企业官网建设流程全解析

亨廷顿病（Huntington's Disease, HD）这几年在神经科学领域的关注度持续升温，但大家的目光早就从致病基因那一段CAG重复序列，转移到了整个大脑微环境的动态变化上。我最近完成的一个课题，全称是"HD多组学——跨小鼠与人类病理特征的转录组学小胶质细胞分类学"，核心就一句话：用转录组学给不同状态下的小胶质细胞建立一套可靠的分类体系，并且让这套体系在小鼠模型和亨廷顿病人脑组织数据之间能够通用。这个项目不是简单跑一个单细胞流程出几张UMAP图，它涉及的跨物种锚定、病理特征对齐、多组学验证，每一步都有大量需要在实践中磨出来的细节。如果你正在做小胶质细胞相关的单细胞测序分析，或者准备做跨物种转录组整合，这篇文章里的实验设计思路、分析管线参数、以及踩过的坑，应该能帮你省掉大量试错成本。

1. 小胶质细胞研究为什么需要一套"转录组分类学"

1.1 传统分类方法的结构性局限

干这行的人应该都有体会，小胶质细胞的研究范式在过去十年里发生了剧烈变化。最早的时候，大家靠形态学分类——分枝状的就是"静息态"，阿米巴状的就是"激活态"。后来又有了流式细胞术和免疫荧光，靠CD68、Iba1、CD11b这些表面标记来区分。这些方法不是没用，而是分辨率太低了。形态学上看着都是分枝状的细胞，可能一个在正常巡逻，一个已经进入了早期应激状态，表达谱完全不一样。这种"看起来一样、实际上不同"的状况，在传统方法下根本无从分辨。

流式分选的问题则更具体：你能用的标记组合有限，通常只能选三到五个通道，这意味着你在实验之前就预设了"哪些亚群存在"。如果某个新型亚群的表面标记不在你的预设通道里，这个亚群就被系统性漏掉了。这种假设驱动的分类在单细胞时代到来之前是没办法的事，但现在回头看，确实是限制发现的关键瓶颈。

1.2 数据驱动的分类逻辑

转录组分类学本质上是一种数据驱动的方法：不预设细胞有几类，而是让细胞根据转录组表达的相似性自行聚集。背后的生物学逻辑很直接——转录组是细胞状态的最终共同通路，外界刺激、遗传变异、微环境变化，最后都会体现在基因表达谱上。所以用转录组相似度定义细胞状态，比形态学或个别表面标记可靠得多。

不过这里也要泼一盆冷水：转录组分类不等于真实分类。转录组相似只能说明两个细胞此刻的表达程序接近，但它们在发育起源、未来命运上可能完全不同。所以在构建分类学框架时，我的原则是：转录组聚类只是起点，必须配合染色质开放性、蛋白表达、空间定位等多维证据，才能最终确认一个亚群的合法性。这一判断在后文的多组学验证部分会展开细说。

1.3 DAM亚群的发现带来的示范效应

提到小胶质细胞的转录组分类，绕不开Keren-Shaul团队2017年在阿尔茨海默病小鼠模型里发现的疾病相关小胶质细胞（Disease-Associated Microglia, DAM）。这群细胞下调了稳态基因（P2RY12、CX3CR1、TMEM119），上调了溶酶体通路和脂质代谢相关基因（CST7、LPL、CTSB），而且这种转变是TREM2依赖的。这个发现最重要的示范意义在于：它第一次用单细胞转录组证明，病理状态下会出现全新的细胞状态，而不是简单的从A状态到B状态的表达量渐变。

这对我们HD课题的直接启发是：如果阿尔茨海默病有自己的DAM，那亨廷顿病大概率也有自己独特的小胶质细胞病理状态。而且不同神经退行性疾病之间，小胶质细胞状态可能存在共享的部分，也有各自特异的部分。这种共享与特异的交错关系，正是跨疾病、跨物种分类学研究最值得挖掘的地方。

2. 实验设计：让小鼠模型和人类数据真正可比

2.1 样本选择与模型匹配的细节

跨物种研究听起来高大上，落到实验设计层面全是细节。先说小鼠模型的选择。HD领域常用的是R6/2转基因小鼠和Q175敲入小鼠，不同模型在症状起始时间、严重程度上差异很大。我最终选择了Q175小鼠的两个时间点取样——症状前期和症状期——这样能捕捉到小胶质细胞从稳态向病理状态转化的完整轨迹。

人类样本这边，我们用的是亨廷顿病人死后脑组织的snRNA-seq数据。这里有个关键的技术路线选择：人类脑组织死后难以解离出高质量的活细胞，所以只能做单细胞核转录组测序（snRNA-seq）；而小鼠样本可以灵活选择scRNA-seq或snRNA-seq。如果要让两种数据最终可比，我的建议是尽量统一技术路线，要么都做snRNA-seq，要么在整合分析前做严格的技术批次校正。否则技术差异和物种差异会混在一起，你根本无法判断看到的差异到底来自哪个因素。

2.2 病理特征作为锚点：超越"小鼠vs人类"的二分法

这个课题标题里有个关键词——病理特征。这意味着我们不是简单地比较小鼠小胶质细胞和人类小胶质细胞，而是要把两边的数据锚定到具体的病理特征上。亨廷顿病的典型病理特征包括：mHTT聚集、纹状体神经元丢失、反应性胶质增生。在小鼠模型里，这些特征的时间和空间分布相对清晰；但在人类病人大脑中，各脑区病理严重程度差异很大，不同病人的进展阶段也不一样。

怎么处理这种异质性？我的做法是引入病理严重程度评分作为元数据维度。整合分析时，不单纯按物种分组，而是按病理阶段分组。把小鼠的症状期数据、人类的中晚期病人数据放在同一个病理锚点上比较，而不是简单地做物种二分。这一点是整个实验设计中最容易被忽略、但影响最大的决策。很多跨物种研究做完之后发现小鼠和人类对不上，根源往往就在于没有考虑病理阶段的对应关系，拿早期小鼠去对比晚期人类，当然什么都看不出来。

2.3 多组学数据层级的规划逻辑

这个课题叫HD多组学，所以数据层级不止转录组一层。我们在小胶质细胞层面同时规划了单细胞转录组（细胞身份和状态）、ATAC-seq（染色质开放性）、以及一部分空间转录组（用于确认亚群在脑组织中的空间分布）。这里要说清楚一个重要原则：多组学不是数据层越多越好，而是每一层数据都要回答一个转录组回答不了的问题。

转录组能告诉你细胞正在做什么，但很难告诉你为什么这么做。ATAC-seq补上的就是这一环——如果一个小胶质细胞亚群高表达某个炎症通路，那它的染色质开放性是否在该通路的转录因子结合位点上也有相应变化？空间转录组回答的则是"在哪里"的问题——一个转录组上清晰的亚群，是散布在脑组织中，还是富集在某个特定解剖区域，比如纹状体的病变核心？这些问题单靠转录组无解。规划多组学实验之前，先问自己每一层数据要回答什么具体问题，没有明确问题的那一层，不如不做。

3. 分析管线搭建：从fastq到细胞类型注释的核心实操

3.1 质控指标的设定不能照搬教程

单细胞分析的第一步是质控，但这里的坑比大多数人想象的多。教程里常写的通用标准是"线粒体基因比例<20%、基因数>200、UMI数>500"，那是基于细胞系或PBMC数据总结出来的。小胶质细胞是脑组织细胞，本身的代谢状态和分离过程对线粒体基因比例的影响很大。我实测下来发现，把线粒体基因比例阈值从20%收紧到10%，会丢掉的不是死细胞，而是一群代谢活跃的疾病相关亚群——它们在HD病理环境下确实上调了线粒体相关转录本。

我的建议是：先做一个宽松的初筛（过滤掉明显的Doublet和极端低质量细胞），然后完成第一轮聚类，再看每个亚群的质控指标分布，最后决定是否对特定亚群做二次质控。这种"先聚类、后质控"的策略在学术上可能会有争议，但在实际操作中确实能避免"跟着教程把真实生物学丢弃"的尴尬。另外，Doublet检测建议用scrublet或DoubletFinder跑一遍，但不要把预测结果直接当金标准，最好结合标记基因共表达的情况人工确认。

3.2 聚类分辨率的"黄金区间"怎么找

聚类分辨率这个参数，我见过太多人直接取Seurat默认值0.8跑完就交差。但在跨物种分类学项目中，这个参数直接决定了你最终定义多少亚群，进而影响整个分类框架的形态。分辨率太低，稀有但重要的病理亚群会并进大群；分辨率太高，一个连续的分化轨迹会被切成碎片化的伪亚群。

我在这类项目里的做法是：跑一个分辨率梯度（0.2、0.4、0.6、0.8、1.0、1.2），然后逐个检查UMAP和亚群标记基因热图。重点关注细胞比例小于5%的小群，看它们在不同分辨率下是稳定存在还是时聚时散。稳定存在的小群才有讨论价值，对分辨率参数敏感的"幽灵亚群"直接放弃。这个过程确实不够自动化，但能避免你拿着一个统计上显著、生物学上虚假的亚群去做后续验证。时间成本换数据质量，这笔账值得。

3.3 细胞注释：标记基因存在物种差异

细胞类型注释看似简单，用SingleR或者手动标记基因打分都能做，但跨物种时必须格外小心。小鼠和人类的同源基因大多数保守，但小胶质细胞的标记基因在不同物种间并不完全一致。比如小鼠小胶质细胞的经典标记Tmem119，在人类中并非所有小胶质细胞亚群都表达；如果只盯着TMEM119来判断"是不是小胶质细胞"，你就会漏掉那些在病理状态下下调该基因的亚群。

我的注释策略是"多层证据叠合"：先用自动注释工具做粗标，再手动检查一组包含阳性和阴性标记的小胶质细胞特征基因集，然后结合转录因子（如IRF8、SPI1在小胶质细胞中高表达）和已知的疾病相关标记做二次确认。对于HD样本，我还会检查HTT基因的表达量变化——虽然HTT的经典致病机制集中在神经元，但近年研究发现小胶质细胞中的突变HTT同样影响其免疫应答功能。注释阶段把这些因素纳入考虑，后面做亚群定义时才不会出方向性错误。

4. 跨物种整合：最考验分析功底的一个环节

4.1 你要整合的不只是技术批次效应

跨物种整合是这类项目中最容易出问题、也最需要分析判断力的部分。常规做法是用Seurat的FindIntegrationAnchors做锚点整合，或者用Harmony做批次校正。但要注意：这些工具处理的是技术批次效应，而跨物种比较里的物种差异并不是纯粹的批次效应，它包含了真正的生物学差异。

举一个具体的例子：人类小胶质细胞的补体系统基因基础表达量普遍高于小鼠，而小鼠则偏向于趋化因子基因高表达。如果你用整合算法把这种系统性差异完全抹平，那你就失去了回答"跨物种保守vs物种特异"这个核心问题的能力。这个问题我们在项目推进中反复讨论过，最终达成的共识是：整合的目的是建立对应关系，而不是消除所有差异。保留适度的物种特异性信号，反而有助于判断哪些亚群定义是跨物种保守的、哪些只存在于特定物种。

4.2 同源基因映射与锚点选择的细节

跨物种整合第一步是基因映射。小鼠基因名转人类同源基因名（或统一用Ensembl ID），这一步看似机械，其实直接影响后续所有分析。我的做法是优先使用Ensembl的orthologue映射结果，而不是简单靠基因名匹配——基因名在历史版本迭代中有太多遗留问题，会出现假匹配。映射完之后必须检查两件事：映射后保留了总基因数的多少比例？关键标记基因是否全部保留？如果某个关键基因在映射过程中丢了，后面所有依赖它的分析都会出问题。

锚点整合还需要注意一个容易被忽略的细节：不要一上来就用全部细胞做锚点。我们项目里的做法是，先抽取稳态状态下的小鼠和人类小胶质细胞建立锚点，形成稳态基准的对应关系，然后再把疾病状态的细胞映射到这个锚点框架上。这样能显著降低疾病状态下物种特异性信号对锚点质量的干扰。这个策略不算什么高深算法，但实际效果比直接全量整合稳定得多。

4.3 整合质量的三项验证指标

整合做得好不好，不能只看UMAP上两个物种的细胞混合得是否均匀。我一般用三个指标来做客观验证。

第一项是"同亚群跨物种共定位比例"。整合后的UMAP上，如果同一个亚群的小鼠细胞和人类细胞形成混合均匀的cluster，说明该亚群的转录组特征跨物种保守；反过来，如果同一个注释亚群在UMAP上仍然以物种为界分开，说明这个亚群的定义更多来自物种特异性基因，需要重新审视其定义方式。

第二项是"标签迁移交叉验证"。先在小鼠数据上训练一个分类器，预测人类细胞的类型；再反过来做人到鼠的预测。两个方向的准确率如果差异很大，说明分类标准存在物种偏倚，需要平衡。我们遇到的情况是：小鼠到人类的预测准确率明显高于人类到小鼠，这提示小鼠的分类特征中有更多保守信号被分类器捕捉到了，而人类数据的某些特异性特征在小鼠中找不到对应物。

第三项是"基因集富集一致性"。同一个亚群在小鼠和人类中富集的通路应当有较高的重叠度，但允许存在部分物种特异性通路。我一般设定Jaccard相似度大于0.4作为可接受下限，低于这个值就说明跨物种定义的亚群可能名存实亡。

5. 转录组分类与病理特征的关联：找到有临床意义的亚群

5.1 亚群内差异分析：拒绝大锅烩

完成分类和整合之后，下一步是把每个亚群和病理特征关联起来。这里有个非常常见的误区：直接在"疾病组vs对照组"里做差异表达，然后把所有差异基因堆在一起做富集分析。这样做出来的通路列表看似丰富，其实混杂了多种细胞类型、多种细胞状态的变化，完全说不清楚到底是谁在变。

正确的做法是"亚群内差异分析"：每个小胶质细胞亚群单独做HD组与对照组的比较，找出真正在特定亚群中发生变化的基因和通路。我用DESeq2的pseudobulk模式做这一步，它在处理技术噪声和生物学重复方面比直接在细胞水平上用Wilcoxon检验更可靠。注意pseudobulk要求每个样本、每个亚群的细胞数达到一定阈值（建议至少10到20个），低于这个阈值的亚群要么合并到相邻亚群，要么放弃该层面的差异分析。硬跑出来的结果全部是噪声，这个坑我替大家踩过了。

5.2 病理严重程度梯度：把二分类变成连续变量

更进阶的一步，是把病理特征作为连续变量而不是二分类变量来分析。比如纹状体病理严重程度从轻度到重度，我们把病人按这个梯度分组，然后看某个小胶质细胞亚群的比例是否随严重程度呈单调变化。如果确实呈线性或单调关系，这个亚群就非常值得关注——它大概率不是疾病的随机伴随现象，而是参与疾病进展的功能性角色。

在我们的数据里的确找到了一群这样的细胞：它们在转录组层面介于稳态小胶质细胞和DAM样状态之间，我们暂称其为"过渡态小胶质细胞"。这群细胞的比例在小鼠模型症状期和人类患者中晚期样本中显著升高，并与病理严重程度评分显著正相关。更有意思的是，这群细胞表达一部分DAM特征基因（如溶酶体相关基因上调），但还没有完全下调稳态基因，提示它可能是DAM的前体状态。如果没有把病理严重程度当作连续变量来分析，而是简单的疾病vs对照比较，这个过渡态的比例变化很可能被平均效应掩盖掉。

5.3 关联到因果：转录组证据的边界

要特别说明，细胞比例与严重程度的相关性只是线索，不是因果证据。小胶质细胞的这些变化既可能是神经元损伤后的反应，也可能是主动促进损伤的因素。在转录组数据里，我们很难完全区分这两种角色。我的处理方式是用配体-受体互作分析（CellChat或NicheNet）去推断小胶质细胞与神经元之间的潜在信号通路，关注那些在病理相关亚群中高表达的配体，在神经元或其他胶质细胞上是否有对应受体。

这一步能给你一个"谁可能在对谁说话"的候选假设，但最终验证假设还得回到湿实验：药物抑制该信号通路后，观察小胶质细胞亚群比例是否改变、神经元存活是否改善。转录组学的贡献是把候选名单缩小到一个可操作的规模，而不是代替功能实验给出答案。这个边界意识，做这类课题的人一定要有。

6. 多组学验证：让分类学框架真正立得住

6.1 ATAC-seq验证亚群的调控逻辑

一个转录组定义的亚群，如果在染色质开放性层面没有相应的特征，那它可能只是数据分析的产物，而不是真正稳定的细胞状态。这是我们加入ATAC-seq的底层逻辑。具体操作上，我对每个转录组亚群做差异开放区域分析，重点关注亚群特异性开放区域中富集的转录因子结合基序。比如我们发现过渡态小胶质细胞高表达基因的启动子区域，显著富集了SPI1和CEBP家族的结合位点，在开放区域中这两个家族的footprint信号也确实增强。这说明该亚群的转录程序背后有明确的调控逻辑，亚群不是随便聚出来的，而是有真实调控基础的细胞状态。

6.2 蛋白与空间层面的交叉验证

转录组和染色质层面的数据再充分，也还是组学层面的证据。为了真正说服同行，我通常还会选择3到5个关键标记基因，做多重免疫荧光或空间转录组验证。重点看这些标记基因对应的蛋白是否真的在预期脑区、预期细胞类型中表达，以及亚群特异的标记物是否在同一细胞上共表达。

空间转录组在这个环节的价值尤其突出：可以直接在组织切片上看到过渡态小胶质细胞是否富集在纹状体病变核心区域，是否与mHTT聚集物存在空间接近关系。这种空间共定位的图像证据，比任何UMAP图都有说服力。我们当时拿到空间数据时，看到那群过渡态细胞确实集中在纹状体退化区域周围，那种感觉就是整个分析链条终于闭合了。

6.3 分类学框架的可扩展性设计

最后聊聊分类学框架本身的设计哲学。我给这套小胶质细胞分类学设定的核心要求是"可扩展性"——新数据可以无缝纳入，而不需要推翻整个框架。具体做法是：定义每类亚群时，不只依赖少数几个标记基因，而是使用"核心基因集加分类器权重"的方式。每个亚群用一个包含30到50个特征基因的评分模型来描述，这些基因综合了转录组差异、染色质开放、蛋白表达三层面的证据。

后续来了新数据——不管是其他HD模型、其他神经退行性疾病，还是病人不同病程阶段的新样本——都可以先用这个评分模型做标签迁移，再评估哪些样本能匹配现有分类、哪些是全新的、需要扩展框架的状态。这样设计还有一个额外的好处：它天然支持社区共建。研究小胶质细胞的团队越来越多，如果大家都使用统一的、基于转录组特征的分类学框架来标注自己的亚群，整个领域的数据可比性就会大幅提升。目前我已经把分类器权重和核心基因列表整理成了公开资源，后续在做自己的小胶质细胞数据时，可以直接拿去试试标签迁移的效果。

最后再分享一个实际操作的体会：这个项目给我最大的教训是，跨物种分析中90%的"对不上"，根源都在实验设计阶段——要么病理阶段没对齐，要么技术路线不统一，要么质控标准带偏了生物学。转录组分类学做得再精美，样本设计有硬伤，后面所有分析都是在错误的地基上盖楼。所以如果你正准备启动类似课题，我建议把时间多花在样本选择、病理特征锚定和组学层级规划上，这些前置工作做扎实了，后面跑流程、调参数、做验证，反而都是顺理成章的事。