摘要：单细胞多组学技术通过整合单细胞层面的基因组、转录组、表观组及蛋白质组等多维数据，突破了传统群体细胞研究的技术瓶颈，为解析复杂疾病的异质性、细胞互作网络及动态调控机制提供了革命性工具。本文系统阐述该技术的发展脉络、核心方法及其在肿瘤、免疫疾病、发育生物学等领域的
单细胞多组学技术通过整合单细胞层面的基因组、转录组、表观组及蛋白质组等多维数据，突破了传统群体细胞研究的技术瓶颈，为解析复杂疾病的异质性、细胞互作网络及动态调控机制提供了革命性工具。本文系统阐述该技术的发展脉络、核心方法及其在肿瘤、免疫疾病、发育生物学等领域的前沿应用，深入探讨其在精准医学中的转化潜力与挑战，并展望其推动医学研究范式革新的未来方向。
传统组学技术基于群体细胞的平均信号输出，难以捕捉单细胞层面的异质性信息。单细胞测序技术（如 scRNA-seq）的诞生首次实现了单个细胞基因表达的精准解析，而单细胞多组学技术则通过整合多维度分子数据，进一步构建起细胞状态的立体认知框架：
时空维度整合：空间转录组技术（如 10x Visium、Xenium）将基因表达数据与组织空间位置信息耦合，在肿瘤微环境研究中定位免疫细胞与癌细胞的特异性互作区域。分子层面交叉解析：通过 scRNA-seq 与 ATAC-seq 联合分析，同步捕获基因表达与染色质可及性动态，在神经母细胞瘤中鉴定出化疗诱导的 AP-1 转录因子通路表观激活事件。跨组学建模：整合基因组（突变谱）、转录组（表达谱）、蛋白质组（蛋白丰度）数据，构建单细胞分辨率的调控网络，在阿尔茨海默病研究中揭示 β- 淀粉样蛋白沉积与神经元转录失调的级联效应。肿瘤细胞状态可塑性调控单细胞多组学揭示肿瘤细胞存在功能异质性亚群，如神经母细胞瘤中肾上腺素样（ADRN）与间质样（MES）表型，前者对化疗敏感，后者驱动耐药与转移。化疗后 ADRN - 基线亚群减少，而 ADRN - 钙、Interm-OXPHOS 等代谢重塑亚群富集，提示能量代谢重编程在耐药中的关键作用。微环境互作网络解析
在三阴性乳腺癌中，空间多组学显示肿瘤相关巨噬细胞（TAM）通过分泌 HB-EGF 激活肿瘤细胞 ERBB4/ERK 通路，形成 “促增殖 - 耐药” 正反馈环。单细胞免疫组库分析（scTCR-seq）则发现耗竭型 CD8+T 细胞与 PD-L1 + 肿瘤细胞的空间共定位，为免疫检查点抑制剂联合使用提供空间证据链。自身免疫病致病细胞鉴定
类风湿关节炎（RA）研究中，单细胞 RNA 测序识别出 CLCF1+Th17 细胞亚群，其与滑膜成纤维细胞通过 IL-17A/IL-6 通路互作驱动关节炎症。表观组分析显示该亚群的 RUNX1 转录因子结合位点呈高染色质可及性，提示表观调控在致病性 T 细胞分化中的决定性作用。感染免疫动态轨迹追踪
新冠病毒感染研究中，单细胞多组学构建重症患者肺泡巨噬细胞的 “过度炎症 - 免疫耗竭” 双状态模型，发现 CD14+CD16 + 单核细胞向促炎型 M1 巨噬细胞的异常分化路径，为托珠单抗靶向 IL-6 通路的精准应用提供单细胞证据。
在脊髓性肌萎缩症（SMA）中，单细胞 RNA 测序揭示运动神经元与星形胶质细胞的代谢偶联异常：星形胶质细胞乳酸转运蛋白 MCT1 表达下调导致乳酸供给不足，进而引发运动神经元能量代谢障碍。空间代谢组学验证显示，外源性乳酸补充可改善小鼠模型的运动功能。此外，该技术在人类胚胎发育研究中重构了内细胞团向原始内胚层分化的单细胞轨迹，为着床失败的机制研究提供新维度。
低起始核酸的扩增偏差：依赖微流控芯片（如 Drop-seq）与新型标记技术（如 DNA 条形码）降低扩增偏倚，结合 UMI（唯一分子标识符）实现绝对定量。多组学数据整合的标准化：开发跨平台分析工具（如 Seurat、Harmony）及统一数据格式（如 HDF5），通过深度学习算法（如 scVI）解决批次效应与维度灾难。空间分辨率与通量的平衡：新兴技术如 Xenium In Situ 实现亚细胞级分辨率（~1 μm），但单次检测基因数有限（1000-5000 基因），需结合计算外推模型（如 SPOTlight）构建全局表达图谱。液体活检动态监测：通过分析循环肿瘤细胞（CTC）的单细胞突变谱与表观特征，实时追踪肿瘤克隆进化。例如，在慢性髓性白血病中监测 BCR-ABL 突变克隆的异质性演变，指导酪氨酸激酶抑制剂（TKI）的个体化用药。细胞治疗产品优化：在 CAR-T 细胞生产中，利用单细胞测序筛选高功能亚群（如 CD45RO+CD62L + 记忆 T 细胞），通过调控 IL-7/IL-15 信号通路维持细胞干性，提升产品抗肿瘤活性。药物靶点高通量筛选：结合 CRISPR-Cas9 单细胞扰动实验（如 Perturb-seq），在胰腺癌细胞中鉴定出 SOX9 是维持 “干细胞样” 状态的必需基因，为开发谱系特异性抑制剂提供方向。单细胞多组学技术通过解构细胞异质性与分子网络，推动医学研究从 “群体平均” 向 “单细胞精准” 转型。其在肿瘤微环境时空解析、免疫细胞动态分型、罕见病致病路径追溯等领域的突破，不仅深化了对疾病本质的认知，更催生出基于单细胞特征的新型诊断标志物（如肿瘤细胞状态评分）与治疗策略（如 TAM 重编程疗法）。随着微流控技术、人工智能算法与低成本测序平台的协同发展，单细胞多组学有望在未来十年内成为临床常规检测手段，实现从疾病机制研究到个体化诊疗的全链条赋能，开启 “单细胞医学” 的崭新时代。
来源：医学顾事
