1.单细胞测序introduction（10×genomics技术）的原理

1.为什么选择单细胞RNA-seq
在人体组织中，细胞类型、状态和相互作用的多样性令人难以置信。为了更好地了解这些组织和存在的细胞类型，单细胞RNA-seq（scRNA-seq）提供了在单个细胞水平上表达的基因的一瞥。

2.单细胞RNA-seq可以用来干（四声）嘛（四声）
这种令人兴奋和尖端的方法可用于：

探索组织中存在哪些细胞类型
识别未知/稀有细胞类型或状态
阐明分化过程中或跨时间或状态的基因表达变化
鉴定在不同条件（例如治疗或疾病）中在特定细胞类型中差异表达的基因
探索细胞类型之间表达的变化，同时整合空间、调控和/或蛋白质信息

3.单细胞测序（10×genomics技术）的原理(数据产生)
单细胞 RNA 测序（Single cell RNA sequencing，scRNA-seq）是一种在单细胞水平上利用 RNA 测序对特细胞群体进行基因表达谱定量的高通量实验技术。待测组织经过单细胞分离、RNA 提取、逆转录、文库构建和测序，便可利用数据分析（cellraner+seurat等）获得多个细胞的基因表达谱。

4. 单细胞转录组遇到的挑战
   在scRNA-seq之前，使用批量RNA-seq进行转录组分析，这是一种比较细胞表达平均值的简单方法。如果查看比较转录组学（例如来自不同物种的相同组织的样本），以及在疾病研究中量化表达特征，则该方法可能是一个不错的选择。如果您不期望或不担心样本中的细胞异质性，它也有可能发现疾病生物标志物。
   虽然批量RNA-seq可以探索不同条件（例如治疗或疾病）之间基因表达的差异，但细胞水平的差异并未得到充分捕获。例如，在下面的图片中，如果进行批量分析（左图），我们将无法检测到基因A和基因B的表达之间的正确关联。但是，如果我们按细胞类型或细胞状态正确地对细胞进行分组，我们可以看到基因之间的正确相关性。
   尽管scRNA-seq能够在细胞水平上捕获表达，但样本生成和文库制备更加昂贵，分析更加复杂且难以解释。scRNA-seq数据分析的复杂性包括：

1.海量数据
2.每个细胞的测序深度低 （技术的瓶颈了）
3.细胞/样品之间的技术差异
4.细胞/样品之间的生物学变异性

个人觉得最大的挑战还是在于分析：不同人的分析水平层次不齐、分析出来的结果可信度能有几何？

5. 总体而言，我们建议以下几点：
   不要进行单细胞RNA-seq，除非对于感兴趣的实验问题是必要的。您能否使用更简单且成本更低的批量测序来回答这个问题？也许FACS对样品进行分类可以进行批量分析？
   了解您希望解决的实验问题的详细信息。推荐的文库制备方法和分析工作流程可能因具体实验而异。
   如果可能的话，避免技术上的可变性来源：

在实验开始之前与专家讨论实验设计
同时从样品中分离 RNA
同时制备文库或交替制备样品组，以避免批次混淆
不要按性别、年龄或批次混淆样品组

ref: 单细胞RNA-seq