1. 为什么乳房上皮细胞的多样性是个值得反复讨论的问题如果你看过几篇乳腺生物学或者乳腺癌研究的文章会发现一个很常见的表述乳腺是一个高度异质性的组织。这句正确的话在很长一段时间里其实是模糊的——我们知道乳腺里有管腔细胞、肌上皮细胞、成纤维细胞、免疫细胞甚至脂肪细胞但具体到管腔细胞到底可以分成几种状态它们在乳腺癌里对应哪些亚型这些问题靠着传统的免疫组化或者混合组织的bulk RNA测序始终答不彻底。原因不难理解。常规测序把一块组织里的几十万个细胞一起破碎、提RNA、做测序出来的表达量是所有人的平均值。如果一个稀有细胞亚群只占组织的1%它的信号就会被淹没在其余99%的背景里。乳房上皮细胞更是如此因为它不仅包含基底和管腔两大类每一类内部还可能存在不同的分化阶段和激素受体状态。平均值掩盖了细胞与细胞之间的真实差异这是传统技术最大的盲区。单细胞RNA测序scRNA-seq解决了这个问题。它先把组织解离成单个细胞悬液再逐一给每个细胞加上带有唯一标签的捕获微珠逆转录扩增后统一测序最后通过标签把每个细胞的转录组重新区分开。这样一来一张组织里究竟有哪几类细胞、每类细胞的标志基因是什么、细胞之间的分化关系如何都能以逐个细胞的分辨率被看清楚了。这类研究的价值不仅在基础生物学。人乳房上皮细胞的多样性直接关系到乳腺癌的起源细胞、分子分型和治疗耐药。用scRNA-seq去精确解剖这个组织等于给乳腺癌的复杂表型找到了一个细胞层面的解释框架。所以这篇文章想带你看懂这样一项典型的单细胞研究研究者如何识别乳房上皮细胞的细胞多样性又是如何把这些亚群和乳腺癌的风险联系起来的。无论你是刚接触单细胞数据分析的学生还是在临床上想理解不同分子亚型来源的从业者这篇文章都尽量用能落地的方式来拆解。2. 实验设计阶段单细胞测序方案背后的权衡2.1 样本选择和细胞解离决定细胞图谱长什么样子的一步要说单细胞实验里最容易被低估的一步一定是组织消化。乳房组织富含脂肪和致密胶原不同年龄、不同生理状态的样本成分差异非常大。研究者通常会把新鲜组织切成小块用含有胶原酶和分散酶的消化液在37℃条件下处理数小时然后通过密度梯度离心或者过滤筛网去除死细胞和碎片得到单细胞悬液。这里有一个关键细节消化时间长短会直接影响细胞亚群的检出比例。时间太短细胞簇没有完全解开双细胞率和上机堵孔率都很高时间过长部分上皮细胞可能因为酶解损伤而丢失或者改变转录状态。一个合格的研究者会在正式上机前做梯度预实验用台盼蓝或者AO/PI双染估算细胞活率活率低于85%的样本一般不建议继续往下走。我这里想强调所谓的细胞活力并不等同于转录组保真度。就算活率合格长时间的酶孵育也会让细胞进入应激状态热休克蛋白和线粒体基因比例升高这些基因随后可能被当作技术噪声在质控中被过滤掉但同时也可能掩盖真实的生物学差异。所以学界现在越来越倾向于缩短消化时间、加入保护剂、甚至采用温和的低温解离方案就是为了让得到的转录组尽可能贴近体内真实状态。2.2 建库测序和细胞投入数量的选择确定好单细胞悬液之后接下来的核心问题有两个建库平台和细胞通量。目前常用的商用平台普遍基于微流控双水相技术将单个细胞、逆转录试剂和带有条码Barcode的凝胶微珠包裹在一个个微滴里每个微滴内完成裂解和逆转录最后回收微滴统一扩增建库。这种方案的通量可以轻松达到每样本数千到上万个细胞足以辨识比较细致的细胞亚群。细胞数量怎么定取决于你关心什么层次的生物学问题。如果你想粗分上皮、免疫、基质三大类几千个细胞就够了但如果你想在管腔细胞内部继续划分出表达状态不同的亚群就需要投入更多的细胞否则稀有亚群容易被抽稀后续聚类时无法形成独立群落。一般经验是针对乳房上皮细胞这样本身占比较高、但内部异质性明显的组织单样本回收5000到8000个高质量细胞是相对稳妥的起点。如果样本数够多每个样本少一些也能通过后续合并分析来弥补但如果只做两三个样本那宁可单样本多跑一点细胞。还有一个常被忽略的点是批次效应。乳房组织的供体年龄、月经周期阶段、绝经状态都会影响上皮细胞的构成。如果实验设计里没有把不同状态样本均衡地分配到不同建库批次里后期分析会非常痛苦——你很难判断聚类图上分开的两个群到底是生物学差异还是批次差异。所以实验设计阶段就要做好样本与批次的交叉安排这是我认为整项研究里最骗不了人的一个环节。2.3 数据质控哪些阈值是合理的、哪些需要按样本微调上机测序之后得到的原始数据要先经过比对照参考基因组、构建基因表达矩阵的过程。接下来是质控这一步的通行指标包括每个细胞的UMI总数、检测到的基因数和线粒体基因占比。UMI唯一分子标识符数过低说明这个细胞的RNA捕获效率太差可能是空液滴或破碎细胞过高则可能存在双细胞或多细胞污染。线粒体基因占比高通常意味着细胞膜破裂、胞浆RNA泄漏只留下了线粒体转录本。不同组织、不同解离方案下这些指标的合理范围差别很大。乳房组织因为脂肪较多消化过程中细胞膜容易受损线粒体占比常常整体会比血液或者培养细胞偏高一点。所以拿到一个统一的阈值就往上套不是好做法更稳妥的是先看特征的分布曲线在拐点处确定阈值。一个大概的范围可以参考基因数低于500到800个、线粒体基因占比高于20%的细胞建议剔除UMI过高的细胞需要检查双细胞比例必要时换用DoubletFinder这类基于表达谱相似度模拟的双细胞识别工具。质控宁可稍微严格一点因为下游的聚类、差异分析、拟时序分析都会因为几个异常细胞而产生连锁偏差。3. 从UMAP到细胞亚群如何读懂一张乳腺细胞图谱3.1 降维与聚类的基本逻辑高维表达矩阵如何变成二维点云拿到过滤后的表达矩阵下一步是找哪些细胞转录组相似。常用的分析流程会先做标准化、变量基因鉴定再经过主成分分析PCA把两万多个基因的高维空间压缩到几十个主成分最后用UMAP或t-SNE把细胞嵌入到二维平面上。UMAP的视觉效果很直观——相似的细胞聚成一个个云团不同的细胞类型彼此分开。但很多初学者容易犯一个理解偏差UMAP上看起来挨得近不代表生物学上一定相似而看起来远可能是全局结构被局部投影拉伸后的结果。它更多是帮助我们形成假设而不是严格证明亲缘关系。聚类分析的通行做法是基于图论的方法。先为每个细胞找到邻居构建细胞间的K近邻图再用模块化算法把联系紧密的细胞社区划分出来得到一个个clusters。聚类的分辨率参数会直接影响得到的亚群数量分辨率调低亚群少粗犷但稳健分辨率调高亚群多精细但可能把同一个细胞类型的连续状态生硬切开。对于乳房上皮细胞合理的做法是从中等分辨率出发先确认大群稳定再对上皮细胞单独做亚聚类避免让一个大的管腔细胞群掩盖内部的细微差异。3.2 乳腺上皮细胞的两个大类和它们的标志基因聚类完成后紧接着就是细胞类型注释。这一步要结合已知的经典标志基因来判断每个cluster的身份。乳房上皮细胞的核心区分是基底细胞和管腔细胞此外还会掺入一些内皮细胞、免疫细胞、成纤维细胞等背景细胞群。常用标志基因大致如下细胞类型典型标志基因说明基底/肌上皮细胞KRT5、KRT14、TP63、ACTA2、MGP位于导管和腺泡的外层兼具收缩功能管腔细胞KRT8、KRT18、FOXA1、GATA3、CD24构成导管内层常表达激素受体相关基因内皮细胞PECAM1、VWF、CDH5血管成分属于非上皮细胞成纤维细胞COL1A1、DCN、LUM间质成分注意与肌上皮区分免疫细胞PTPRC、CD3D、LYZ组织驻留免疫细胞值得注意的地方在于基底细胞的界定经常和肌上皮细胞混在一起。在乳腺里KRT5阳性的基底细胞有一部分同时表达ACTA2具备平滑肌样的收缩功能这就是传统意义上的肌上皮细胞但也有部分基底细胞并不表达这些收缩基因可能更接近干细胞/祖细胞状态。如果文章里的聚类结果中基底细胞群出现了多个亚群不要觉得奇怪那往往正是它内部功能异质性的真实反映。反过来管腔细胞也并不是一个均一的群体这一点我们下面专门展开。4. 管腔细胞的隐藏差异被平均化掩盖的亚群4.1 激素受体相关基因从病理学走进转录组在乳腺癌病理检查中医生常年使用免疫组化来判断雌激素受体ER、孕激素受体PR和人表皮生长因子受体2HER2的状态。这些分子分类直接关系到治疗选择。但在单细胞转录组层面管腔细胞内部的状态要远比病理切片上的阳性/阴性分类细腻得多。一项典型的单细胞研究通常会在管腔细胞群中再聚类鉴定出表达ESR1、PGR这些激素受体基因的管腔细胞亚群也鉴定出不表达这些基因、但高表达另一类分泌相关基因的亚群。值得注意的是ESR1的表达本身在单细胞里往往呈现一种低表达、不均匀的特征——也就是说不是所有管腔细胞都整齐地高表达同一个受体基因而是存在一个从高到低的连续状态谱。这给研究人员提了个醒把基因表达二值化阳性/阴性来看待很有可能会人为地抹掉处于中间状态的那批细胞。从生理功能上讲这些亚群对应乳腺不同发育阶段的需求。未育女性的乳腺以未分支导管和少量腺泡为主妊娠和哺乳期则大量增殖并分化出具有分泌功能的管腔细胞绝经后退化。单细胞研究可以在这些不同状态的组织里鉴定出特异性表达的转录因子和分泌蛋白比如某些乳蛋白基因在分泌状态的管腔细胞里显著上调而在静息管腔细胞里几乎不表达。所以管腔细胞内部的异质性既有谱系分化的关系也有激素环境驱动的动态变化。4.2 管腔亚群与乳腺癌分子分型的潜在对应理解了管腔细胞内部的亚群结构再回头去看乳腺癌的分子分型就会有对上了的感觉。激素受体阳性的乳腺癌在转录组上更接近表达ESR1的管腔细胞而基底样/三阴性乳腺癌的特征基因则更接近基底细胞或某类未分化前体细胞。单细胞研究的一个直接产出就是为这种肿瘤起源细胞假说提供了正常组织侧的证据图谱——如果正常组织里某个稀有细胞亚群的表达谱和某类癌细胞高度相似那就值得怀疑这类细胞是该亚型癌症起源的候选者。当然正常的组织细胞图谱和肿瘤细胞之间并不能画等号。肿瘤在进化过程中会产生大量突变和拷贝数异常单纯靠正常样本的聚类结果去推断肿瘤的细胞起源是有方法学边界的。但这并不妨碍一个非常有效的应用思路把患者的癌组织也放进同样的单细胞分析流程里观察肿瘤上皮细胞周围的免疫细胞和间质细胞状态发生了哪些变化进而寻找与耐药或复发相关的微环境特征。后面我会专门讲到这类研究的临床延伸价值。5. 把细胞亚群变成演化故事拟时序和调控网络5.1 拟时序分析的分化轨迹假设聚类图是一张快照它告诉你存在哪些细胞状态但不能直接告诉你这些状态之间的先后关系。拟时序分析就是用来补上这一环的。它利用转录组越相似分化阶段越接近的基本假设通过构建最小生成树或学习潜在的细胞分化轨迹把离散的细胞亚群排列成一个连续的过程并给每个细胞算出一个拟时间值。常用的方法包括Monocle 3、Slingshot和CytoTRACE它们在路径推断策略上略有差异但输出结果都可以帮助我们理解基底细胞和管腔细胞之间的祖-分关系。在乳房上皮细胞的研究里一个反复出现的轨迹结构是基底样/干样细胞处于轨迹的起点并逐步分化出管腔前体细胞再进一步成熟为具有不同功能特征的管腔亚群。这个结构符合我们对乳腺干/祖细胞系统的基本认知也与小鼠乳腺谱系追踪实验结果呼应。但我要提醒一点拟时序分析本质上是计算预测得到的轨迹不一定等于真实的动态过程。比如细胞周期状态、应激反应这些因素都可能让轨迹产生偏移。严谨的文章通常会在做完拟时序之后用RNA速度、线粒体RNA新旧比等额外指标来交叉验证轨迹方向染色质开放性数据如ATAC-seq也能从调控层面佐证。5.2 转录因子调控网络和上游调控分析找到亚群之后研究者还常会追问一个问题是什么决定了这些细胞的身份最直接的分析思路是比较亚群之间高表达的转录因子比如管腔群里FOXA1、GATA3、ELF3活跃基底群里TP63、SOX9、NFIB的调控得分更高。更进一步可以通过SCENIC这类方法从共表达模块和DNA基序富集里推断每个细胞里的调控子regulon活性——所谓调控子就是转录因子它调控的靶基因集合。分析结果往往能提示在分化轨迹的哪个节点上某个关键转录因子被激活从而推动细胞进入新的命运决定阶段。这些调控网络分析并不是孤立的计算游戏。如果某一组调控子在某个管腔亚群中特异性活跃而这个调控子又在某类乳腺癌亚型中高表达那么它就可以成为下一步功能实验的候选靶点——用类器官或者细胞系去做基因敲低/过表达验证它是不是真的能决定细胞身份转变。这个计算预测→功能验证的循环是单细胞文章从描述性发现走向机制研究的关键桥梁。6. 我在解读这类文章时的几个实用经验6.1 先看质控和图谱主干再对齐亚群命名这是我在阅读大量单细胞文献后养成的一个习惯。拿到一篇scRNA-seq解读类文章先别急着看它列出的每个亚群的marker列表而是先看一下原图数据里的细胞数、基因检出数、线粒体比例和样本来源。如果样本量很小所谓的新亚群可能只是个体差异如果线粒体比例整体偏高那应激基因可能会干扰下游的生物学解读。图谱主干部分我会优先确认基底细胞群和管腔细胞群是否稳定分离、免疫和间质细胞是否被正确识别。主干没问题再去研究管腔亚群里的细分发现。6.2 靠谱的亚群要有多重证据支撑现在不少文章聚类之后能产出几十个cluster但不是每个cluster都有真正的生物学意义。我判断一个亚群是否靠谱一般看三个维度第一它是否在其他独立研究的公共数据集中重复出现比如把本研究得到的marker基因列表放到公开乳腺单细胞数据集里测试第二它是否在蛋白或空间层面得到了验证比如免疫组化或者原位杂交证明该marker确实定位在特定的组织结构上第三它是否能够在功能实验中被干预并改变下游表型。满足两条以上我才敢说这个亚群的发现是可信的。6.3 空间信息是单细胞数据的重要拼图单细胞测序有一个天然的短板——细胞被解离后失去了原本所在的解剖位置信息。乳房上皮细胞位于导管和腺泡的不同部位基底层和腔层面的空间关系本来就决定了很多生物学过程这是单细胞测序看不到的。所以近年来空间转录组技术变得越来越重要。好的做法是把scRNA-seq发现的新亚群marker panel拿去做空间验证直接把哪个细胞群在哪一层标注出来。如果条件允许同一个样本同时做单细胞和空间转录组再通过计算反卷积把单细胞亚群映射到空间切片上能得到比单独用任何一项技术都完整的结果。6.4 关于单细胞技术应用到临床的一点思考我在实际工作中也看到有人希望直接用单细胞测序去做乳腺癌早筛或者液体活检因为循环肿瘤细胞和ctDNA的分析逐渐成熟。这类应用是有很大前景的但无论是从肿瘤异质性和治疗耐药的理解还是从新药靶点的发现单细胞RNA测序目前最大的价值还集中在研究层面。临床落地还需要解决成本、流程标准化和结果解读等一系列问题。对非专业人士来说与其纠结某个新亚群名称不如把这些概念看作细胞的身份证——它们可以帮助我们在庞大而混乱的细胞群体中更精准地找到需要关注的少数派。也许下一次当你在显微镜下或者病理切片里看到某个表达模式时脑海里会浮现出这可能是某个特殊的管腔状态而不是单纯的噪声——如果是这样这篇文章想传递的思维方式就到你这儿了。