单细胞测序技术颠覆肿瘤研究的底层逻辑

长期以来，肿瘤研究依赖于 bulk 测序技术。这种方法将大量肿瘤细胞混合在一起进行核酸提取和测序，最终得到的是细胞群体的平均信息。它可以告诉我们某个基因在肿瘤样本中是否高表达，也可以检测常见驱动突变，但无法回答一个更关键的问题：这些变化究竟发生在哪一类细胞、哪一个克隆、哪一种微环境状态中。当肿瘤内部存在高度异质性时，平均信号很容易掩盖重要的细胞亚群信息。单细胞测序技术的出现，正是为了解决这一问题。

单细胞测序的核心突破，在于把测序分辨率从组织块推进到单个细胞。它可以一次分析成千上万甚至更多细胞，获得每个细胞的基因表达、基因突变、拷贝数变异、染色质开放区域或蛋白表达信息。这样一来，研究人员不再只是看到一个 “肿瘤样本”，而是能看到由不同细胞类型、不同细胞状态、不同克隆亚群组成的复杂细胞社会。

在肿瘤研究中，单细胞测序首先改变了人们对肿瘤异质性的理解。肿瘤并不是由单一克隆无限扩增形成的均质团块，而是像一棵不断分枝演化的树。不同肿瘤细胞在复制过程中会积累不同突变，形成多个亚克隆。这些亚群可能具有不同的增殖能力、侵袭能力、耐药能力和转移潜能。传统 bulk 测序只能检测到占比较高的克隆，而单细胞测序能够识别稀有亚群，尤其是那些与耐药和复发相关的小克隆。

其次，单细胞测序极大提升了肿瘤微环境研究精度。过去研究人员常常用 “免疫细胞浸润高或低” 来描述肿瘤免疫状态，但这种描述仍然偏宏观。单细胞测序可以进一步区分 T 细胞、B 细胞、巨噬细胞、树突状细胞、中性粒细胞和基质细胞的具体状态。例如，它能识别耗竭型 CD8⁺T 细胞、组织驻留记忆 T 细胞、促炎型巨噬细胞、修复型巨噬细胞、癌相关成纤维细胞等亚群。这些信息对于理解免疫治疗响应和耐药机制非常重要。

在耐药机制研究中，单细胞测序也表现出独特价值。治疗耐药并不一定来自所有肿瘤细胞共同发生的改变，而可能来自少数预先存在的耐药亚群，或者来自治疗压力下新产生的细胞状态转换。例如，某些肿瘤细胞在靶向药物处理后，可能并没有发生新的耐药突变，而是通过转录组重编程进入一种耐药状态。单细胞测序能够捕捉这些动态变化，帮助研究人员区分 “预先存在的耐药克隆” 和 “治疗诱导的耐药状态”。

单细胞测序也在改变临床转化路径。它可以分析穿刺样本中的稀有肿瘤细胞、循环肿瘤细胞、胸腔积液或腹水中的肿瘤细胞，帮助判断肿瘤亚型、转移风险和治疗响应。在免疫治疗中，单细胞测序还可以预测患者是否更可能从免疫检查点抑制剂中获益。不过，目前单细胞测序仍存在成本高、数据分析复杂、样本处理要求高等问题，常规临床应用还需要流程标准化。

总体而言，单细胞测序不是传统测序技术的简单升级，而是一种研究范式的转变。它让肿瘤研究从 “群体平均” 走向 “细胞分层”，从 “静态观察” 走向 “动态演化”。随着技术成本下降和分析平台成熟，单细胞测序将在肿瘤精准医疗中发挥越来越重要的作用。