话三 | 探寻单细胞数据的边界
赛尔，你好。
在这第三封家书里，想和你聊聊我对单细胞数据边界的体会。作家苏心说：人与人之间的关系，就像两棵共同生长的树木， 彼此靠得太近了，互相滋扰遮挡，肯定长不好，甚至会枯萎。只有保持适度距离的守望，才能枝繁叶茂，华枝春满。
那么，单细胞数据的边界在哪里呢？或者，现在我们如何画出这个边界的轮廓？
单细胞与Bulk的边界在哪?
在分析边界之前，我们先来讲讲单细胞数据的漫无边际。当我们取到一块生物组织，并进行单细胞测序之后，我们可以对这个组织提出三个问题：
- 这块组织中有哪些细胞类型？--细胞类型注释--who
- 这些细胞类型在组织中正在做什么？--细胞轨迹/通讯/互作--how
- 为什么是这些细胞类型在做这些功能？--基因调控--why?
鉴于单细胞测序可以测组织内所有细胞的所有基因(人类两万一千多个蛋白表达基因均可测到)，也就意味着，几乎人体所有的通路也都能富集的到。从基因这个维度，我们总能找到几个细胞类型特异的基因，然后回归到bulk的分析与验证框架中，如生存分析、RNA染色。这也是单细胞数据的第一个边界：与Bulk的边界在哪？
一个遇到的情况是：自己从单细胞数据开始，找到几个细胞类型特异的基因，做下游验证，故事证据链完整。老师问：我们要做这些结果，之前的bulk测序数据就行了，为什么要做单细胞测序？
单细胞数据可不可以做基因表达分析，可以，这要建立在细胞类型特异的基础上。
在一切都在按组学的规模进行的今天，不仅转录组是这样，表观、蛋白组等组学都是这样，每个组学，进入到单细胞分辨率都需要在这个边界上作以区分，包括分选之后做的单细胞测序。
单细胞与空间的边界在哪？
上周吾家睿见上发了一篇《生命大科学：从微观到介观的组学研究》文章。起初我还特地查了一下什么叫”介观“，是指介于微观和宏观之间的一种看问题的尺度。当然，生物与物理或化学领域的介观又各不相同。生物学的微观到分子，比分子再小的归属物理了；宏观到生态，比生态还大的归属物理了。这只是我简单直观的理解，不一定是对的，和你探讨。
根据这篇文章，我做了一些梳理，如下图，不知道家睿老师会不会看到^_^
这两年大家也在提单细胞组学、空间组学、时空组学，真真一派一切皆组学的万千气象。那之前取了组织直接做bulk测序的，可以唤作组织组学。
在以上类似构词法中，我们不难发现，所谓的新组学，并不是新的组学，如翻译组、连接组、微生物组（当然，它们也各是一种组学），而是分辨率与组学的结合。如：
- 单细胞+基因组/转录组/蛋白组
- 空间+基因组/转录组/蛋白组
- 时空 + 基因组/转录组/蛋白组 所以，第二个边界在这里：单细胞与空间都不是组学，而是一种分辨率。
有了这个真知灼见，我们就能理解不管空间上取得sopt大小还是原位成像，抑或是亚细胞单位，这些都是分辨率不同。而细胞是生物的基本结构单元与功能单位，也就是都要回到单细胞水平上来讲故事。这就是大于单个细胞分辨率的要做反卷积，小于单个细胞的要做算法模型的原因。
数量与质量之间的边界？
当我们拿到单细胞数据的时候，往往是几万个单细胞，我们的数据分析是一个一个地分析这些细胞吗？
没有人会这样做，我们的做法是去做细胞和基因层面的质控，细胞去除低质量的/双细胞，基因去除一些应激或背景污染。当我们做这些的时候，也不是一个细胞一个细胞地做，而是降维聚类，必知必会。把成千上万个细胞分成十几二十个不同的簇，每个簇去看。而这十几二十个簇，也不是一一对应于细胞类型。
那么，如何平衡细胞数和每个细胞质量的关系呢？
基于以上单细胞数据分析实践，单细胞数据分析的基本单元不是单个细胞，而是有功能意义的簇(cluster)。所以，不用纠结单个细胞的质量，甚至是一个非常小的簇，只有十几二十个细胞，到底该如何定义抑或是不是双细胞。
单细胞数据虽然获得的是成千上万个细胞，到我们讲生物学故事的时候，以及在构筑生物学故事的时候，我们都是以‘簇’为单位来进行的，这里的‘簇’可能是细胞类型/细胞状态。于是，我们又有以下真知灼见：如果说，细胞是生物的基本结构单元与功能单位，那么，单细胞数据中的簇，就是单细胞数据分析的基本结构与功能单位。
生信分析与实验验证的边界在哪？
实验验证是一把悬挂在生物信息学上的达摩克利斯之剑，生信得到的结果，想要有说服力，就要做实验验证。那么，生物信息做到什么程度，可以开始做实验验证呢？
这个问题对单细胞数据来讲尤其重要，因为单细胞数据细胞数量和基因数量很多，如果很快进入实验验证，可能会花费大量的时间和经费。
曾经听一个老师的讲座，讲到：湿实验两个月，干实验做两年。这说明了数据分析周期比较长的特点，如果我们反过来，干实验做两个月，就去验证，大家可以想象得到湿实验需要做多久吗？
就在上周，science发了十篇脑单细胞空间数据，带着今天关于单细胞数据边界的体会，不妨找点空闲，找点时间，看看大文章。向宇宙进发，就算不能抵达，也将收获跌落星辰的浪漫。
最后，做经验丰富，技术到位，生物学问题定力强的生物信息分析，审慎地解读生信数据，宁可多在生信上多花一点时间，以提高实验验证的成功率。
你的运来 于南京 20240601