单细胞分析
Parent: ai_keywords
核心定义
单细胞分析是指在单个细胞分辨率下，对基因组、转录组、表观组、蛋白质组等多组学信息进行高通量检测与计算解析的技术体系。它突破了传统群体细胞分析的平均效应掩盖，能够揭示细胞异质性、稀有细胞亚型、动态分化过程及细胞间通讯网络。
关键技术点
- 单细胞分离与建库
依赖微流控（如10x Genomics液滴系统）、微孔板或激光捕获显微切割，实现单个细胞的捕获、裂解及cDNA扩增，是精准分析的前提。 - 单细胞转录组测序（scRNA-seq）
捕获单个细胞mRNA，经反转录与扩增后测序，获得全转录组表达谱。通过UMI（唯一分子标识符）消除扩增偏差，保证定量准确性。 - 降维聚类与轨迹推断
利用UMAP/t-SNE实现高维数据可视化，结合Leiden聚类识别细胞亚群；Monocle、RNA velocity等算法推断细胞分化轨迹及发育时序。 - 单细胞多组学整合
同时检测同一细胞的转录组（RNA）与染色质开放性（ATAC），或转录组与蛋白质（CITE-seq），解析基因调控逻辑。 - 空间转录组学
将单细胞表达谱映射回组织原位坐标（如MERFISH、Slide-seq），重构细胞在微环境中的空间互作与功能结构。
医学/神经科学应用场景
首都医科大学神经病学团队（宣武医院、天坛医院）利用单细胞RNA测序解析阿尔茨海默病（AD）患者前额叶皮层，发现：
- 疾病相关小胶质细胞（DAM） 在Aβ斑块周围富集，其转录特征（如Trem2、Apoe高表达）可被AI模型（如自编码器）预测并与认知评分显著相关。
- 少突胶质细胞谱系异常：髓鞘相关基因下调，且与tau病理空间分布高度一致，提示髓鞘再生障碍是AD早期事件。
- 突触前神经元亚型耗竭：通过单细胞网络分析锁定SST+抑制性神经元为关键易损群体，为基于细胞类型的神经保护策略提供靶点。
此研究结合深度学习方法（如scVI批效应校正、GNN细胞-基因相互作用网络），实现了从分子异质性到临床表型的跨层次关联，推动神经退行性疾病的精准诊疗。
