方法目的#
单细胞 RNA 测序分析用于在单细胞分辨率下识别细胞类型、细胞状态、疾病相关转录变化和细胞间通讯关系。
适合回答的问题#
- 牙周炎组织中哪些免疫细胞或 stromal cells 发生扩增？
- OSCC 中 malignant epithelial cells、TAM、CAF、T cells 是否存在特定状态？
- bulk RNA-seq 中观察到的 signature 来源于哪些细胞类型？
- 疾病进展过程中是否存在连续的细胞状态变化？
不适合回答的问题#
- 单独估计总体组织中精确细胞比例，尤其在 dissociation bias 明显时。
- 在没有空间信息时直接推断空间邻近关系。
- 不经验证就确定细胞间通讯是真实物理互作。
核心步骤#
- 读取 count matrix。
- 细胞质控：基因数、UMI 数、线粒体比例等。
- 标准化与高变基因选择。
- 降维：PCA、UMAP/t-SNE。
- 聚类。
- 细胞类型注释。
- 差异表达和 marker gene 分析。
- 细胞状态、轨迹、通讯或整合分析。
常用工具#
R#
- Seurat
- SingleCellExperiment
- Monocle
- CellChat
- inferCNV
Python#
- Scanpy
- AnnData
- scvi-tools
- scVelo
- Squidpy
口腔生信应用场景#
- 牙周炎免疫微环境解析。
- OSCC tumor microenvironment 分析。
- 牙髓、牙周膜、牙龈组织细胞图谱构建。
- bulk signature 的细胞来源解释。
常见误区#
- 只看 UMAP，不做严谨 marker 验证。
- 细胞注释完全依赖自动工具，不结合文献 marker。
- 忽略批次、样本来源和组织消化偏倚。
- 把细胞通讯分析结果直接当作真实配体-受体互作。
相关 Wiki 页面#
- 牙周炎
- 口腔鳞状细胞癌
- 巨噬细胞