查看“ScRNA-seq”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>scRNA-seq</strong>（Single-cell RNA sequencing）即单细胞转录组测序技术，是一种在单细胞分辨率下对全转录组进行高通量测序的分子生物学方法。该技术通过捕捉单个细胞中的 mRNA 表达信息，克服了传统大宗测序（Bulk RNA-seq）无法区分细胞异质性的局限。它是解构复杂组织架构、识别稀有细胞亚群以及追踪细胞分化与演化轨迹的核心底层技术。
    </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;">scRNA-seq · 技术全景</div>
        <div style="font-size: 0.75em; opacity: 0.8; margin-top: 4px; white-space: nowrap;">Single-cell RNA sequencing (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:scRNA-seq_Workflow_Standard.png|180px|scRNA-seq 标准技术流程图]]
            </div>
            <div style="font-size: 0.85em; color: #64748b; margin-top: 12px; font-weight: 600;">从生物样本到数字化表达矩阵</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;">主流平台</th>
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">10x Genomics / Smart-seq2</td>
            </tr>
            <tr>
                <th style="text-align: left; padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: 600; background-color: #fcfdfe;">核心参数</th>
                <td style="padding: 12px 18px; border-bottom: 1px solid #f1f5f9; color: #1e293b;">Gene Count / [[UMI]]</td>
            </tr>
            <tr>
                <th style="text-align: left; padding: 12px 18px; color: #64748b; font-weight: 600; background-color: #fcfdfe;">应用层级</th>
                <td style="padding: 12px 18px; color: #1e293b; font-weight: bold;">[[精准医疗]] / 基础科研</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;">关键技术路径</h2>

<p style="margin: 15px 0;">
    scRNA-seq 的实验流程主要分为四个关键阶段，旨在将生物样本转化为可分析的数字矩阵：
</p>
<ul style="padding-left: 20px; color: #475569;">
    <li style="margin-bottom: 10px;"><strong>单细胞制备：</strong> 通过酶学解离或机械法将组织转化为活性良好的单个细胞悬液。</li>
    <li style="margin-bottom: 10px;"><strong>细胞捕获与标记：</strong> 采用液滴法（Droplet-based）或板法（Plate-based）隔离单个细胞，并引入[[分子条形码]]（Barcode）对细胞身份进行编码。</li>
    <li style="margin-bottom: 10px;"><strong>文库构建：</strong> 进行反转录（RT）及扩增，并在 3' 或 5' 端添加测序接头。</li>
    <li style="margin-bottom: 10px;"><strong>生物信息学分析：</strong> 包含去接头、序列比对、聚类分析及[[细胞类型鉴定]]。</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;">学术与临床价值</h2>

<h3 style="color: #1e40af; border-bottom: 2px solid #dbeafe; display: inline-block; padding-bottom: 3px; margin-top: 20px;">1. 解析肿瘤异质性</h3>
<p style="margin: 10px 0;">
    scRNA-seq 能够识别肿瘤病灶内不同功能的细胞亚群，如[[耐药持久性细胞]]（DTPs）或具有干性的癌细胞亚群，为解析肿瘤进展提供分子依据。
</p>

<h3 style="color: #1e40af; border-bottom: 2px solid #dbeafe; display: inline-block; padding-bottom: 3px; margin-top: 20px;">2. 免疫微环境全景描绘</h3>
<p style="margin: 10px 0;">
    该技术可深度刻画[[浸润淋巴细胞]]（TILs）的状态，区分[[T细胞耗竭]]、激活及调节等不同功能表型，是[[免疫治疗]]疗效评估的重要工具。
</p>

<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%;">主要方法</th>
            <th style="padding: 15px; border: 1px solid #e2e8f0; color: #1e3a8a;">技术特点</th>
        </tr>
        <tr>
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">Drop-seq / 10x</td>
            <td style="padding: 12px; border: 1px solid #e2e8f0;">高通量，适合捕获数万个细胞，主要覆盖 3' 端。</td>
        </tr>
        <tr>
            <td style="padding: 12px; border: 1px solid #e2e8f0; background: #fcfdfe; font-weight: bold;">Smart-seq2</td>
            <td style="padding: 12px; border: 1px solid #e2e8f0;">全长覆盖，灵敏度高，适合精细分析少部分细胞。</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>单细胞转录组测序的奠基之作，首次证明了从单个哺乳动物细胞中获取完整表达信息的可行性。
        </p>
    </div>
    
    <div style="margin-bottom: 20px;">
        <p style="font-size: 0.9em; color: #1e293b; font-weight: bold; margin-bottom: 5px;">[2] Macosko EZ, et al. "Highly Parallel Genome-wide Expression Profiling of Individual Cells Using Nanoliter Droplets." <em>Cell</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>该研究引入了微流控液滴技术，使单细胞测序从低通量转向高通量，是目前商业化主流技术（如10x Genomics）的理论基石。
        </p>
    </div>

    <div style="margin-bottom: 20px;">
        <p style="font-size: 0.9em; color: #1e293b; font-weight: bold; margin-bottom: 5px;">[3] Zheng GXY, et al. "Massively parallel digital transcriptional profiling of single cells." <em>Nature Communications</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>该文详细展示了 GemCode 系统的稳定性与大规模应用潜力，确立了其在临床样本解析中的金标准地位。
        </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;">单细胞技术导航</div>
    <div style="padding: 15px; background: #ffffff; line-height: 2; text-align: center;">
        [[单细胞多组学]] • [[10x Genomics]] • [[细胞异质性]] • [[谱系追踪]] • [[转录组学]]
    </div>
</div>

</div>