从读序列到读细胞：单细胞组学入门

二、主题课程

课程简介

图1：单细胞测序流程示意——分离单个细胞后做全基因组扩增，再建库测序

把一块组织磨碎测序，得到的是几百万个细胞的平均值。这个平均值掩盖了细胞之间的差异——而差异往往正是问题所在。单细胞测序把分辨率推到单个细胞，让我们第一次能问「是哪一群细胞在变化」。

2026 年 9 月，PsychAD 合作组在《自然》系列期刊发表了迄今规模最大的人脑前额叶皮层基因表达图谱，覆盖 1494 名已故供体、逾 630 万份表达谱。这份工作之所以可能，靠的正是单细胞与单核测序技术的成熟。本课程沿着这条技术脉络，从实验设计讲到数据分析。

学习目标

• 理解单细胞测序相对传统转录组测序（bulk RNA-seq）解决了什么问题
• 掌握从组织解离、建库到测序的完整流程，以及每个环节的关键取舍
• 能够独立完成一次质控、降维聚类与差异表达分析
• 读懂单细胞论文中的图谱类结果，判断其结论强度

章节概览

1. 为什么需要单细胞：平均值如何掩盖异质性；bulk 与 single-cell 的信息差
2. 湿实验流程：组织解离、单细胞悬液制备、微流控与微孔板建库、UMI 与细胞条码
3. 从序列到矩阵：比对与定量、空液滴与双细胞的判别、质控指标怎么读
4. 降维与聚类：PCA、邻居图、UMAP 的适用边界；聚类分辨率不是越细越好
5. 细胞类型注释：标志基因法与参考数据集映射法；注释错了后面全错
6. 差异表达与拟时序：条件对比的设计陷阱；轨迹推断能说什么、不能说什么
7. 多样本整合：批次效应校正；为什么大规模图谱必须做 Harmony 或类似处理
8. 案例精读：以人脑前额叶皮层图谱为例，拆一篇顶刊论文的证据链

适合谁

具备基础分子生物学知识、会写 Python 或 R 的本科生与研究生。不要求先验的单细胞分析经验。

---