说实话我入单细胞RNA测序这个方向很大程度上是被逼出来的。以前做bulk RNA-seq一个组织样本丢进管子里研磨、提RNA、建库上机拿回来的是一堆平均表达值某个基因在整管细胞里整体上调还是下调一下就完了。可问题是组织里从来就不是均匀的一锅粥。肿瘤里面到底有哪些细胞亚群、哪个亚群在耐药、哪个亚群准备转移免疫细胞里谁在静息、谁在活化、谁已经耗竭这些信息全部被平均表达抹掉了。直到我开始接触真正的单细胞RNA测序scRNA-seq才第一次体会到把每个细胞单独拿出来问话是什么感觉。这几年scRNA-seq已经从少数前沿实验室的特种技术变成肿瘤微环境、免疫应答、神经退行性疾病、发育生物学等领域的标配工具几乎每个新课题设计时都会问一句这个问题要不要加到单细胞分辨率单细胞测序方案看起来很多但绕来绕去其实逃不开几条主要技术路线以完整转录本为招牌的Smart-seq2用微流控液滴实现低成本高通量的Drop-seq以及目前商业化程度最高、多数课题组默认选择的油包水液滴平台。这三条路线原理不同、数据特征不同、适合回答的科学问题也不同。选错方案不只是多花钱更可怕的是拿回一批根本无法回答核心问题的数据写论文时才进退两难。所以这篇打算把它们的核心原理、实测指标、实验设计选型和踩坑经验放到一起讲透。1. 为什么单细胞RNA测序会成为研究常态Bulk测序看不到的那层信息1.1 平均表达掩盖了细胞异质性Bulk RNA-seq最大的问题不在技术层面而在概念层面。它把一个组织里的所有细胞混在一起测得到的表达谱是全部细胞的均值也是一个被严重稀释后的结果。假设一个组织里90%是基质细胞8%是上皮细胞2%是免疫细胞这种免疫细胞哪怕在疾病状态下变成原来的十倍最终的平均结果里也只体现出一小点波动很容易被当成噪声忽略。而单细胞测序做的第一件事就是把平均拆回个体。每个细胞被单独捕获、单独标记、单独测序得到的是属于这个细胞自己的表达谱。对这种异质性强的样本来说拆开看意义重大。肿瘤微环境里有恶性细胞、成纤维细胞、内皮细胞、多种免疫细胞每个群体内部还有不同分化阶段和功能状态脑组织里有神经元、星形胶质细胞、小胶质细胞、少突胶质细胞神经元本身又分成几十种亚型外周血里的T细胞既有naive、memory、effector也有耗竭亚群。这些差异在bulk数据里完全被平均化而单细胞数据可以直接看到它们的真实比例和状态。1.2 单细胞数据能回答谁在多、谁在变、谁和谁相关有了单细胞表达谱第一层信息是细胞类型图谱。通过聚类把表达模式相似的细胞归到一起再用经典marker基因注释出T细胞、B细胞、巨噬细胞、自然杀伤细胞等亚群。第二层信息是比例变化。比较疾病组和对照组找出某个亚群在比例上、功能状态上的显著改变。第三层信息是细胞轨迹利用拟时序分析把分化过程中的中间状态连起来重建细胞从一种状态过渡到另一种状态的路径。这些信息对研究稀有亚群尤为重要。很多关键细胞亚群占比不到1%比如肿瘤里的干细胞样细胞、外周血里的循环肿瘤细胞在bulk数据里几乎不可见。单细胞测序相当于把低频信号从背景里捞出来这也是它能带来全新生物学发现的根本原因。1.3 技术爆发背后的三个现实推力单细胞技术能大规模普及不是某一个突破单独推动的。第一个推力是微流控和条形码技术的成熟让同时处理几万个细胞从设想变成现实。第二个推力是建库试剂和测序成本的整体下降普通课题组做几个样本已经不至于伤筋动骨。第三个推力是分析工具的普及Seurat、Scanpy这类开源分析包把聚类、降维、注释流程打磨得足够顺手分析门槛被大幅拉低。三个推力叠加让单细胞RNA测序变成了课题组内就能设计并执行的常规工具。但常规不等于简单。技术路线选型、样本解离质量、建库过程中的细节控制仍然直接决定项目成败。下面就从原理层面把三条主要路线拆开看。2. 三种技术各自的原理拆解从引物设计到文库构建2.1 Smart-seq2看重全长转录本的精读方案Smart-seq2的核心机制是模板转换法。细胞通过流式分选或者手动挑选被放到96孔或384孔板里一个孔就是一个细胞。随后加入带有oligo-dT序列的逆转录引物。真核生物的成熟mRNA大多带poly(A)尾巴oligo-dT正好结合上去逆转录酶沿着RNA模板一路合成cDNA。到RNA的5端附近时逆转录酶自带的末端转移酶活性会在cDNA末端额外加上几个非模板的胞嘧啶。这个时候体系里的模板转换寡核苷酸TSO利用这段C序列作为互补位点逆转录酶会继续沿着TSO合成最终把一整条覆盖到5端全长cDNA写出来。后面再用PCR把cDNA扩增放大加上测序接头后上机。这套设计的特点非常鲜明转录本全长覆盖。不仅能看基因表达量还能看可变剪接、可变启动子、等位基因特异性表达以及RNA编辑位点。代价是通量低。细胞必须一个个分到孔里一次实验一般做几十到一千多个细胞手工操作量大单细胞测序深度也需要更高。它适合那种细胞数量不多、但需要转录组完整度的科学问题。2.2 Drop-seq用微流控液滴把细胞和条形码微珠封装在一起Drop-seq的思路和Smart-seq2完全不同它不想一个一个分离细胞而是让细胞悬液与带有条形码的微珠一起流过微流控芯片。芯片里的通道设计让水相和油相在交汇处相遇形成一个个纳升级的油包水液滴。按泊松分布的统计规律大部分液滴只包含一个细胞和一颗微珠。微珠上挂着大量裂解缓冲液和oligo-dT捕获引物每颗微珠有一个独特的细胞条形码每个捕获mRNA分子的引物上还带一段UMI分子条形码。细胞在液滴内部裂解后mRNA分子被微珠上的oligo-dT捕获随后破乳、回收微珠、逆转录和PCR扩增。由于一个液滴就是一个独立微型反应室不会互相污染可以并行处理几千甚至几万个细胞。Drop-seq的关键优势就是低成本和并行通量。代价也很明显测序信息偏向3端转录本中部和5端覆盖弱灵敏度相对Smart-seq2要差一些。但对细胞分群、稀有亚群鉴定、比例统计这类数标签任务Drop-seq完全够用。2.3 商业化液滴平台为什么如今大部分课题组把它当默认选项商业化的液滴单细胞平台本质上和Drop-seq共享油包水条形码微珠的技术框架但整个系统打磨得更成熟。核心是凝胶微珠乳液体系每个微珠带有一段细胞条形码、一段UMI分子条形码和poly(dT)捕获序列。实验时细胞、凝胶微珠和逆转录反应液一起通过微流控芯片在液滴内完成细胞裂解、mRNA捕获和逆转录。与Drop-seq相比这种商业化平台在捕获效率、批次稳定性和操作标准化上做了大量工程化优化。试剂盒、自动化建库流程、配套分析软件都现成对样本量几万个细胞的组学项目非常省心。它的局限性主要有两点一是试剂成本高尤其一次性投入的专用设备和耗材不便宜二是每次实验有最低上样细胞数的要求如果手里只有几千个珍贵细胞反而不如用板式方案灵活。2.4 三者的底层逻辑对照打个比方。Smart-seq2像给每个细胞写一份个人档案几千字、事无巨细但成本高、周期长只适合给少数重点对象做。Drop-seq像全国人口普查给每个人发一个编号快速统计谁在、谁变了、比例多少能覆盖庞大群体但信息量比较粗。商业化液滴平台像是把普查表和登记系统全部标准化、自动化后的版本更稳定、更省心但也要付出更高的入场费。维度Smart-seq2Drop-seq商业化液滴平台分离方式流式分选/显微操作到多孔板微流控液滴微流控液滴凝胶微珠标记策略无条形码单孔即身份细胞条形码UMI细胞条形码UMI转录本覆盖全长偏向3端偏向3端单次细胞通量几十到千级数千到万级数千到十万级单细胞成本高低中高有规模效应手工复杂度高高低到中仪器门槛常规分选/显微操作设备自制或微流控平台专用设备配套试剂三条路线都能回答组织里有哪些细胞群但信息深度、覆盖范围、单位成本差异明显。真正做选型时只停留在原理层面是不够的还要看数据质量和一系列实测指标。3. 用数据说话灵敏度、捕获效率、基因检出与批次效应的真实差距3.1 先看懂单细胞质控的四个数字拿到一个单细胞文库判断数据好不好先看四个核心指标。第一个是每个细胞检测到的基因数越高说明灵敏度越好越能支撑细胞类型注释。第二个是每个细胞的总UMI数反映转录本捕获量UMI数太低的细胞很可能在质控阶段被过滤。第三个是线粒体基因比例细胞受损时RNA降解只剩下相对稳定的线粒体转录本这个比例就会飙升。第四个是双细胞率两个细胞被当成了一个测会产生虚假的混合表达谱。此外还要关注比对率、核糖体基因占比、文库复杂度等但前四个已经足够快速判断一个批次到底行不行。基因检出数直接决定你能不能识别稀有亚群UMI数太低则整个细胞的质量存疑。我一般拿到表达矩阵后先看一眼质控小提琴图如果线粒体比例普遍偏高第一反应不是去调分析参数而是回头查解离步骤。3.2 三种方案在典型数据下的差异从我自己跑过的样本和公开数据来看三种方案的差异是稳定存在的。Smart-seq2由于是全长扩增加上每个细胞独立测序基因检出数通常明显更高尤其在低表达基因上它能捞到不少液滴平台丢失的转录本。Drop-seq这类3端计数方法优势在高通量但测序深度被大量细胞摊薄单细胞基因检出数一般低于Smart-seq2对低表达基因的检出也偏弱。商业化液滴平台在捕获效率和UMI设计上做得更完善数据稳定性比Drop-seq好一个档次但也没有跨越到全长方案那种灵敏度。指标Smart-seq2Drop-seq商业化液滴平台单细胞基因检出中高到高中低中全长转录本信息有基本无基本无扩增偏差控制较依赖循环数UMI校正UMI校正单细胞测序深度需求高中中批次稳定性手动操作影响大较依赖微流控熟练度高低表达基因捕获较好一般一般到中这里必须提醒一点具体数字会因样本类型、测序深度、实验条件差异很多千万不要拿别人文章里的某一个数字直接当自己的质控标准。细胞状态、组织来源对基因检出数的影响有时比平台本身还大。正确的做法是设定一个相对基线再对比同一批次内的相对差异。3.3 基因长度偏倚和表达定量的本质区别Smart-seq2和液滴平台的另一个核心差异是定量逻辑。Smart-seq2扩增的是全长cDNA理论上基因的所有转录本都会被抓但PCR扩增本身存在长度偏好和GC偏好不同转录本的放大效率并不完全一致所以得到的信号更适合理解为相对表达量。液滴平台用UMI给每个原始mRNA分子打上唯一身份标记测序后按照UMI去重得到的计数更接近分子绝对值扩增带来的重复计数可以被有效纠正。这两种定量策略对下游分析的约束完全不同。做细胞分型和差异表达时液滴平台的整数计数矩阵简洁、稳健做可变剪接异构体分析、RNA编辑检测和序列变异验证时只有Smart-seq2的全长数据才具备信息条件。用3端数据强行分析外显子使用只能看到很粗的框架讨论哪一个外显子被剪掉了这种问题时往往无能为力。3.4 批次效应如何在选型中悄悄放大细胞活性、试剂批号、操作人员、测序时间都会引入批次效应。如果样品分散在多个批次里技术噪声很可能盖过真正的生物学差异。Smart-seq2高度依赖手动分选和扩增批次效应更容易被放大Drop-seq对操作熟练度要求很高不同人做出来的结果可能不一致商业化液滴平台在标准化方面优势明显。我的建议是做多组别比较时从实验设计阶段就把对照组和处理组打散让它们出现在同一个批次里。不要第一天跑完所有对照、第二天再跑所有处理组。如果样本量太大必须分批次也要保证每个批次内包含各组的样本并在分析阶段使用合适的批次校正算法。这件事在选型时就要想清楚等数据出来了再补救能用的方法有限而且很难完全消除影响。4. 实验设计选型从样本类型和目标问题反推技术方案4.1 先看手上有什么样本选型的第一个约束条件不是测序深度不是预算而是样本本身。血液、骨髓、培养细胞这类悬浮样本制备单细胞悬液比较容易液滴平台基本是首选。实体组织需要酶解、机械解离要提前评估解离后的细胞活性和数量。一般来说细胞活性低于85%时液滴平台捕获到的细胞质量会明显变差碎片和死细胞会大量进入文库。冰冻组织通常得不到高活性的活细胞一般改做单细胞核测序这时候Smart-seq2就不太适用因为oligo-dT捕获依赖细胞质中mRNA的poly(A)尾巴核RNA的捕获效率和代表性都受影响。脑组织、脂肪组织等解离时本身就容易损伤的样本必须先做小规模预实验验证。4.2 再想清楚科学问题需要什么分辨率样本条件允许后科学问题决定最终方案。如果目标是画一张完整的细胞图谱搞清楚组织里的主要细胞群和稀有亚群液滴平台是合理的首选通量摆在那里。如果目标是追踪某一群细胞在不同条件下的变化可以考虑先用液滴平台初筛定位目标群体再用Smart-seq2对这几个关键群体做一次低通量高深度测序。如果关注可变剪接、等位基因特异性表达、RNA编辑或者要用单细胞转录组数据进行基因组变异验证那就必须选择全长方案。最怕的是在实验设计时把所有可能性都压在一个方案上比如本来要研究剪接却选了3端计数平台后期分析时发现没有异构体信息整个数据几乎作废。也不要盲目追求每条数据都要有全长信息多花的测序费用有时并不带来可用的收益。4.3 预算和实验周期的真实账本选型绕不开预算但很多人忘记算总账。单细胞测序的费用分为三块细胞捕获和建库试剂、测序费用、分析费用。Smart-seq2试剂成本相对不高但低通量导致每个细胞的固定成本很高而且测序深度要求高费用主要集中在测序上。Drop-seq的前期设备投入较低可以在实验室自建微流控试剂成本低但人工时间长稳定性和可重复性要自己花时间验证。商业化液滴平台的试剂盒单价高单次最低上样量有要求但样本量上来以后单细胞成本反而会被摊薄。算账时不要只看单价。一次失败的实验不止是试剂钱打水漂还包括你花费的几周时间、重新准备样本的成本以及整个项目进度的延误。稳定方案省下的其实是重做成本。如果只能跑一批样本我会倾向于选操作成熟、自己做过多次、出了问题能排查的方案而不是选一个理论上便宜但自己完全不熟悉的方案。4.4 我习惯用的选型判断路径接手每一个新的单细胞项目我基本按固定顺序思考样本类型是悬浮细胞还是实体组织细胞总数和目标亚群大概占比多少科学问题需要全长信息还是计数信息测序深度预算有多少实验周期允不允许补做实验。依次筛完剩下的方案通常只有一个。举例来说做外周血免疫细胞分型直接选商业化液滴平台稳定、省心、通量够。研究某个神经元亚群的可变剪接选Smart-seq2因为它有全长序列。经费有限但细胞样本充足的模型体系里做首次探索Drop-seq完全可以胜任。这个判断顺序并不复杂但它能避免一个非常常见的错误先用Smart-seq2测了一百个细胞发现通量不够再推倒重来换成液滴平台时间和样本都浪费掉了。5. 实操落地从样本制备到建库的那些坑5.1 单细胞悬液质量永远是第一道坎这句话我说过很多次单细胞实验成败的一半以上在样本制备不在文库构建。细胞活性要尽量高于90%碎片要尽量少细胞团块要尽量去除。碎片多的时候液滴平台会把碎片当成一个细胞或者是碎片和真实细胞一起被封进同一个液滴产生大量假信号。死细胞在逆转录前就会释放RNA酶降解周围活细胞的RNA导致线粒体比例集体偏高。制备完悬液我习惯先用台盼蓝染色或者荧光染料计数同时看一下细胞直径分布。细胞浓度计不准后续所有关于上样量、双细胞率的估算都会跟着漂。有些实验还要根据细胞直径调整捕获参数如果样本里有大量超大细胞或者碎片直径和真实细胞接近都要提前处理。5.2 液滴平台提升数据质量的三件事第一把上样细胞浓度控制在推荐范围内。浓度偏高会显著提高双细胞率两个细胞和一个微珠同时进入同一个液滴测出来的就是一张混乱的混合表达谱。第二严格控制样本中的组织碎片和死亡细胞。碎片会被误判为细胞而死亡细胞会释放游离RNA造成背景污染和线粒体比例升高。第三注意液滴生成和后续操作的时间窗口。液滴生成后细胞在液滴内还会短暂存活这个阶段过长会加剧RNA降解缩短从样本准备到逆转录之间的时间能显著提升捕获质量。商业化液滴平台虽然有配套流程但操作慢的话同样会拉低数据质量。5.3 Smart-seq2手工作者容易翻车的地方Smart-seq2的手工程度很高常见的坑有三个。一是模板转换效率不稳定TSO和逆转录引物的比例必须严格按protocol来比例一乱容易出现大量接头二聚体或者扩增片段偏短。二是PCR循环数扩增循环数太多会让低丰度转录本被过度放大文库复杂度变差循环数太少则产量不够建库直接失败。三是孔板操作中的交叉污染流式分选、加反应液、封板都要小心任何一点液滴飞溅都可能让相邻孔的条码混淆。这种方案对操作者的熟练度非常敏感。我的建议是第一轮先做小规模预实验比如只在一个96孔板里跑几个重复样本锁定产量和扩增条件再做大批量。不要一上来就在384孔板上跑几百个细胞出了系统性问题很难排查。5.4 建库后的质控和分析前的信号检查建库完成后先看片段分布是否正常再测一个浅层reads检查比对率和基因检出数。拿到表达矩阵后第一步过滤低质量细胞主要看基因数、UMI数和线粒体比例第二步识别双细胞可以利用软件根据UMI分布进行估算第三步检查细胞总数和预期是否匹配有没有某个样本的细胞数明显偏低。如果发现某组细胞线粒体比例整体偏高不要急着调过滤阈值继续分析先回查样本活性、死细胞去除效率和解离时间。这种系统性问题不会因为分析参数调整而自行消失越早定位越能保住剩下的细胞。反过来如果只是少数细胞线粒体比例高那属于正常现象过滤掉即可不必恐慌。6. 我的选择经验和一个常被忽视的结论做了这些年单细胞项目我自己最常用的组合是初筛细胞分型用商业化液滴平台需要深入研究转录本结构或者追踪稀有细胞状态时用Smart-seq2补一轮预算紧张或者探索全新的模型系统时Drop-seq是很好的起步方案。三个方案并不是谁取代谁的关系它们解决不同层面的问题。选型永远跟着科学问题走而不是跟着热度走。还有一个容易被忽略的点技术只决定数据上限样本质量才决定你能不能碰到这个上限。一个活性只有70%的样本无论用多贵的平台出来的数据都很难救。反过来只要样本质量过硬哪怕方案不是最新、不是最酷的也能拿到可靠结论。我有一次必须保留少量极珍贵的细胞硬着头皮用Smart-seq2只测了两百多个细胞但因为样本处理仔细、批次设计合理聚类和轨迹分析依然干净后来许多重要验证都是在那批数据上展开的。如果你正在几个方案之间纠结我的建议很简单把样本数量、细胞完整度需求、经费预算三个变量先写下来再去看原理和数据指标而不是看哪个方案文章多、热度高。单细胞RNA测序这条路我已经走得很熟了最深的体会就是方案没有绝对的高下只有合不合适。数据质量来自每一个细节的认真对待这一步省不掉。
