、逆转录策略、扩增方式和标记设计上形成了不同技术路线。理解这些差异，是判断文库质量、选择实验方案和排查异常的前提。

一、mRNA 捕获：poly(A) 选择与模板转换

真核 mRNA 的 3′ 端带有 poly(A) 尾，这是单细胞捕获最常用的分子把手。基于 oligo(dT) 的捕获有两种典型形式：一种是在管式方案中直接用 oligo(dT) 引物进行逆转录，另一种是在液滴或微孔方案中把 oligo(dT) 固定在微珠表面，让 mRNA 在微珠上被“钓”下来。前者操作简单但通量低，后者可实现成千上万个细胞的并行处理。

逆转录过程中，多数方案利用“模板转换”机制在 cDNA 3′ 端添加已知序列。其原理是：逆转录酶在到达 mRNA 5′ 端后，会在新生 cDNA 末端额外添加几个胞嘧啶（C），而反应体系中加入的模板转换寡核苷酸（TSO）带有互补的鸟嘌呤（G）序列，二者配对后逆转录酶继续延伸，从而在 cDNA 两端形成已知接头。这一机制使全长 cDNA 得以扩增，也是 Smart-seq 系列实现全长覆盖的关键。

二、主流方案的技术路线对比

Smart-seq 采用孔板式操作，每个细胞独立逆转录，利用模板转换获得全长 cDNA，再通过 PCR 扩增和转座酶建库。它的优势是覆盖均一、可检测可变剪接和低频转录本，缺点是通量受孔板限制、单细胞成本较高。CEL-seq 则把 oligo(dT) 引物固定在微珠上，在管内完成逆转录后合并所有细胞，通过体外转录（IVT）线性扩增，再逆转录建库。它的优势是扩增偏倚小、可兼容较长读长，但操作步骤多、对微量 RNA 的损失控制要求高。

Drop-seq 和 10x Genomics 属于液滴微流控方案。Drop-seq 把细胞和带有 oligo(dT) 的微珠共同包裹在液滴中，细胞裂解后 mRNA 被微珠捕获，随后破乳、合并、扩增建库。10x Genomics 在此基础上把微珠、细胞和油相通过微流控芯片精确控制，形成“凝胶微珠—细胞”配对液滴，捕获效率更高、操作更标准化。两者的共同点是：每个微珠携带大量相同的 barcode 序列，而每条 oligo(dT) 引物上还带有一段独立的 UMI。

三、UMI 与 barcode 的设计原理

单细胞文库中，barcode（细胞条形码）用于标记“这条序列来自哪个细胞”，UMI（唯一分子标识符）用于标记“这条序列来自哪一条原始 mRNA 分子”。二者通常串联在同一段 oligo(dT) 引物上，结构可概括为：测序接头 — 细胞 barcode — UMI — oligo(dT)。

细胞 barcode 是一段固定长度的随机序列，例如 16 个碱基可提供 4^16 ≈ 4.3×10^9 种组合。实际实验中，微珠上合成的 barcode 种类远多于细胞数，以保证绝大多数细胞获得不同的 barcode。UMI 通常为 10～12 个随机碱基，可提供约 10^6～10^7 种组合。对于同一个细胞内的同一条 mRNA，不同逆转录产物会带上不同的 UMI；测序后按“细胞 barcode + UMI”去重，就能把 PCR 扩增产生的重复读段合并为一条原始分子，从而更准确地估计表达量。

四、从分子标记到表达矩阵

测序完成后，Read1 通常读取细胞 barcode 和 UMI，Read2 读取 cDNA 片段。分析流程先按 barcode 把读段分配到各个细胞，再按 UMI 对同一细胞内的读段去重。举例来说，若某个细胞中某基因的 mRNA 被捕获了 5 条原始分子，每条分子在逆转录时带上不同的 UMI，测序后该基因可能得到 5 个不同的 UMI 计数，而不是数百条重复读段。这样得到的 UMI 计数矩阵，比直接使用读段数更接近真实的分子数。

需要特别注意的是，barcode 和 UMI 的碱基质量直接影响分配准确性。若 barcode 出现测序错误，可能被误判为另一个细胞；若 UMI 出现错误，则可能把同一条原始分子拆成两条。因此，实际分析中通常允许 barcode 与已知白名单存在 1 个碱基的错配，并对 UMI 进行纠错或合并。理解这些设计原理，才能在实验和数据分析之间建立正确的对应关系。