胖葫芦1. 单细胞转录组分析概述
单细胞转录组测序（scRNA-seq）作为近年来生命科学领域最具突破性的技术之一，正在彻底改变我们对细胞异质性和发育生物学的理解。这项技术能够让我们在单个细胞水平上观察基因表达谱，揭示传统批量测序无法发现的稀有细胞类型和连续分化状态。
我在过去三年里处理过超过20个不同组织的单细胞项目，从脑肿瘤微环境到胚胎发育过程。每次分析最关键的环节就是上游处理——这个阶段的质量直接决定了后续所有分析的可靠性。一个典型的单细胞项目原始数据量通常在100GB到1TB之间，包含数千到数万个细胞的barcode信息。
关键提示：上游分析中的每个参数设置都需要根据实验平台（10x Genomics、Drop-seq等）和样本类型（新鲜组织、冻存细胞等）进行针对性调整，没有放之四海而皆准的标准流程。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 实验设计与数据准备
2.1 实验平台选择考量
目前主流平台在捕获效率、通量和成本上各有优劣：
- 10x Genomics Chromium：通量高（500-10,000细胞/样本），但捕获效率约65%
- Smart-seq2：全长转录本检测，但通量低（96-384细胞/轮）
- Drop-seq：成本低廉，但技术要求高
我在处理神经元样本时发现，10x的3'端测序对长转录本检测存在偏向性，这时改用Smart-seq2能获得更完整的异构体信息。下表对比了常见平台特性：
| 平台 | 细胞通量 | 读长 | 适用场景 | 成本/细胞 |
|---|---|---|---|---|
| 10x Genomics | 500-10K | 短读长 | 大规模细胞图谱 | $0.5-1 |
| Smart-seq2 | <384 | 全长 | 异构体分析 | $10-20 |
| BD Rhapsody | 1K-10K | 短读长 | 多组学联合分析 | $0.8-1.5 |
2.2 原始数据质量控制
拿到原始fastq文件后，我通常会先用FastQC进行初步质量