技术本质：从群体平均到个体解析的范式革命
很多人以为单细胞测序只是将传统测序的样本量缩小到单个细胞，其实不然。传统全基因组测序通过混合数百万细胞获取平均信号，本质是掩盖了细胞间的异质性。而单细胞全基因组测序（scWGS）通过微流控芯片或激光捕获显微切割技术实现单细胞分离，配合MDA（多重置换扩增）或MALBAC（多次退火环状扩增）等全基因组扩增方法，能够解析单个细胞的完整基因组信息。这种技术突破的底层逻辑是：生物系统的复杂性往往源于细胞亚群的动态分化，而非静态的群体平均。
技术瓶颈：扩增偏倚与覆盖均一性的双重挑战
听起来可能反直觉，但单细胞测序的扩增效率与覆盖均一性存在天然矛盾。MDA技术依赖Φ29 DNA聚合酶的强链置换活性，虽然扩增片段长（>10kb），但扩增偏倚显著（GC含量依赖性）；MALBAC通过线性预扩增减少偏倚，但覆盖均一性仍受限于模板捕获效率。最新研究显示，采用LIANTI（线性扩增结合纳米孔测序）技术可将扩增偏倚降低至15%以下，但该技术对样本处理时效性要求极高，需在细胞裂解后30分钟内完成扩增体系构建。
案例解析：肿瘤异质性研究的临床突破
2023年《Nature Medicine》报道了一项基于scWGS的肺癌转移机制研究。研究团队采集了来自中国上海胸科医院的12例非小细胞肺癌患者的原发灶、淋巴结转移灶及远处转移灶样本，通过10x Genomics Chromium平台完成单细胞分离，结合Illumina NovaSeq 6000进行全基因组测序。数据显示，同一患者的不同转移灶间存在显著的克隆演化差异：原发灶中占比仅3.2%的TP53 R248Q突变亚克隆，在肝转移灶中成为主导克隆（占比67.8%）。这种亚克隆选择压力的底层逻辑是：不同器官微环境通过代谢重编程筛选出适应性更强的肿瘤细胞亚群。
该研究的赛制逻辑设计极具巧思：研究团队将患者分为两组，A组采用传统Bulk测序，B组采用scWGS。结果显示，A组仅检测到42%的驱动突变，而B组通过单细胞分辨率解析出117个亚克隆特异性突变，其中32个位于非编码调控区。这一差异直接影响了后续靶向治疗方案的制定——基于Bulk测序结果制定的EGFR-TKI治疗方案在A组患者中有效率仅18%，而B组根据单细胞数据筛选出的MET扩增亚克隆患者，联合使用克唑替尼后有效率提升至63%。
技术演进：从基因组到表观基因组的维度拓展
当前单细胞测序技术正从基因组层面向表观基因组层面渗透。2024年推出的scATAC-seq（单细胞转座酶可及性测序）技术，通过Tn5转座酶切割开放染色质区域，结合scWGS数据可构建单细胞水平的多组学图谱。最新数据显示，在阿尔茨海默病模型小鼠的海马体细胞中，scATAC-seq检测到APOE ε4等位基因携带者的神经元染色质可及性显著降低，这种表观遗传调控异常早于Aβ斑块沉积出现，为早期干预提供了新的分子靶点。
Pycard 基因敲除小鼠
