一、深入解析复杂疾病的患病机制
遗传变异，无论是常见或是罕见突变，都可能增加疾病风险。人类遗传学发展至今已经确定了超过10万种与不同人类特征相关的遗传变异。加之2000年完成的人类基因组计划，以及2012年千人基因组计划，已经整合完成了人类基因组遗传变异图谱，在DNA层面对基因突变与疾病风险有了深入了解。但对于常见突变和罕见突变对疾病的具体贡献，仍然存在诸多疑问。近年来，研究者们利用全基因组关联分析(GWAS)技术，通过寻找人类基因组上突变频率超过5%的位点与研究对象表征之间的联系，来解释遗传位点与常见疾病的关联性。然而，即使是在常见的复杂疾病中，GWAS表型关联研究的候选位点也常常位于非编码区，这对解析目标蛋白编码基因与功能细胞关联性带来了新的困难。此外，人们还发现具有相似临床表型的常见病和罕见病可能是不同基因变异的结果，即使是同一基因，在不同组织和细胞类型中、不同疾病发展期也可能具有差异性功能，通过传统技术识别这些基因在通路或细胞水平上的共同作用机制极具挑战。
单细胞测序的出现为人类观察细胞带来了全新的视角。2017年启动的人类细胞图谱(Human Cell Atlas，HCA)计划从单个细胞的层面描绘健康人体微观细胞参考图(图1)，通过单细胞测序等新型工具，对所有细胞类型及其亚型进行编目。基于“单细胞图谱+GWAS”的技术联用分析模式已应用于多种疾病，包括各种炎症、自身免疫、神经退行性病变、呼吸系统纤维化和其他复杂疾病。通过对比相关组织的健康和疾病单细胞图谱，筛选出特定细胞亚群中疾病基因相关的候选位点，揭示了令人意想不到的基因-突变联系。例如，疾病状态下，细胞组成和细胞内部基因表达变化可以在多种组织之间串扰，导致疾病中多细胞群落的转移，将克罗恩病患者回肠中的细胞组成与健康参考图谱相比较，发现了一个独特的免疫和基质细胞多细胞群落，这预示着患者可能对anti-TNF药物治疗缺乏响应。将广泛的溃疡性结肠炎(UC)的GWAS数据与单细胞图谱数据相结合，能够通过GWAS识别表达与UC相关基因的关键细胞类型，包括在健康结肠中极其罕见但在发炎、病变结肠中显著扩张的上皮M样细胞。对于大多数风险变异位于非编码区的疾病，综合GWAS、单细胞图谱和DNA数据，以及单细胞中DNA和RNA的联合图谱，可帮助促进疾病-基因-突变之间的关联分析，这些进展都为全面阐释复杂疾病遗传位点对人类健康的影响提供了帮助。 二、对临床诊断的推动
对身体中所有细胞类型及其在疾病中作用的相关知识，可以重塑临床诊断工具的未来。例如全血细胞计数(CBC)，是一种适用于各种诊断场景的常见临床指标。在此基础上，单细胞图谱技术可以帮助我们进一步精细描述外周血液免疫细胞景观，提供解释治疗反应和预后的更多信息，为更精准的诊断分析奠定基础。此外，单细胞图谱技术联合组织病理学，有望将传统的H&E染色技术升级至H&E2.0技术。在未来H&E2.0的版本中，临床医生可以将单细胞转录组数据、空间转录组数据轮廓加载在一张标准组织切片H&E染色图上，通过统一基因组学和组织学信息辅助诊断，甚至可以通过针对空间数据的机器学习算法模型构建来预测H&E染色样本的分子轮廓。随着“基因组学+表观基因组学+转录组学+蛋白组学空间大图谱”联合技术在健康和疾病组织中的应用日益增多，通过算法已经可以将低分辨率数据转换为单细胞分辨率数据，投射在未做过基因检测的样本空间结构上，并在类似组织中恢复其空间分子特征。如果有足够的数据，未来算法还可以将分子图谱和组织病理学结果相互映射，以期改进对单个患者诊断结果的准确性。
 
三、对高分辨率大规模并行药物研发的助力
健康人群单细胞图谱的完善和空间基因组学技术的发展，为提高分辨率筛选表型相关分子药物开辟了新的道路。通过单细胞转录组测序数据筛选及单细胞基因集合筛选，可以获得大量与疾病相关的基因、与常见复杂疾病相关的非编码变异体，以及与癌症和发育障碍相关的突变位点，并且可以大幅缩短治疗靶点的甄选过程。近年来，基于单细胞测序的靶向小分子筛选技术也已经在研发中。随着图谱数据和单细胞数据量的积累，目前机器学习算法已经可以预测在相同细胞环境中，一个或多个基因扰动对疾病模型的影响，构建并在新生物环境中响应相同扰动的疾病模型。
在再生医学和细胞治疗领域，单细胞测序技术也正承担起越来越重要的角色。单细胞图谱增强了我们对健康人体细胞应有基因表达模式的理解，更好的定义了工程细胞构建需要达到的目标。在构建人类器官衍生模型的时候，疾病参考图谱和健康对照图谱帮助研究者们更好的匹配模型和人类组织，识别模型缺失的细胞成分，并改进预测模型的分子机制。目前研究者已将单细胞测序应用于筛选帕金森病治疗模型、含有自闭症相关基因突变的大脑类器官模型、子宫内膜或肠道的类器官模型。此外，对于体内组织重编程，参考单细胞图谱有助于推断分化机制和评估治疗是否达到预期效果。对于功能细胞治疗，单细胞测序有助于明确产生疗效所需的细胞状态，以及监测患者给药前后细胞状态的变化，这在癌症的工程细胞治疗领域极具吸引力。
 
展望：单细胞图谱在生物医学上面临的挑战
为了实现细胞图谱在医学中的变革潜力，我们仍需克服技术、实用和基础方面的各项重大挑战。首先，虽然近年来在HCA计划的支持下，研究者们汇集了人类进化史上从祖先到地理多样性的健康和疾病细胞图谱集，但是相比构成人体的200多种数万亿细胞，我们现有的数据资源依然十分有限。
其次，实验室和临床之间的联系也需要进一步加强。包括建立更多具有丰富元数据资源的生物库，实现从多种临床队列中进行大规模样本分析。以及寻求更好的样本保存方法解决常规样本保存方法，如福尔马林固定和石蜡包埋样本与单细胞技术兼容的问题。
再次之，单细胞数据分析上关键的挑战是需要更多能反映人类多样性的开放数据，通过训练计算模型，开发从静态图谱到细胞动力学的解码方法，建立高效检索流程，通过算法平台找到我们感兴趣的基因、细胞装填和细胞类型。
最后，尽管从实验室到临床应用领域或药品生产环节上，传统表达谱分析能够获得分子机制与疾病治疗的潜在关联，但是证明基因、信号通路、细胞状态在疾病中的作用仍然需要更为直接的证据，单细胞+空间基因组学+遗传筛选的临床队列实验将有助于实现我们对疾病的理解从相关性到因果性的质的飞跃。
左图，从细胞图谱中得出的关于疾病机制、诊断和治疗的重要见解。右图，影响医疗的关键技术和基本障碍，包括多样性、数据可用性和了解疾病进展

结论
单细胞图谱和空间图谱的不断完善，加深了人类从细胞和组织水平上对不同疾病的深入理解，逐步为诊断、药物发现和新的治疗途径发展提供助力，相关实验技术和计算算法的兴起推动了生物医学各个阶段的研究，包括从理解疾病机制到诊断和治疗疾病。近年来，随着测序、细胞操作和空间技术在样本规模、分辨率上的迅速增长以及技术成本的逐步下降，使得采集临床医学所需的跨性别、年龄、血统和人口的不同参考单细胞图谱成为可能，这些将有助于形成一份更加全面的细胞图谱，作为理解人类健康以及诊断、监测和治疗疾病的基础，实现人类细胞图谱计划的最终使命。 
单细胞测序一直以来成为各大期刊，包括CNS等顶流期刊的连续关注，如今Nature Medicine一文向我们解释了单细胞图谱为疾病领域的机制研究开辟了新的道路，并影响医学的各个方面，这一炙手可热的技术在细胞和基因水平破译疾病的机制，监测疾病的进展和特征，发现和开发新的生物标志物或细胞疗法，为诊断、药物发现和新治疗途径的发展提供信息。
 
参考文献
Rood J. E., et al., Impact of the Human Cell Atlas on medicine. Nat Med. 2022 Dec 8. doi: 10.1038/s41591-022-02104-7.