19位顶尖学者综述，单细胞组学技术引领生物医学研究新纪元！

图1 单细胞组学技术总概

综述第一章“Single-cell transcriptome sequencing”，详细介绍了单细胞转录组技术的发展历程、当前可用的scRNA-seq技术（图2）及数据分析方法，并概述了单细胞转录组测序技术在胚胎发育、组织和器官发展研究、肿瘤生物学、免疫系统研究以及传染病研究等领域的应用。借助于scRNA-seq技术，科学家们能够更深入地解析细胞如何在不同生物学过程中发挥作用，以及它们如何响应环境变化。

图2 过去10年在scRNA-seq领域的重要进展

综述第二章“Single-cell whole-genome sequencing”，总结了经典的单细胞全基因组扩增技术（scWGA）及高通量单细胞全基因组测序技术（scWGS）（图3），scWGS技术通过放大单个细胞中的微量DNA，为研究细胞间的遗传异质性提供了新的视角。尽管面临扩增偏差和覆盖不均等挑战，scWGS技术仍在不断进步，尤其在肿瘤生物学和生育领域展现出巨大潜力。

图3 经典的单细胞全基因组扩增技术及测序技术总概

综述第三章“Single-cell epigenome sequencing”，聚焦单细胞表观基因组测序技术，这些技术能够揭示细胞异质性的转录机制，包括DNA甲基化、染色质状态、核小体定位、组蛋白修饰和转录因子结合等表观遗传特征（图4）。本章详细描述了多种测序方法，包括基于亚硫酸盐的DNA甲基化分析、染色质可及性分析的ATAC-seq和DNase-seq、以及组蛋白修饰分析的ChIP-seq等方法。此外，还重点介绍了单细胞表观基因组测序技术的多种数据分析工具，涵盖从数据预处理、质量控制、数据量化、数据填充到聚类分析、细胞类型注释、轨迹推断、差异分析和基因调控推断等关键步骤。并概述了多功能分析流程工具，包括从数据预处理到可视化的多个步骤，如Dr.seq2、SCRAT、Scasat、Destin和scitools等，这些工具为单细胞表观基因组数据的分析提供了全面的支持。最后介绍了单细胞表观基因组技术在早期胚胎发育，肿瘤免疫学和神经生物学等研究领域中的应用。

图4 单细胞表观基因组测序技术概述

综述第四章“Single-cell proteomics technology based on mass spectrometry”介绍了基于质谱的单细胞蛋白质组学技术（MS-SCP）。讨论了MS-SCP工作流程的三个主要步骤：单细胞分离、样本前处理和质谱分析。分别探讨了MS-SCP工具的最新进展，包括集成工具如iPAD-1、OAD chip、iProChip、proteoCHIP、PiSPA等（图5）和易用性工具如SCoPE2、WinO、Mad-CASP（图6）。这些工具通过高度集成的微流控芯片、自动化的液体操作系统以及高灵敏度的质谱仪，实现了从单细胞分离、样品制备到质谱分析的全程优化，显著提高了单细胞蛋白质组分析的通量和准确性，推动了单细胞蛋白质组学的发展。最后概述了MS-SCP技术在肿瘤异质性、生物标志物发现、细胞分化和细胞周期等研究中的应用。

图5 MS-SCP集成工具

图6 MS-SCP易用性工具

综述第五章“Single-cell metabolomics technology”详述了基于质谱的单细胞代谢组学技术（SCM），并重点讨论了基于质谱的SCM采样技术与数据分析。用于质谱分析的SCM采样技术大致分为直接解析电离技术如SIMS、MALDI、LA-ESI、DESI、nano-DES等（图7）、内容物提取分析技术（图8）及细胞分选与电离技术（图9）三类。SCM相关的数据分析包括数据预处理、代谢物注释、统计分析、网络和通路分析及数据可视化，并对数据分析过程中每个步骤所用的生物信息学工具、分析软件及可用的数据库进行了总结。最后概述了单细胞代谢组学技术在肿瘤细胞代谢物分析、细胞异质性可视化、药物筛选等方面的应用。

图7 基于质谱的SCM直接解析电离技术示例。

图8 基于质谱的SCM内容物提取分析技术示例。

图9 基于质谱的SCM细胞分选与电离技术示例。

综述第六章“Single-cell multimodal sequencing technology”首先回顾了单细胞联合分析技术的工作流程（图10）及最新进展，接着重点详述了以转录组为中心的多模态技术，如转录组联合基因组、转录组联合表观组以及转录组联合蛋白质组，此外还介绍了捕获两个组学以上的多模态技术。并介绍了多模态数据整合分析工具，包括Seurat、iNMF、coupledNMF、UINMF、CiteFuse、SCIM、scMVP、LIGER等，最后，强调了单细胞多模态技术在生物医学研究中的潜力，以及提高算法性能和鲁棒性对未来加速生物医学研究新发现的重要性。

图10 单细胞多模态测序技术工作流程

综述第七章“Single-cell spatial transcriptomics technology”聚焦单细胞空间转录组学技术的最新进展。这些技术通过保留空间信息的同时检测基因表达，克服了传统单细胞测序技术丢失关键空间信息的局限。讨论了基于微切割、条形码和成像的空间转录组学技术（图11），探讨了用于空间转录组数据分析的计算方法，涵盖去噪、亚细胞分析、细胞类型注释、空间域识别、空间变异基因及基因表达模式检测、伪时间轨迹分析、细胞间通讯和多样本及多模态数据整合等关键技术。并介绍了空间转录组在研究早期胚胎发育、人类器官发育、神经系统疾病以及肿瘤微环境中细胞类型和信号通路的空间分布方面的应用。

图11 空间转录组学技术示意图

综述第八章“Single-cell CRISPR screening technology”分别介绍了基于转录组、表观基因组和多模态的单细胞CRISPR筛选技术（scCRISPR-seq），该技术结合了CRISPR干扰和单细胞测序，用于在大规模单细胞分辨率下进行基因组编辑和功能筛选。此外，本章节还讨论了scCRISPR-seq数据分析过程中的三个关键步骤，包括数据预处理（MIMOSCA、MUSIC和SCREE）、数据去噪（MUSIC、mixscape和SCREE）和功能分析（MUSIC、Normalisr、scMAGeCK、Pando和GEARS）。并介绍了该技术在基因型与表型关联、复杂基因调控机制的解析以及特定疾病如肿瘤和自闭症的遗传机制研究中的应用。

图12 scCRISPR-seq技术及数据分析示意图

最后，研究团队对单细胞组学技术的未来发展进行了展望。他们认为，随着技术的不断进步和创新，单细胞组学技术将在生物医学研究中发挥越来越重要的作用，为疾病治疗和健康管理提供更加精准的解决方案。

本综述的发表，不仅为单细胞组学技术的研究者提供了宝贵的信息资源，也为生物医学领域的科研人员提供了新的研究思路和方法。随着单细胞组学技术及数据分析方法的不断进步，我们期待未来单细胞组学技术能为人类健康带来更多的突破和希望，尤其是在疾病机理研究、新药开发和个性化医疗等方面。