单细胞测序技术在遗传研究中的应用
单细胞测序（Single-cell Sequencing）是近十余年发展起来的一类高通量测序技术，它以单个细胞为分析单元，对基因组、转录组或表观基因组进行读取，从而揭示传统群体测序（bulk sequencing）无法分辨的细胞间差异。在分子遗传研究中，这一技术正在改变我们观察基因变异、基因表达与细胞命运的方式。
传统测序将成千上万个细胞的核酸混合后读取，得到的是群体的“平均值”。这种做法掩盖了两类关键信息：
- 遗传异质性：同一组织或同一肿瘤中，不同细胞可能携带不同的突变、拷贝数变异或呈现不同的基因表达状态；
- 稀有细胞群体：干细胞、循环肿瘤细胞、免疫前体细胞等稀有群体的信号，容易被大量常见细胞稀释而无法检出。
单细胞测序将“平均”还原为“分布”，使研究者能够在单个细胞水平追踪遗传物质的组成与表达。
二、技术流程与主要类型
典型的单细胞测序流程包括四个环节：
- 单细胞分离：常用流式分选（FACS）、微流控芯片（如 10x Genomics Chromium）或激光捕获显微切割；
- 核酸扩增：单个细胞中 DNA/RNA 含量极低，需经全基因组扩增（WGA）或体外转录放大；
- 建库测序：加入细胞条形码与分子标签（UMI）后进行高通量测序；
- 数据分析：包括细胞聚类、轨迹推断、变异检测与可视化等。
按检测对象，主流技术可分为：
- scRNA-seq：单细胞转录组测序，代表方法如 Smart-seq2、10x 3' 端测序，用于刻画基因表达图谱；
- scDNA-seq / scWGS：单细胞基因组测序，用于检测点突变、拷贝数变异与染色体结构异常；
- scATAC-seq：单细胞染色质可及性测序，揭示调控元件的开放状态；
- 多组学联合：如 CITE-seq（转录组联合蛋白检测）等，实现同一细胞的多维度刻画。
三、在遗传研究中的典型应用
- 绘制细胞图谱与发育轨迹：人类细胞图谱（Human Cell Atlas）计划利用 scRNA-seq 系统编目人体细胞类型；在胚胎发育研究中，单细胞数据可重建细胞谱系，定位关键基因的时序表达模式。
- 肿瘤遗传异质性与克隆演化：对白血病、乳腺癌等样本进行单细胞基因组测序，可分辨不同亚克隆携带的突变组合，追踪治疗压力下的克隆选择，为精准治疗提供依据。
- 生殖遗传与植入前诊断：对早期胚胎卵裂球进行单细胞测序，可同时筛查染色体非整倍性与单基因突变，辅助生殖遗传学诊断。
- 体细胞嵌合与神经遗传：对单个神经元进行全基因组测序，揭示了大脑中广泛存在的拷贝数变异与点突变嵌合现象，为神经发育疾病研究提供了新视角。
- 基因表达调控研究：结合 scATAC-seq 与 scRNA-seq，可在单细胞层面将顺式调控元件与靶基因表达相关联，解析等位基因特异性表达与调控网络。
四、与经典分子遗传内容的衔接
单细胞测序并非取代经典遗传学框架，而是为其提供更高分辨率的数据支撑。例如：
- 在突变与修复层面，单细胞数据可用于估计体细胞突变率、刻画修复缺陷细胞的突变特征谱；
- 在细胞质遗传层面，单细胞线粒体基因组测序能够量化异质性的细胞间分布，追踪母系遗传变异在组织中的传递。
上述方向各有其内在机制与技术细节，将在后续专题文章中分别深入展开。
五、局限与展望
当前技术仍面临若干挑战：扩增偏差与"dropout"效应影响数据完整性；单细胞分离过程可能引入应激性表达伪影；成本与数据分析门槛较高。未来，长读长测序与单细胞技术的结合、空间转录组学以及多组学整合，将进一步把遗传信息与细胞的空间位置和命运联系起来。
小结
单细胞测序把遗传研究从“群体平均”推进到“细胞个体”，其核心价值在于揭示异质性、追踪稀有细胞与重建动态过程。掌握其技术类型与应用全景，是理解现代分子遗传研究方法体系的重要一步。