查看“单细胞测序”的源代码

<div class="medical-infobox" style="font-size: 0.85em;">
{| style="width: 100%; background: none; border-spacing: 0;"
|+ style="font-size: 1.35em; font-weight: bold; margin-bottom: 10px; color: #1a202c;" | 单细胞测序 (sc-Sequencing)
|-
| colspan="2" | 
<div class="infobox-image-wrapper" style="padding: 25px; background-color: #f8fafc; border: 1px solid #f1f5f9; border-radius: 12px; text-align: center;">

<div style="font-size: 0.85em; color: #94a3b8; margin-top: 10px; font-weight: normal;">单细胞捕获与测序文库构建流程示意图</div>
</div>
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 全称
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; font-weight: 600; text-align: right;" | Single-cell Sequencing
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 核心分辨率
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | 单细胞水平 (Single-cell level)
|-
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 主要类型
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | scRNA-seq, scDNA-seq, scATAC-seq
|-
! style="text-align: left; padding: 6px 0; color: #64748b; font-weight: normal;" | 核心价值
| style="padding: 6px 0; text-align: right;" | 揭示细胞异质性、识别罕见细胞
|}
</div>

'''单细胞测序'''（Single-cell Sequencing）是指在单个细胞水平上利用二代测序（[[NGS]]）或三代测序（[[TGS]]）技术，对基因组、转录组、表观组等进行高通量测序分析的技术。与传统的“大体测序”（Bulk Sequencing）获取细胞群体平均值不同，单细胞测序能够精确识别组织内部各细胞间的分子差异。

[Image comparing Bulk RNA-seq (average) and Single-cell RNA-seq (individual resolution)]

单细胞测序技术的核心在于单细胞的物理隔离（如液滴捕获、微孔板或流式细胞术）以及微量的核酸扩增。该技术在肿瘤异质性解析、肿瘤微环境（TME）免疫图谱绘制、发育生物学以及神经科学研究中展现出极高的学术价值，是实现[[精准分型]]和个体化免疫治疗策略的重要工具。

== 技术路径与核心逻辑 ==
单细胞测序将组织样本转化为高维度的单细胞数字化信息：

<div style="text-align: center; margin: 30px 0; padding: 15px; background: #fdfdfd; border-top: 1px solid #eee; border-bottom: 1px solid #eee;">
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; font-weight: bold; color: #2563eb;">组织解离 (单细胞悬液)</span>
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;">→</span>
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; color: #d93025; font-weight: bold;">单细胞捕获与条形码标识 (Barcoding)</span>
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;">→</span>
    <span style="font-family: 'Times New Roman', serif; font-size: 1.2em; font-weight: bold; color: #059669;">高通量测序与细胞聚类分析</span>
</div>

== 临床科研应用特征客观评估 ==
基于目前单细胞多组学的发展现状，其主要应用维度的技术特征如下。

<div style="overflow-x: auto; width: 90%; margin: 25px auto;">
{| class="wikitable" style="width: 100%; border-collapse: collapse; border: none; box-shadow: 0 4px 15px rgba(0,0,0,0.08); font-size: 0.95em; background-color: #fff;"
|+ style="font-weight: bold; font-size: 1.1em; margin-bottom: 12px; color: #2c3e50; text-align: center;" | 单细胞测序临床科研应用特征分析
|- style="background-color: #eaeff5; color: #2c3e50; border-bottom: 2px solid #dce4ec;"
! style="text-align: left; padding: 12px 15px; width: 22%;" | 评估维度
! style="text-align: left; padding: 12px 15px;" | 临床客观表现与技术特征
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 肿瘤异质性研究
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 精确勾勒肿瘤内部的克隆演化路径。通过识别极少数的治疗耐药克隆（Rare Clones），为临床耐药机制的研究提供高分辨率证据。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 免疫微环境解析
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 对浸润 T 细胞、髓系细胞进行精细亚群分类（如耗竭 T 细胞、调节性 T 细胞）。该特征对评价[[免疫检查点抑制剂]]的响应及优化[[细胞治疗]]方案具有决定性作用。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 发育与细胞分化
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 通过“拟时间分析（Pseudotime Analysis）”重建细胞分化的连续轨迹。这在干细胞研究及器官发育图谱绘制（如人类细胞图谱 HCA）中是核心技术。
|- style="border-bottom: 1px solid #f1f5f9;"
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 伴随诊断价值
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 虽然成本较高，但其在识别特定肿瘤相关成纤维细胞（CAF）或血管内皮细胞亚群方面的优势，使其在精准药物靶点开发中具备不可替代的伴随诊断潜力。
|}
</div>

== 核心技术分支 ==
* **scRNA-seq (单细胞转录组)**：应用最广，用于分析细胞状态、亚群分类及差异表达分析。
* **scATAC-seq (单细胞染色质可及性)**：评估表观遗传调控网络，揭示细胞命运决定的底层逻辑。
* **Single-cell BCR/TCR-seq (单细胞免疫库)**：精确分析 T/B 细胞的受体克隆型，是开发个性化 [[TCR-T]] 治疗及[[新抗原疫苗]]的关键。
* **CITE-seq (单细胞蛋白质+转录组)**：利用抗体偶联寡核苷酸实现细胞表面蛋白与转录组的联合检测。

== 参考文献 ==
* [1] Tang F, et al. mRNA-Seq whole-transcriptome analysis of a single cell. Nature Methods, 2009. (单细胞测序开创性文献).
* [2] Macosko EZ, et al. Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets. Cell, 2015. (Drop-seq 核心研究).
* [3] Jaitin DA, et al. Massively Parallel Single-Cell RNA-Seq for Marker-Free Haplotype and Cell Population Analysis. Science, 2014.
* [4] 2025 单细胞多组学临床转化应用指南：样本质控、算法标准化及数据共享专家共识。
* [5] Human Cell Atlas (HCA) Project: Global standards for single-cell data processing and interpretation.

{{reflist}}

<div style="clear: both; margin-top: 40px; border: 1px solid #a2a9b1; background-color: #f8f9fa; border-radius: 4px; overflow: hidden;">
<div style="background-color: #dee2e6; text-align: center; font-weight: bold; padding: 6px; border-bottom: 1px solid #a2a9b1; color: #374151;">分子诊断与单细胞组学技术导航</div>
{| style="width: 100%; background: transparent; border-spacing: 0; font-size: 0.85em;"
|-
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 测序技术
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[NGS]] • [[TGS]] (三代) • [[单细胞测序]] • [[空间转录组]] • [[Bulk-测序]]
|-
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 关键技术
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[微流控捕获]] • [[UMI标识]] • [[拟时间分析]] • [[多组学整合]]
|-
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right;" | 临床指标
| style="padding: 8px;" | [[异质性指数]] • [[罕见细胞识别]] • [[免疫微环境]] • [[HLA分型]] • [[新抗原筛选]]
|}
</div>

[[Category:细胞生物学]]
[[Category:肿瘤学]]
[[Category:生物技术]]
[[Category:精准医疗]]