查看“单细胞多组学”的源代码

<div style="padding: 0 2%; line-height: 1.8; color: #1e293b; font-family: 'Helvetica Neue', Helvetica, 'PingFang SC', Arial, sans-serif; background-color: #ffffff;">

<div style="margin-bottom: 20px; border-bottom: 1px solid #f1f5f9; padding-bottom: 15px;">
    <p style="font-size: 1.1em; margin: 10px 0; color: #334155;">
        <strong>单细胞多组学</strong>（Single-cell Multi-omics）是指在单个细胞水平上，同步获取基因组、转录组、表观组、蛋白质组或空间信息的技术集合。其核心优势在于能够跨越“平均值”迷雾，揭示不同分子层面间的调控耦合关系。在[[免疫决策]]框架下，该技术是构建[[单细胞全息图谱]]、预判[[肿瘤异质性]]演化及筛选[[精准生物标志物]]的底层驱动力。
    </p>
</div>

<div class="medical-infobox mw-collapsible mw-collapsed" style="width: 100%; max-width: 360px; margin: 0 auto 30px auto; border: 1px solid #cbd5e1; border-radius: 12px; background-color: #ffffff; box-shadow: 0 10px 25px rgba(0,0,0,0.08); overflow: hidden;">
    
    <div style="padding: 18px 15px; color: #ffffff; background: linear-gradient(135deg, #1e3a8a 0%, #3b82f6 100%); text-align: center; cursor: pointer;">
        <div style="font-size: 1.25em; font-weight: bold; letter-spacing: 1px;">单细胞多组学 · 维度集成</div>
        <div style="font-size: 0.75em; opacity: 0.8; margin-top: 4px; white-space: nowrap;">Single-cell Multi-omics (点击展开详细数据)</div>
    </div>
    
    <div class="mw-collapsible-content">
        <div style="padding: 25px; text-align: center; background-color: #f8fafc;">
            <div style="display: inline-block; background: #ffffff; border: 1px solid #e2e8f0; border-radius: 12px; padding: 20px; box-shadow: 0 4px 6px rgba(0,0,0,0.02);">
                [[文件:Single_Cell_Multi_Omics_Integration.png|180px|单细胞多模态整合架构]]
            </div>
            <div style="font-size: 0.85em; color: #64748b; margin-top: 12px; font-weight: 600;">从单一模态向全息维度的跨越</div>
        </div>

        <table style="width: 100%; border-spacing: 0; border-collapse: collapse; font-size: 0.95em;">
            <tr>
                <th style="text-align: left; padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 600; width: 35%; background-color: #fcfdfe;">核心技术</th>
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">[[scRNA-seq]] / [[scATAC-seq]]</td>
            </tr>
            <tr>
                <th style="text-align: left; padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 600; background-color: #fcfdfe;">关键优势</th>
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">跨模态关联 / 异质性解析</td>
            </tr>
            <tr>
                <th style="text-align: left; padding: 12px 18px; color: #64748b; font-weight: 600; background-color: #fcfdfe;">AI 赋能</th>
                <td style="padding: 12px 18px; color: #1e293b; font-weight: bold;">[[智慧医生]]决策模型</td>
            </tr>
        </table>
    </div>
</div>

<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">技术路线与临床转化</h2>
<p style="margin: 15px 0;">
    单细胞多组学通过对同一细胞的多种分子特征进行并行测量，实现了对[[生命现象]]的数字化还原：
</p>
<ul style="padding-left: 20px; color: #475569;">
    <li style="margin-bottom: 10px;"><strong>转录组与蛋白联合（CITE-seq）：</strong> 解决了mRNA水平与蛋白水平表达不一致的瓶颈，精准定义[[T细胞]]亚群功能。</li>
    <li style="margin-bottom: 10px;"><strong>转录组与表观联合（scNMT-seq）：</strong> 揭示了肿瘤细胞在[[靶向药物]]诱导下的[[表观遗传]]重塑机制，为逆转[[耐药性]]提供位点。</li>
    <li style="margin-bottom: 10px;"><strong>空间多组学：</strong> 在保留[[组织空间位置]]的前提下，解析[[免疫突触]]的相互作用及其对[[临床预后]]的影响。</li>
</ul>



<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">辅助决策系统的深度集成</h2>
<p style="margin: 15px 0;">
    在[[智慧医生]]决策逻辑中，单细胞多组学数据是提升预测精度的关键：
</p>
<ul style="padding-left: 20px; color: #475569;">
    <li style="margin-bottom: 10px;"><strong>新抗原评估：</strong> 结合[[基因突变]]（如 KRAS G12D）与[[表观开放性]]，筛选最具免疫原性的[[新抗原]]序列。</li>
    <li style="margin-bottom: 10px;"><strong>治疗窗口预测：</strong> 通过[[RNA速率]]分析细胞动态倾向，智能匹配[[免疫检查点抑制剂]]的最优干预时机。</li>
</ul>

<div style="overflow-x: auto; margin: 30px auto; max-width: 650px;">
    <table style="width: 100%; border-collapse: collapse; border: 1px solid #e2e8f0; font-size: 0.95em; text-align: left;">
        <tr style="background-color: #f8fafc; border-bottom: 2px solid #1e3a8a;">
            <th style="padding: 15px; border: 1px solid #e2e8f0; color: #1e3a8a; width: 30%;">多组学模式</th>
            <th style="padding: 15px; border: 1px solid #e2e8f0; color: #1e3a8a;">临床核心价值</th>
        </tr>
        <tr>
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">RNA + ATAC</td>
            <td style="padding: 12px; border: 1px solid #e2e8f0;">解码[[细胞命运]]决定的上游开关。</td>
        </tr>
        <tr>
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">RNA + Protein</td>
            <td style="padding: 12px; border: 1px solid #e2e8f0;">修正表达量偏差，提高[[免疫治疗]]预测准确率。</td>
        </tr>
    </table>
</div>

<h2 style="background: linear-gradient(to right, #1e3a8a, #ffffff); color: #ffffff; padding: 8px 15px; border-radius: 4px; font-size: 1.2em; margin-top: 35px;">经典参考文献与学术点评</h2>
<div style="margin-top: 15px; border-top: 2px solid #f1f5f9; padding-top: 15px;">
    <div style="margin-bottom: 20px;">
        <p style="font-size: 0.9em; color: #1e293b; font-weight: bold; margin-bottom: 5px;">[1] Tang F, et al. "mRNA-Seq analysis of a single cell." <em>Nature Methods</em>. 2009.</p>
        <p style="font-size: 0.85em; color: #64748b; background: #f8fafc; padding: 10px; border-radius: 6px; border-left: 4px solid #3b82f6;">
            <strong>点评：</strong>该研究是单细胞领域的“创世纪”之作，首次实现了单个卵裂球的转录组扩增与测序，打破了传统组学必须依赖细胞群体的限制，开启了单细胞组学时代。
        </p>
    </div>
    
    <div style="margin-bottom: 20px;">
        <p style="font-size: 0.9em; color: #1e293b; font-weight: bold; margin-bottom: 5px;">[2] Buenrostro JD, et al. "Single-cell chromatin accessibility reveals principles of regulatory variation." <em>Nature</em>. 2015.</p>
        <p style="font-size: 0.85em; color: #64748b; background: #f8fafc; padding: 10px; border-radius: 6px; border-left: 4px solid #3b82f6;">
            <strong>点评：</strong>scATAC-seq技术的里程碑。该文揭示了单细胞水平染色质开放性的异质性，为理解细胞身份（Cell Identity）的表观遗传逻辑提供了重要手段，也是目前多组学联用的核心技术。
        </p>
    </div>

    <div style="margin-bottom: 20px;">
        <p style="font-size: 0.9em; color: #1e293b; font-weight: bold; margin-bottom: 5px;">[3] Stoeckius M, et al. "Simultaneous epitope and transcriptome measurement in single cells." <em>Nature Methods</em>. 2017.</p>
        <p style="font-size: 0.85em; color: #64748b; background: #f8fafc; padding: 10px; border-radius: 6px; border-left: 4px solid #3b82f6;">
            <strong>点评：</strong>CITE-seq技术的开山之作。通过抗体偶联寡核苷酸标签，实现了转录组与蛋白质表达的同时检测，极大提升了临床样本（如PBMC）中免疫细胞亚群分类的颗粒度。
        </p>
    </div>
</div>

<div style="margin: 40px 0; border: 1px solid #1e3a8a; border-radius: 8px; overflow: hidden; font-size: 0.9em;">
    <div style="background-color: #1e3a8a; color: #ffffff; text-align: center; font-weight: bold; padding: 12px;">单细胞多组学导航</div>
    <div style="padding: 15px; background: #ffffff; line-height: 2; text-align: center;">
        [[CITE-seq]] • [[scATAC-seq]] • [[空间转录组]] • [[智慧医生]] • [[精准决策系统]]
    </div>
</div>

</div>