整合单细胞多组学与遗传学汇总统计，已经能把疾病风险信号精确定位到特定细胞类型。选择哪条技术路线取决于手头数据：有基因型数据时优先做 sc-eQTL，有 scATAC 数据时做富集分析，二者都缺时可用单细胞风险评分方法。实际操作上，先完成细胞注释和 pseudobulk 汇总，再从 DRCTdb、Human Cell Atlas、GTEx 等资源中检索已有证据，往往比从零开始分析更高效。
简述:
- 仅在拥有基因型数据时，优先考虑进行sc-eQTL分析，有scATAC数据时则进行染色质富集分析，缺少两者时采用单细胞风险评分方法。
- 利用染色质开放区域、表达水平和遗传关联证据链，通过三条路径确认疾病相关细胞类型，从不同角度提供证据支持。
- 核心分析方法包括sc-eQTL、LDSC染色质富集、细胞水平风险评分和基因精细定位技术，选择时应结合手头数据类型与研究目标。
- 主要数据资源如DRCTdb、Human Cell Atlas和GTEx，已涵盖大量样本和研究结果，能大幅提升分析效率。
- 规范的研究流程应包括明确研究问题、数据预处理、路线选择、统计校正和功能验证，确保发现的有效性和可复制性。
目录
- 把单细胞数据与遗传学信号关联起来的总体思路
- 关键分析方法详解
- 主要数据资源与可用模型
- 实践工作流：从数据准备到功能验证
- 局限、常见陷阱与稳健验证策略
- 从研究发现到可交付服务的实施范例
- 未来几年值得关注的方法学方向
- 以 RareLabs 为起点，把发现推进到功能验证
- 常见问题
- 来源
把单细胞数据与遗传学信号关联起来的总体思路
识别疾病相关细胞类型本质上是在三类证据链之间建立桥梁：染色质可及性、基因表达和遗传关联。每条链各自成立一套方法体系，彼此独立又能相互印证。
第一条路径基于染色质：把细胞类型特异的开放区域（peak）映射到单核苷酸多态性，再用连锁不平衡评分回归（LDSC）评估某个细胞类型的开放区域是否富集了某个疾病的遗传信号。这条路径需要 scATAC-seq 数据和对应疾病的 GWAS 汇总统计，不要求研究队列自带基因型。
第二条路径基于表达：把单细胞表达数据按个体汇总成 pseudobulk，再做表达数量性状位点（eQTL）分析，或是把细胞类型表达谱与组织级 eQTL 模型结合。这条路径对样本量要求更高，通常需要数十到上百个个体的配对基因型与单细胞数据。
第三条路径不依赖个体基因型，而是把 GWAS 相关基因集加权后映射到每个细胞，计算出一个风险评分，用来判断哪些细胞或细胞状态富集了疾病遗传负荷。
三条路径的证据性质不同：染色质富集指向调控机制，表达关联指向因果基因,风险评分指向细胞层面的整体负荷。把三者结果放在一起看，比单独依赖任何一条路径更能支撑一个站得住脚的细胞类型判断。
关键分析方法详解
每种方法回答的问题略有不同,选择时要先看自己手上有什么数据,再决定用哪种方法补全证据链。
- sc-eQTL 与 pseudobulk：把每个个体的单细胞数据按细胞类型汇总成一个表达值,再对个体间差异做 eQTL 映射。统计建模的核心是把个体当作独立观测单位,避免把同一个体内的多个细胞当成独立样本处理,这类错误会显著放大假阳性率。
- LDSC 结合 scATAC peak 富集：从细胞类型特异的开放染色质区域出发,把 peak 映射到 SNP,再用 LDSC 检验某个细胞类型的遗传力是否显著富集在该区域。这一步只需要公开的 GWAS 汇总统计,不要求研究自带基因型样本。
- TGFM 等基因组织精细定位方法：把基因与组织（或细胞类型）配对,计算每对的后验概率（PIP）,用于判断某个基因在某个细胞背景下驱动疾病风险的可能性。这类方法能补充传统组织级 eQTL 覆盖不到的细胞对。
- scDRS：把 GWAS 相关基因集按效应量加权,计算出每个单细胞的风险分数,再看哪些细胞类型或状态的分数显著偏高。这种方法不需要个体基因型,但容易受基因集构建方式和背景基因表达噪声影响,结果需要和其他方法交叉验证。
单细胞遗传学综述指出,这几类方法共同构成了当前识别疾病相关细胞类型的主要工具箱,单独使用任何一种都有各自的局限。
主要数据资源与可用模型
不必每次都从头收集数据,很多关键资源已经公开可查。DRCTdb 是一个整合型数据库,收录了数百万个单细胞多组学样本,覆盖多个组织和多种遗传疾病,并整合了多项研究的结果,适合作为探索某个疾病候选细胞类型的第一站。
Human Cell Atlas 提供了跨组织的大规模参考表达谱,是做细胞注释时最常用的比对基准之一。GTEx 则提供了跨组织的 eQTL 数据,可以用来构建基因表达预测模型,再把这些模型应用到 GWAS 汇总统计上做富集分析。
Jagadeesh 等人的工作展示了把单细胞表达数据（包括 iPSC 来源的 sc-eQTL）与 GWAS 结合后,如何确认帕金森病和精神疾病相关的基因与细胞类型,证明了这套资源组合在真实研究中的可行性。多数数据库会标注使用许可和获取方式,检索前先确认是否需要受控访问申请。
实践工作流：从数据准备到功能验证
把上述方法落到具体项目里,通常遵循一套相对固定的步骤。
- 定义问题并选择样本：明确想研究的疾病表型,选择能获取的组织或细胞来源,估算病例与对照的样本量需求。
- 单细胞数据预处理：完成质控、细胞类型注释、批次校正,并识别可能存在的亚型或状态差异,再按个体构建 pseudobulk 汇总。
- 选择分析路线：有基因型数据时做 sc-eQTL,有 scATAC 数据时做 LDSC 富集分析,两者都缺时用 scDRS 或基因集富集作为替代。
- 统计检验与多重比较校正：始终以个体为统计单位进行假设检验,避免把同一个体的多个细胞当作独立样本,否则会产生伪重复问题。
- 功能验证：用 CRISPR 干扰、ASO 扰动或 iPSC 来源模型验证候选基因与细胞类型的因果关系,并尽量在独立队列中复制结果。
验证阶段常用的具体手段包括：
- 在独立队列中重复关联分析,确认结果不是样本特异的偶然发现。
- 用 CRISPR 敲低或过表达候选基因,观察细胞表型是否按预期变化。
- 结合原位杂交或空间转录组数据,确认候选细胞类型在组织中的实际分布。
专业提示： 优先以个体为单位做 pseudobulk 分析,而不是直接比较单细胞层面的表达差异,这样能显著降低假阳性率。
局限、常见陷阱与稳健验证策略
组织可得性是最常见的限制。很多疾病相关的靶组织（比如特定脑区或胚胎期组织）难以在活体中采样,这时可以用 iPSC 分化模型、类器官或 cell village 策略作为替代,但要清楚这些模型和原位组织之间存在差异,结论需要谨慎推广。
细胞类型和细胞状态是两个不同的概念,必须分开报告。关于肿瘤微环境的综述指出,同一类巨噬细胞在不同极化状态下可能表现出完全相反的功能,仅凭类型标签无法解释致病机制,必须结合功能证据才能判断因果性。
个体数不足是另一个常见陷阱,样本量过小会导致统计功效不够,容易产生假阴性或不稳定的关联。
稳健验证通常包括以下几项:
- 在独立队列中重复关键发现。
- 通过基因扰动实验验证因果方向。
- 结合原位或组织学证据确认细胞类型的实际分布。
群体规模的单细胞基因型联测研究将显著提升 sc-eQTL 的可发现性,是当前领域公认的发展方向之一，详见群体规模单细胞基因组学综述。
从研究发现到可交付服务的实施范例
把统计关联转化为可验证的生物学假设,往往需要走到功能验证和药物筛选阶段。我们提供患者来源 iPSC 疾病建模与生物样本库服务,支持在患者自己的细胞模型中检验候选细胞类型和基因假设。
我们开展高通量药物筛选服务,同时提供定制反义寡核苷酸设计、合成与体外救援验证,帮助把统计证据推进到功能层面。对于需要递交监管材料的团队,我们还整理综合数据包。
一个典型项目从患者取样开始,经过 iPSC 建模、药物筛选和基因扰动验证,最终形成科研或临床相关的结果。联系前准备好临床病历摘要、样本可及性说明和已有的基因型或测序数据概况,能让项目启动更顺利。
未来几年值得关注的方法学方向
扩大规模的单细胞基因型联测研究会继续提升 sc-eQTL 的发现效率,这是最直接可预见的进展。长读长测序与空间转录组学同 scATAC 数据结合,将有助于更精确地解析调控元件的作用范围。在组织样本难以获取的场景下,生成式和预测性模型可能成为推断细胞层面遗传效应的补充手段。
— John
以 RareLabs 为起点，把发现推进到功能验证
当统计关联已经指向某个候选细胞类型和基因,下一步往往是在患者自己的细胞里验证。我们提供从患者来源 iPSC 建模、高通量药物筛选到定制 ASO 验证的完整服务链，并在需要时整理 IND 申报所需的数据包，可以通过 RareLabs 服务页面了解具体流程。
联系前建议准备好以下三项信息：
- 患者的临床病历摘要。
- 现有样本的可及性说明。
- 期望获得的交付物类型，例如药物筛选报告或基因治疗可行性评估。
常见问题
所有细胞类型共有哪些特征？
所有细胞类型都具备细胞膜、遗传物质和进行代谢活动的基本结构，这是判断某个群体是否构成独立细胞类型的起点。在疾病相关细胞类型的研究中，区分这些共性特征和特异性标志物同样重要，后者才是定位致病细胞的关键。
遗传性疾病能否治愈？
目前多数遗传性疾病尚无法实现根治，但通过基因治疗、反义寡核苷酸和小分子药物干预，部分疾病的症状可以得到控制或改善。具体治疗选择取决于致病基因的性质和可干预靶点，这也是为什么精确定位疾病相关细胞类型对治疗开发至关重要。
基因主要分为哪三类？
按功能通常把基因分为编码蛋白质的结构基因、调控其他基因表达的调控基因，以及不编码蛋白但具有功能的非编码基因。在疾病相关细胞类型的研究中，这三类基因都可能通过不同机制影响细胞表型。
哪些疾病与特定细胞类型密切相关？
自身免疫性疾病、神经退行性疾病和多种肿瘤都已被证实与特定细胞类型或细胞状态密切相关，例如发表的研究将帕金森病和精神疾病关联到特定神经元亚型。识别这些关联是开发针对性治疗方案的重要前提。