在当下科研浪潮中，单细胞测序无疑是高频“出镜”的顶流技术，为无数高分文章铺平道路，堪称“万金油”。单细胞测序结合分子机制研究算是非常经典的研究思路。

我们来看看最近在ADVANCED SCIENCE上发表的一篇影响因子14.3分，题为Pan-Cancer Single-Cell and Spatial-Resolved Profiling Reveals the Immunosuppressive Role of APOE plus Macrophages in Immune Checkpoint Inhibitor Therapy的文章。

这篇文章作者整合scRNA-seq和bulk RNA-seq数据，通过全面的单细胞分析以及体内和体外实验，深入探索了APOE(+)巨噬细胞在ICI响应中的潜在机制。验证了APOE(+)巨噬细胞与CD8(+)衰竭T细胞（Tex细胞）之间的相互作用和较长的空间距离对ICI响应的影响。构建了一个M.Sig模型，以预测免疫检查点抑制剂（ICI）治疗的响应情况，并且M.Sig模型在预测ICI疗效和泛癌患者的预后方面表现出显著优势。

图1 接受ICI治疗的泛癌患者的免疫细胞图谱

图2 构建M.Sig模型以预测ICI反应和预后

Tips：以上面分享的文章为例，现在很多单细胞高分文章，往往不只是采用单细胞测序一种技术，而是联合bulk RNA-seq，共同解决问题。

为什么要“bulk”&“单细胞”双剑合璧？

也许大家会疑惑：单细胞测序都如此细致，为什么还需要群体水平的bulk RNA-seq呢？答案很简单：互补与精确。

1.降低单细胞测序的技术误差

在许多单细胞研究中，细胞是通过组织分离（酶消化）和荧光激活细胞分选（FACS）来获取，但是酶解对细胞转录组会产生不同程度的影响。bulk RNA-seq的总体数据可以验证和校正这些偏差，从而提高数据的准确性。

2. 数据的广度与深度互补

Bulk RNA-seq提供了总体的表达水平，而scRNA-seq帮助揭示其中的细胞异质性，使得研究人员能在宏观和微观上同时理解样本中的基因表达。

3. 细胞群体异质性的解析与验证

ScRNA-seq可检测到bulk RNA-seq难以检测到的稀有细胞类型，bulk RNA-seq的数据能够作为宏观的验证数据，提供整体基因表达水平的参考。在进行稀有细胞群体的进一步分析时，bulk RNA-seq的数据提供了更大数据支持，以提高可靠性。

4. 不同数据分析方法的补充性

Bulk RNA-seq数据适合做差异表达分析、富集分析等总体分析，而scRNA-seq更适合用于细胞类型分类、伪时间分析等个体层面的细胞动力学研究，双管齐下可以全面了解基因表达的动态变化与时间过程。

单细胞测序如今已经突破了“高成本、低通量”的限制，进入高通量、高准确率、高性价比的新阶段。

参考文献：

1.Liu C, Xie J, Lin B,et.al. Pan-Cancer Single-Cell and Spatial-Resolved Profiling Reveals the Immunosuppressive Role of APOE+ Macrophages in Immune Checkpoint Inhibitor Therapy. Adv Sci (Weinh). 2024Jun;11(23):e2401061.

2.Wang L, Jin B. Single-Cell RNA Sequencing and Combinatorial Approaches for Understanding Heart Biology and Disease. Biology (Basel). 2024 Sep 30;13(10):783.