单细胞组学

01概述与价值链

标记：[EC：高级组学与细胞异质性 | OECD：单细胞基因组学服务 | 监管机构：FDA（美国）、EMA（欧盟）、NMPA（中国）]

单细胞组学绘制每一个细胞的基因组、转录组或蛋白质组，而非组织的批量平均，把混合细胞的“思慕雪”变成不同细胞类型的目录。它主要以委托服务形式交付：生物技术或临床研究团队将新鲜组织活检送至平台或 CRO，后者运行基于液滴的单细胞 RNA 测序（scRNA-seq），返回按细胞的基因表达矩阵，并用机器学习流程分析。行业标准的捕获采用 10x Genomics Chromium 平台的微流控凝胶珠-乳液（GEM）：每个细胞在液滴内裂解，并被 16 核苷酸细胞条码与 12 核苷酸唯一分子标识符（UMI）标记；CITE-seq 通过 DNA 条码抗体扩展至表面蛋白，scATAC-seq 按细胞读取染色质可及性。其产出支撑肿瘤学（稀有耐药肿瘤亚克隆）、免疫学（T 细胞耗竭与检查点抑制剂应答）以及国际人类细胞图谱。深度测序需每细胞至少 5 万条 reads，因此该服务将微流控、Illumina 级测序与 AI 分析整合为一个由生物制药按项目采购的 CRO 流程。

单细胞组学的主要方向：

1. scRNA-seq 捕获平台： 微流控液滴条码化（10x Chromium、BD Rhapsody、Singleron），每次运行分离并为数万细胞加条码，覆盖全转录组表达。
2. 按细胞多组学（CITE-seq、scATAC-seq）： 与 RNA 同时读出表面蛋白（CITE-seq）或染色质可及性（scATAC-seq），给出完整表型分辨率。
3. 空间与轨迹方法： 空间转录组保留组织位置，拟时序算法（Monocle、scVelo）将静态细胞沿发育轨迹排序。
4. AI 分析服务： 流程（Cell Ranger、Seurat、Scanpy）对 reads 去多路复用、按类型在 UMAP 图上聚类细胞，并为客户呈现独特肿瘤标志物。

行业价值链

[活细胞分离] ──> [微流控 GEM 条码化] ──> [NGS 文库组装]
                          │
               (深度测序)
                          │
                          ▼
[治疗靶点发现] <─── [AI 聚类 / Seurat] <─── [Cell Ranger 流程]

价值链层级

行业横切技术：

• 微流控 GEM 条码化： 精确生成“水-油”液滴，每个液滴含一个细胞与一颗覆盖数百万引物的凝胶珠，引物携带共享细胞条码与唯一分子标识符。
• 唯一分子标识符（UMI）： 每条 mRNA 上的短随机标签，让流程绝对计数原始 RNA 分子，消除 PCR 扩增偏倚。
• 拟时序轨迹推断： 由表达谱的平滑变化将静态单细胞沿虚拟发育或激活轨迹计算排序（Monocle、scVelo）。

02美国

美国在单细胞平台与试剂供应上占主导，并拥有该领域的核心生物信息学研究。

10x Genomics、BD Rhapsody、Mission Bio、CZI 资助

• 10x Genomics 与 Chromium 平台： 10x Genomics 是 scRNA-seq 主导平台供应商，向全球多数研发实验室供应 Chromium Controller 与 Chromium X 仪器及试剂。
• BD Biosciences 与 Mission Bio： BD Biosciences 运营 Rhapsody 多组学平台，Mission Bio 的 Tapestri 按细胞读取体细胞 DNA 突变与蛋白，用于白血病治疗监测。
• Broad Institute 与 CZI： Broad Institute 是单细胞方法的先驱（在 Aviv Regev 带领下），Chan Zuckerberg Initiative 资助绘制每个人类细胞的价值数十亿美元项目。

03中国

中国将自主 DNBSEQ 测序平台与庞大的合同测序 CRO 产业结合，以高吞吐与有竞争力的价格提供单细胞组学。

BGI/MGI DNBSEQ、Novogene CRO 服务、MOST 资助

• BGI 与 MGI DNBSEQ： BGI Group 及其仪器子公司 MGI 运营 DNBSEQ 平台，并在深度的亚洲人群参考数据上提供单细胞测序服务。
• Novogene 与 CRO 产业： Novogene 等合同测序 CRO 为全球生物制药端到端运行 scRNA-seq 项目，整合文库制备、测序与生物信息。
• MOST 与国家计划： 科技部资助单细胞图谱计划，支撑国内药物发现。

04欧盟

欧盟提供本土单细胞平台与强势学术枢纽，并在 EMA 对受监管研究的数据与试剂质量监督下推进。

Singleron 平台、学术枢纽、EMA 监督

• Singleron Biotechnologies： 这家德国单细胞公司供应自有捕获平台与试剂，为欧洲提供一条非 10x 的单细胞仪器路径。
• 学术枢纽： 欧洲基因组学机构为人类细胞图谱及空间转录组学方法开发作出贡献。
• 质量监督： EMA 对用于受监管药品申报的单细胞读数施加数据完整性与试剂质量要求。

05领先企业与研究机构

06技术栈与创新

单细胞组学服务技术栈将微流控捕获引擎、多组学化学与 AI 分析层整合为一个 CRO 流程。

1. 微流控 GEM 捕获与 UMI 条码化：
   • 液滴平台（10x Chromium、BD Rhapsody、Singleron）将一个细胞与一颗带条码的凝胶珠共包入液滴；珠上每条引物携带 16-nt 细胞条码与 12-nt UMI。
   • UMI 让流程绝对计数原始 RNA 分子，消除 PCR 扩增偏倚，使各细胞表达值定量可比。
2. 按细胞多组学（CITE-seq、scATAC-seq）：
   • CITE-seq 用 DNA 条码抗体标记表面蛋白，与 mRNA 一同读取，在同一细胞内给出完整表型；scATAC-seq 则绘制开放染色质区域。
   • Mission Bio 的 Tapestri 将按细胞读出扩展至体细胞 DNA 突变加蛋白，用于白血病微小残留病监测。
3. AI 分析与轨迹推断：
   • Cell Ranger 流程对 FASTQ reads 去多路复用、比对到基因组，构建供下游工具使用的“基因×细胞”矩阵。
   • Seurat 与 Scanpy 降维（UMAP）、按类型聚类细胞并推断拟时序轨迹（Monocle、scVelo），向客户交付聚类图与独特肿瘤标志物清单。

07价值链与生产流程

scRNA-seq 服务项目的 CRO 流程（ISO 9001 / CLIA 兼容数据处理）

┌───────────────────────────┐      ┌───────────────────────────┐
│ 1. 组织解离与活细胞分离   │ ───> │ 2. 微流控 GEM 条码化      │
│                           │      │                           │
└───────────────────────────┘      └───────────────────────────┘
                                                  │
                                                  ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 4. 深度 NGS 测序          │ <─── │ 3. 文库组装与 QC          │
│    （≥5 万 reads/细胞）   │      │                           │
└───────────────────────────┘      └───────────────────────────┘
              │
              ▼
┌───────────────────────────┐      ┌───────────────────────────┐
│ 5. Cell Ranger 处理       │ ───> │ 6. AI 聚类与报告          │
│    → 表达矩阵             │      │    （Seurat / UMAP）       │
└───────────────────────────┘      └───────────────────────────┘

阶段 1：组织解离与活细胞分离

将新鲜组织活检温和酶解为单细胞悬液，保持 RNA 稳定与细胞活力 >90%，并在 FACS 分选仪上去除死细胞。

阶段 2：微流控 GEM 条码化

将悬液加载到 10x Chromium（或 BD Rhapsody / Singleron）芯片上；细胞与带条码的凝胶珠共乳化，使每个细胞在自己的液滴内裂解并被唯一条码与 UMI 标记。

阶段 3：文库组装与 QC

破乳，对带条码 cDNA 进行 PCR 扩增、片段化并连接测序接头，对成品文库做片段分布与浓度质控。

阶段 4：深度 NGS 测序

在 Illumina NovaSeq X 或 MGI DNBSEQ 上以深度覆盖（每细胞 ≥5 万条 reads）测序，产生数 GB 原始 FASTQ。

阶段 5：Cell Ranger 处理为表达矩阵

Cell Ranger 流程对 FASTQ 去多路复用、将 reads 比对到参考基因组、按细胞计 UMI，输出“基因×细胞”表达矩阵。

阶段 6：AI 聚类与客户报告

Seurat 或 Scanpy 去噪、运行 UMAP 降维并按类型聚类细胞，CRO 向客户交付聚类图、标志基因清单与拟时序轨迹。