单细胞测序16问经典答疑 击败细胞通讯分析疑问，易答网络助你收藏

单细胞测序技术近年来飞速发展，为生命科学和医学研究带来了前所未有的分辨率。从实验设计到数据分析，尤其是细胞通讯分析等高级环节，研究者常遇到诸多疑问。本文整理了16个经典问题与解答，涵盖单细胞测序全流程，并重点针对细胞通讯分析的常见疑惑进行解析，形成一张易答网络，建议收藏备查。

1. 问：单细胞测序需要多少细胞量？
答：不同平台要求不同。10x Genomics建议每个样本目标细胞数为500-10000个，实际投入细胞量需考虑捕获效率（通常约50%-60%）。对于稀有细胞类型，可考虑富集或使用低通量平台。

2. 问：如何选择单细胞测序平台？
答：需综合考虑细胞大小、通量、多组学需求、预算等。10x Genomics适合高通量、常规细胞；Smart-seq2适合全长转录本、低通量；BD Rhapsody支持多组学和靶向检测。

3. 问：单细胞样本制备的关键注意事项？
答：保持细胞活性>90%，避免细胞聚团，使用温和解离方法，全程低温操作，去除死细胞和碎片。样本制备质量直接决定数据质量。

4. 问：单细胞测序需要做生物学重复吗？
答：强烈建议。生物学重复可评估个体间变异，提高统计效力。通常至少3个重复，但需根据研究目的和资源权衡。

5. 问：如何确定测序深度？
答：10x Genomics常规建议每个细胞至少20,000-50,000 reads。若关注稀有转录本或可变剪接，需增加深度。可先进行预实验评估。

6. 问：单细胞数据质控有哪些关键指标？
答：包括每个细胞检测到的基因数（通常500-6000）、UMI数、线粒体基因比例（通常<10-20%）、核糖体基因比例、双重细胞率等。需根据组织类型调整阈值。

7. 问：如何去除双重细胞（doublets）？
答：可使用Scrublet、DoubletFinder等工具基于模拟双细胞进行识别。对于10x数据，也可参考官方DoubletFinder流程。注意过度去除可能损失真实细胞。

8. 问：单细胞数据如何归一化和整合？
答：常用LogNormalize或SCTransform归一化。整合批次效应可使用 Harmony、Seurat CCA、scVI 等方法。需评估整合效果，避免过度整合。

9. 问：如何选择聚类分辨率？
答：聚类分辨率影响簇的数量。可通过观察聚类树、使用Clustree工具或根据生物学知识选择。通常选择使簇内差异小、簇间差异明显的分辨率。

10. 问：如何注释细胞类型？
答：结合已知marker基因、自动注释工具（SingleR、scType）和手动检查。注意不同组织marker差异，建议参考多个数据库和文献。

11. 问：细胞通讯分析有哪些常用工具？
答：常用工具有CellPhoneDB、CellChat、NicheNet、Connectome等。CellPhoneDB基于配体-受体数据库，考虑多亚基复合物；CellChat整合信号通路和网络分析；NicheNet可预测配体对靶基因的影响。

12. 问：细胞通讯分析对输入数据有什么要求？
答：需要注释好的细胞类型标签和归一化表达矩阵。建议每个细胞类型至少有10-20个细胞，否则统计效力不足。数据应来自同一实验批次或已校正批次。

13. 问：如何解读细胞通讯分析结果？
答：关注显著富集的配体-受体对、通讯强度和数量。结合生物学背景验证，如空间分布、基因表达相关性。避免过度解读统计显著性，需实验验证。

14. 问：细胞通讯分析中如何考虑空间信息？
答：传统分析基于表达推断，忽略空间距离。可结合空间转录组数据（如10x Visium）或使用空间信息约束工具（如COMMOT、SpatialDM）提高准确性。

15. 问：细胞通讯分析的常见陷阱有哪些？
答：包括数据库偏倚、表达阈值设定主观、细胞类型注释错误、忽略多细胞复合物、未考虑可溶性因子扩散等。建议多工具交叉验证，并结合实验验证。

16. 问：如何提高细胞通讯分析的可靠性？
答：使用多个数据库和工具交叉验证；设置合理的表达阈值和置换检验；考虑生物学重复和统计检验；整合通路和下游靶基因分析；最终通过实验（如免疫组化、功能实验）验证关键通讯。

以上16问涵盖了单细胞测序从实验到细胞通讯分析的核心疑点。建议研究者收藏本网络，遇到问题时快速查阅。随着技术迭代，新的工具和方法不断涌现，保持学习与验证是关键。