单细胞RNA测序：从胰腺导管腺癌看scRNA-seq如何重构肿瘤异质性

发布人：上海优宁维生物科技股份有限公司

发布日期:2026/11/10 9:08:15

肿瘤内部并非由均一的癌细胞构成。以胰腺导管腺癌（PAAD）为例，同一肿瘤组织内同时存在恶性导管上皮细胞、癌症相关成纤维细胞（CAF）、巨噬细胞、T细胞、内皮细胞等多种成分，每种成分又包含多个功能状态各异的亚群。传统的批量RNA测序（Bulk RNA-seq）只能得到这些细胞的"平均表达谱"，无法揭示谁在表达、表达什么、以及不同细胞之间的相互作用关系。单细胞RNA测序（scRNA-seq）的出现，为解析这种细胞水平的异质性提供了可能。

一、scRNA-seq的技术原理与主流平台

scRNA-seq的核心目标是将组织解离成单个细胞，在每个细胞中独立捕获并测序mRNA，最终获得"每个细胞 × 每个基因"的表达矩阵。目前主流的平台包括基于微流控液滴的10x Genomics Chromium系统、基于微孔板的Smart-seq2/3，以及基于组合索引的Split-seq等。

胰腺癌中心体扩增相关基因预后模型研究概览

以10x Genomics为例，其技术路线是：将单细胞悬液与带有条形码的凝胶珠（Gel Bead）包裹在同一油滴中，细胞裂解后mRNA与凝胶珠上的寡核苷酸引物杂交，逆转录合成cDNA的同时引入细胞特异性条形码。随后，所有细胞的cDNA混合在一起进行文库构建与高通量测序，通过条形码将读段（reads）重新归属到原始细胞。目前一次实验可检测数千至数万个细胞，每个细胞捕获约3000-8000个基因，足以进行细胞类型注释与亚群划分。

Smart-seq2/3则采用微孔板分选，每个细胞单独建库，虽然通量较低（通常数百至数千个细胞），但捕获基因数更多（可达10000个以上），且能检测全长转录本信息，适合研究可变剪接、等位基因特异性表达等精细问题。对于临床FFPE样本，10x Genomics新近推出的Flex方案允许对固定样本进行单细胞分析，极大地扩展了可及样本范围。

二、从表达矩阵到细胞图谱：分析流程解析

原始测序数据经过质控、比对、定量后，生成"细胞 × 基因"的表达矩阵。分析的第一步是质控过滤：去除空液滴、死细胞（线粒体基因比例过高）和双细胞（Doublets，即两个细胞被误认为一个）。随后进行数据标准化与高变基因筛选，再用主成分分析（PCA）降维，通过UMAP或t-SNE将细胞投射到二维空间进行可视化。

差异表达分析与基因筛选流程

聚类是单细胞分析的核心步骤。Seurat、Scanpy等软件包通常采用基于图的聚类算法（如Louvain或Leiden算法），将表达谱相似的细胞归为一类。得到初始聚类后，需要为每个cluster寻找标志基因（Marker Genes），并与已知细胞类型的标志基因数据库（如CellMarker、PanglaoDB）比对，从而完成细胞类型注释。

在PAAD的研究中，研究者对24,094个细胞进行聚类与注释，最终识别出T细胞、巨噬细胞、导管上皮细胞、成纤维细胞、B细胞、内皮细胞等十余种主要细胞类型。每种类型内部还存在显著的功能异质性：例如导管上皮细胞可根据恶性程度分为高恶性状态B（纯度>80%）与低恶性状态A（纯度<60%），而巨噬细胞则表现出M1/M2极化的连续谱系。

三、多组学整合：从单细胞到空间维度

scRNA-seq虽然能精确刻画细胞类型，但丢失了细胞在空间中的位置信息。为了弥补这一缺陷，研究者通常将scRNA-seq与空间转录组学（Spatial Transcriptomics）结合使用。具体策略是：先用scRNA-seq构建高分辨率的细胞类型参考图谱，再用反卷积算法（如RCTD、SPOTlight）将空间转录组数据中的每个spot（检测单元）拆解为多种细胞类型的混合比例。

KM生存曲线与ROC曲线验证模型性能

在PAAD的空间分析中，研究者利用RCTD算法将单细胞注释信息映射到空间切片上，发现IFI27与KLK10主要高表达于高恶性区域（状态B），并与CAF和M2巨噬细胞存在空间共定位。这一发现不仅解释了单细胞层面的基因表达特征，还揭示了肿瘤微环境中"恶性细胞-基质细胞"的空间协同关系。

此外，单细胞数据还可以与Bulk RNA-seq、TCGA公共数据库进行整合。研究者通过DESeq2分析TCGA-PAAD与GTEx正常胰腺组织的差异表达基因，再与GeneCards中的中心体扩增相关基因取交集，从4625个DEGs中筛选出23个候选基因，最终经LASSO回归构建5基因预后模型。这种"单细胞发现-大样本验证"的研究范式，正在成为肿瘤学研究的标准流程。

四、细胞通讯分析：谁在与谁对话

肿瘤微环境中的细胞并非孤立存在，而是通过配体-受体相互作用形成复杂的通讯网络。CellChat、CellPhoneDB等软件利用单细胞表达数据，推断不同细胞类型之间的潜在通讯路径。其基本假设是：如果细胞A高表达某配体，而细胞B高表达其对应的受体，那么A与B之间可能存在功能性信号传递。

风险评分与临床病理特征关联分析

在PAAD研究中，CellChat分析显示高评分导管上皮细胞与成纤维细胞、巨噬细胞之间存在更频繁的通讯，尤其MIF-(CD74+CD44)与MIF-(CD74+CXCR4)信号轴在高评分组中显著增强。MIF（巨噬细胞迁移抑制因子）是一种多功能细胞因子，其受体CD74在多种免疫细胞中表达。这一发现提示，MIF信号可能是连接恶性上皮细胞与免疫抑制微环境的关键桥梁。

然而，需要谨慎的是，CellChat预测的是"潜在的"通讯事件，基于的是配体与受体的共表达关系，而非直接的实验验证。高表达的配体-受体对并不一定意味着真实的生物学功能，还需要结合功能实验（如受体阻断、条件性敲除）来验证。因此，单细胞通讯分析更适合作为假说生成工具，为后续机制研究提供方向。

五、轨迹推断：细胞状态的动态演化

单细胞数据是"快照"式的，每个细胞只反映其被捕获瞬间的基因表达状态。为了重构细胞状态的动态演化，研究者开发了伪时间（Pseudotime）分析算法，如Monocle、Slingshot等。这些算法假设细胞在连续的状态空间中排列，通过寻找表达变化最显著的基因（称为"轨迹依赖基因"），将细胞沿着一条或多条轨迹排序，从而模拟分化或状态转换的过程。

突变谱与TMB分布分析

在PAAD研究中，研究者以导管上皮细胞为对象，采用Monocle3的DDRTree算法构建伪时间轨迹。结果发现，IFI27的表达随伪时间呈上升趋势，而TOP2A的表达则先升后降，暗示这两个基因可能在肿瘤演化的不同阶段发挥不同作用。结合空间转录组数据，研究者还发现高恶性区域（状态B）的细胞主要分布在伪时间轨迹的末端，支持"恶性程度随时间递增"的模型。

值得注意的是，伪时间并不等同于真实的时间，它只是根据基因表达相似性构建的"计算时间"。如果样本来自不同患者，还需要考虑个体差异对轨迹推断的影响。此外，某些细胞状态可能是循环或可逆的，而伪时间算法通常假设单向演化，这类情况需要特别小心。

六、从研究到临床：预后模型与药物敏感性预测

单细胞数据的临床转化价值，在于它能够发现传统Bulk分析难以捕捉的预后标志物。在PAAD研究中，研究者从scRNA-seq数据中筛选出5个中心体扩增相关基因（IFI27、KIF20A、KLK10、SPINK7、TOP2A），构建了风险评分模型。该模型在TCGA训练集中的2/3/5年AUC分别为0.752、0.826、0.764，在GSE183795等外部数据集中AUC达0.81以上，显示出良好的泛化能力。

药物敏感性预测分析

高风险组患者表现出更差的总生存期、更高的KRAS/TP53突变率、更强的DNA修复活性，以及更低的免疫浸润水平。基于CGP细胞系数据的药物敏感性预测显示，高风险组对吉西他滨、5-FU、厄洛替尼等药物更敏感，而对铂类化合物耐受性更强。这些发现为PAAD患者的个体化治疗提供了潜在的分子依据。

然而，从计算预测到临床应用的转化仍需大量验证工作。目前的研究主要基于回顾性公共数据库，缺乏前瞻性临床试验的支持。此外，单细胞测序的成本仍然较高，尚不适合作为常规临床检测手段。更为现实的策略是：利用单细胞数据发现关键标志物，再开发低成本的靶向检测方法（如qPCR、数字PCR或免疫组化）用于临床分层。

七、技术局限与优化方向

尽管scRNA-seq技术日趋成熟，仍然存在一些固有局限。首先是"Dropout"现象：由于mRNA捕获效率有限，许多低表达基因在单细胞数据中显示为"零表达"，这可能掩盖真实的生物学差异。其次是解离偏差：组织消化过程可能优先富集某些细胞类型（如悬浮的免疫细胞），而丢失黏附性强的细胞（如成纤维细胞或上皮细胞）。第三，scRNA-seq无法检测蛋白质水平的变化，而许多关键生物学过程（如信号通路激活）是通过蛋白质磷酸化而非mRNA变化来实现的。

针对这些问题，多模态单细胞技术正在快速发展。CITE-seq可以同时检测细胞表面的蛋白质标记与转录组，而scATAC-seq则能揭示染色质可及性状态。将转录组、蛋白质组与表观遗传数据整合，有望获得更完整的细胞状态画像。此外，空间单细胞技术（如CosMx SMI、Xenium）能够在保留空间信息的同时实现单分子分辨率，是scRNA-seq的重要补充。

八、总结与展望

单细胞RNA测序已经从一项前沿技术转变为肿瘤学、免疫学和发育生物学研究的常规工具。在PAAD的研究中，scRNA-seq不仅揭示了肿瘤微环境的细胞组成与功能异质性，还通过多组学整合构建了具有临床价值的预后模型。随着技术成本的下降和分析方法的完善，单细胞研究正从"描述性图谱"走向"机制性解析"，为精准医学的实施提供了坚实的分子基础。

九、做单细胞测序靠谱的品牌有哪些？

乐备实生物 labex 提供单细胞测序（scRNA-seq）技术服务，涵盖样本制备、单细胞捕获、文库构建、高通量测序与生物信息学分析全流程。同时配套液相芯片多因子检测、超敏电化学发光（MSD）蛋白定量以及流式细胞术免疫分型服务，支持从单细胞转录组到蛋白验证的多层次研究需求。