大规模单细胞分析总受限？看Flex Apex如何高效实现十亿级单细胞研究

大约30万亿个细胞。这是近期估计的人体内细胞总数(1)。无疑，这个数字令人震撼。为了更直观一些，目前估计银河系中的恒星数量为1000亿至4000亿颗(2)。那么，我们把范围缩小一点。

人脑中有多少个细胞？已发表的研究显示，神经元数量约为860亿，而且这一数字并未包含其他的非神经元细胞(3)。关于人类心脏状态的研究表明，仅心肌细胞就约有20亿个(4)。显然，大量细胞在我们的日常生活中发挥作用。这并不奇怪，因为体内正发生着许多活动。这些细胞帮助我们度过发育、受伤、患病和压力等各种阶段。

不过，哪些细胞对了解疾病发生和进展机制至关重要呢？又是哪些细胞决定了治疗的成败？在单细胞层面理解生物学意味着能解锁大量信息，从而解答关于人类健康的最复杂问题——而大规模研究则让您能够深入探究，找到这些答案。阅读本文，了解研究人员如何将这一技术应用于广泛的研究领域。此外，您还将了解到单细胞技术如何迅速发展，以简化工作流程，并加快宏大项目的成果产出。

大规模单细胞研究扩大影响力

尽管单细胞分析的核心在于揭示批量分析技术无法察觉的样本异质性，但许多项目还能通过扩大分析规模而进一步获益，包括加快研究进程、增加影响力并提高统计功效。

1. 扩大scRNA-seq分析规模的优势

一般来说，在分析更复杂的样本时，最佳做法是分析更多细胞。例如，像肿瘤微环境（TME）样本这种高度异质性的样本，或包含脆弱细胞（通常在样本制备过程中难以维持）的样本，都需要更大的细胞数量。

增加每个实验的细胞和样本数量也能提高统计功效，增强对结果的信心，并在大规模队列研究中实现有效的比较。

此外，在检测稀有或较小的亚群时，首先需要对大量单细胞进行测序。大规模方法能够更深入地分析样本，这意味着不需要富集特定细胞类型，而是对整个样本进行深度测序，在不引入偏倚的情况下产生必要的数据。

2. 鉴定稀有细胞并发现新的细胞类型

大规模研究可以帮助人们发现具有重大意义的稀有细胞。稀有或较小的亚群可能正是研究人员多年来苦苦寻找的缺失部分，有望揭示疾病的早期征兆或疾病进展过程中的过渡状态。

例如，每200个人类肺上皮细胞中只有一个CFTR+肺离子细胞，但这种稀有的细胞类型可能在囊性纤维化的进展中扮演重要角色(5)。肠神经系统（ENS）的功能障碍与消化功能紊乱和神经系统疾病的进展相关，但人类结肠中肠神经元的占比仅为1/300 (6)。最近对T细胞疗法和潜伏病毒重新激活的研究确定了一种更为罕见的细胞群：在输注产品中占比仅为1/10,000的CAR-T细胞。这些细胞具有高的人类疱疹病毒6型（HHV-6）转录活性，也许导致接受治疗的患者体内HHV-6病毒重新激活(7)。

3. 构建疾病及细胞图谱

详细而准确的细胞图谱为健康和疾病领域的各种研究提供了全面的参考，无论您追踪的是发育中的预期变化还是不可预测的疾病进展。为了探究人体的防御系统如何随时间自然变化，艾伦免疫学研究所的研究人员构建了一个健康人类免疫系统的单细胞图谱（含1600万个细胞），成功解析了稀有但功能上重要的外周免疫细胞亚型(8)。如今，这些不可思议的资源正在揭开让我们保持健康的细胞机制，以及在免疫失调中起作用的细胞机制。

为了解COVID-19患者的免疫反应失调，另一项研究的研究人员分析了近300份样本中的146万个细胞，生成了一幅全面的免疫景观，揭示了不同的上皮细胞和免疫细胞类型、显著的转录组变化，并为治疗策略的开发指明了方向(9)。

4. 发现和验证生物标志物

无论是疾病相关的基因突变，还是反映疾病进展的蛋白质水平，生物标志物的重要性怎么强调都不为过。一些能够加速生物标志物发现和验证的方法为研究人员提供了重要工具，有助于更好地了解疾病机制，推进疾病检测工作并改善治疗方案的开发。

在一项研究中，宾夕法尼亚大学的科学家分析了超过100万个细胞，试图了解COVID-19患者的免疫失调对疾病严重程度有何贡献，这些细胞来自60名健康供体、36名康复供体和125名COVID-19住院患者(10)。通过将PBMC免疫分析数据与临床元数据（包括疾病严重程度）相整合，他们鉴定出三种与临床结局相关的免疫表型。

5. 鉴定和验证药物靶点

在药物发现流程中，靶点的鉴定和验证是至关重要的早期步骤，为下游成功奠定了基础。高通量研究可加速这一过程，实现更大规模的筛选，进而揭示疾病潜在机制的新见解，包括细胞信号通路和调控网络。

在抗击癌症的斗争中，肿瘤异质性以及治疗应答的差异已成为一个难以应付的对手，而高度异质性会阻碍某些癌症的治疗(11)。更好地了解免疫检查点抑制剂耐药性，无疑将极大促进新型靶点的鉴定，进而推动更有效疗法的开发。为此，科学家们在近期研究中对超过20万个细胞进行多模态分析，并结合大规模CRISPR筛选（超过750种扰动），揭示了影响耐药性的新机制(12)。从更宏观的角度审视药物开发流程面临的挑战，这种开展百万级细胞研究并获得多组学读数的能力在消除瓶颈方面展现出巨大潜力。

单细胞太多，时间太少：克服规模扩大后的挑战

当您着手开展雄心勃勃的研究，并大规模构建单细胞文库时，可能会觉得有些力不从心。根据检测方法的不同，处理大量细胞或样本可能费时费力，而且对某些单细胞方法而言，时效性也是一个考量因素。（说实话，您在规划实验时必须牢记时间是极其宝贵的资源。）此外，您的研究需要在任何规模下都保持高的数据质量。我们的Flex系列检测产品能帮助您直面这些挑战，其工作流程让您能够轻松扩大规模，且无需任何妥协。

1. 按您的时间表扩展，并支持更多样本类型

Flex检测产品采用快速简便的固定方案，支持使用新鲜、冷冻和固定细胞（甚至包括固定全血和FFPE样本）进行大规模的单细胞研究。这些可靠的方案不仅缓解了样本处理的紧迫性，还支持长达一年的样本储存且不影响数据质量。这意味着样本可以先储存，（必要时）集中至中心地点，稍后再批量处理，因此特别适合多中心、大规模及纵向研究。

2. 大规模单细胞分析同样维持高质量的数据

突破性的发现源于精准且值得信赖的数据。基于探针的Flex化学技术经过优化，确保您能高度灵敏地覆盖人类或小鼠样本上的蛋白编码基因，即使是RNA受损的样本也不例外。多组学选项进一步支持全面分析，可捕获CRISPR向导RNA、细胞表面蛋白或细胞内蛋白。

作为Chromium单细胞平台的一部分，Flex凭借在数分钟内自动生成数百万个细胞微滴的能力，实现了高达80%的细胞捕获率和卓越的重复性。这些检测在多个技术重复中表现出极低的技术变异性和高重复性，其中不同运行、用户和时间点的R²值高达0.97。真正高效的工作流程让您能够在不牺牲性能的前提下扩大规模。

Apex引领大规模研究

我们最新的检测产品Flex Apex在这些能力的基础上，融合样本处理和运输流程方面的重大突破，为大规模scRNA-seq分析提供了理想方案。其关键在于基于微孔板的多重检测能力，它实现了颠覆性的规模扩展，每周可对384个样本或上亿个细胞进行分析。

“10x Genomics推出的新款384重Flex分析（Apex）彻底改变了游戏规则——它能以极低的成本分析数百万个细胞。通过固定细胞后进行分批处理，并确保与液体处理自动化系统兼容，我们现在能够以前所未有的深度和精度探索功能性免疫应答。”

艾伦研究所高分辨率免疫学高级总监Peter Skene博士

这种便捷的96孔板格式与自动化设备兼容，减少了样本处理步骤，简化了工作流程，同时支持仅使用部分微孔板，可按照您自己的节奏扩大实验规模。需要先进行试点研究？不用担心。按需使用试剂的灵活性让您在开展小规模研究时也能避免浪费——只在需要的时候使用需要的试剂。

这种灵活性还在进一步延伸，在实验设计时既可将样本数量最大化，也可增加单个样本中的细胞数量，或将这两种策略相结合。您可在《用户指南》的第25和26页详细了解这些选项(13)。

基于微孔板的多重检测加快了CRISPR混合文库和阵列文库筛选，促进了大规模功能基因组学筛选。依赖存档组织的工作（比如回顾性研究）也能轻松扩展：一种微孔板形式的FFPE组织切片的快速热处理样本制备方案实现了更高通量（最多支持96个FFPE蜡卷）(14)。

放眼更广阔的未来：规划您的下一项高影响力研究

介导免疫应答的T细胞。耐药的细胞亚群。指示癌症转移的稀有循环肿瘤细胞。您的大规模研究将揭示哪些突破性细节？我们对此充满期待，并将在整个过程中随时为您答疑解惑。

参考资源：

1. Hatton IA, et al. The human cell count and size distribution. Proc Natl Acad Sci U S A 120: e2303077120 (2023). doi: 10.1073/pnas.2303077120

2. Milky Way. Wikipedia. Updated February 24, 2026. Accessed February 26, 2026. https://en.wikipedia.org/wiki/Milky_Way

3. Maroso M. A quest into the human brain. Science 382: 166–167(2023). doi: 10.1126/science.adl0913

4. Malliaras K, Terrovitis J. Cardiomyocyte proliferation vs progenitor cells in myocardial regeneration: The debate continues. Glob Cardiol Sci Pract 2013: 303–315 (2013). doi: 10.5339/gcsp.2013.37 

5. Montoro D, et al. A revised airway epithelial hierarchy includes CFTR-expressing ionocytes. Nature 560: 319–324 (2018). doi: 10.1038/s41586-018-0393-7

6. Drokhlyansky E, et al. The Human and Mouse Enteric Nervous System at Single-Cell Resolution. Cell 182: 1606-1622.e23 (2020). doi: 10.1016/j.cell.2020.08.003

7. Lareau CA, et al. Latent human herpesvirus 6 is reactivated in CAR T cells. Nature 623: 608–615 (2023). doi: 10.1038/s41586-023-06704-2

8. Gong Q, et al. Longitudinal Multi-omic Immune Profiling Reveals Age-Related Immune Cell Dynamics in Healthy Adults. bioRxiv (2024). doi: 10.1101/2024.09.10.612119

9. Ren X, et al. COVID-19 immune features revealed by a large-scale single-cell transcriptome atlas. Cell 184: 1895–1913e19 (2021). doi: 10.1016/j.cell.2021.01.053

10. Mathew D, et al. Deep immune profiling of COVID-19 patients reveals distinct immunotypes with therapeutic implications. Science 369: eabc8511 (2020). doi: 10.1126/science.abc8511

11. Guillen KP, et al. A breast cancer patient-derived xenograft and organoid platform for drug discovery and precision oncology. bioRxiv (2021). doi: 10.1101/2021.02.28.433268

12. Frangieh CJ, et al. Multimodal pooled Perturb-CITE-seq screens in patient models define mechanisms of cancer immune evasion. Nat Genet 53: 332–341 (2021). doi: 10.1038/s41588-021-00779-1

13. https://www.10xgenomics.com/support/flex-gene-expression/documentation/steps/library-prep/gem-x-flex-v2-for-multiplexed-samples

14. https://www.10xgenomics.com/support/flex-gene-expression/documentation/steps/sample-prep/sample-preparation-from-ffpe-tissue-sections-for-gem-x-flex-gene-expression