Core Framework & Diagram What Is Single-Cell Immunology?
7 月 23, 20261 Min Read What Is Spatial Immunology?
7 月 23, 2026原来，"同一种细胞"里藏着几十种截然不同的个体——只有在单细胞分辨率下才看得见
—— 单细胞免疫学（Single-Cell Immunology）：当我们能同时聆听数万个细胞各自说的话
1. 发现"新大陆"：单细胞技术颠覆了我们对免疫细胞的认知
在单细胞RNA测序出现之前，免疫学的细胞分类系统，主要依赖流式细胞术——通过细胞表面标志物（CD4、CD8、CD56等，通常最多同时检测十几到三十个）来定义细胞类型。这套系统，建立了几十年的免疫细胞分类框架，是现代免疫学的基础。 scRNA-seq出现后，这个框架被部分地颠覆，或者说大幅细化了。几个代表性的发现： T细胞的"新大陆"：原本被认为是相对均质的CD8+ T细胞群，在单细胞分辨率下，被细分为十几到二十种不同的亚群——效应细胞毒性T细胞、耗竭前体T细胞（Tpex）、完全耗竭T细胞、终末分化效应记忆T细胞（TEMRA）、组织驻留记忆T细胞……每种亚群都有独特的基因表达特征、不同的细胞毒性水平、以及对免疫检查点抑制剂的不同响应倾向
NK细胞的细分：NK细胞从两个传统亚群（CD56bright调节型 vs CD56dim细胞毒型），在单细胞图谱里扩展为多种功能连续谱，包括适应性NK细胞（CMV特异性，功能类似记忆T细胞）和炎症NK细胞（在特定组织炎症条件下出现的特殊亚群），这些发现正在改写NK细胞的生物学理解 巨噬细胞的组织特异性：不同组织里的巨噬细胞（肺部的肺泡巨噬细胞、肝脏的库普弗细胞、大脑的小胶质细胞），在单细胞图谱里显示出比以往认为更大的组织特异性——它们的基因表达谱，受到所在组织的环境信号高度塑造，使其成为真正意义上的"组织专家"，而不只是"去到不同地方的同一种细胞"
2. 轨迹分析：从快照到动态影片
传统的细胞分析，给出的是一个"快照"——在某一时间点，细胞处于什么状态。但免疫细胞是动态变化的——从初始T细胞到效应T细胞到记忆T细胞，是一个连续的分化过程，中间有很多"过渡态"。 单细胞技术，特别是"轨迹分析"（Trajectory Analysis，如Monocle、PAGA等工具），能从一次测量数据里，推断细胞的分化轨迹——通过比较处于不同分化阶段的细胞的基因表达模式，计算出一条"伪时间"（pseudotime）轴，把细胞按照分化顺序排列，重现分化的时间轨迹。
"RNA速率"（RNA Velocity），是一个更进一步的工具。它利用细胞里未剪接的mRNA前体（pre-mRNA）和已剪接的成熟mRNA的比例，推断基因表达正在上升还是下降——相当于给每个细胞加上了一个"运动方向箭头"，指示它当前正在向哪个方向转变。这让我们能预测细胞在未来的短期内会分化成什么，而不只是描述它现在是什么。 这类技术在免疫研究里的应用：追踪T细胞从初始状态到耗竭状态的分化轨迹，识别关键的"岔路口"——在哪个分化节点上，T细胞的命运从"成为有效效应细胞"分叉为"走向耗竭"。这个岔路口，正是免疫治疗干预的最有价值的时机窗口。
|
轨迹分析把免疫细胞分析从"博物馆展品"（静态分类）变成了"正在运行的程序"（动态轨迹）。 知道细胞的当前状态，还知道它正在走向哪里——这是治疗干预时机选择的关键信息。 |
3. 细胞通讯网络：谁在向谁说什么话？
免疫系统的运作，高度依赖细胞与细胞之间的通讯——细胞A分泌某种细胞因子，细胞B上有这种细胞因子的受体，信号被传递，细胞B的行为被改变。这套细胞通讯网络，在疾病和健康状态之间可能有显著的差异。 单细胞技术，配合细胞通讯分析工具（如CellChat、CellPhoneDB等），能够： 系统性地识别哪些配体-受体对在细胞间活跃通讯——不只是测量"这个细胞因子的血浆浓度高"，而是精确到"哪种细胞在分泌，哪种细胞在接受信号" 在疾病状态下，发现异常的通讯模式——哪些正常存在的信号沉默了，哪些异常的信号被激活了 识别通讯网络里的"枢纽节点"——哪种细胞是信号的主要发送者或接受者，是通讯网络里信息流的关键转接点 这在肿瘤微环境的研究里尤为有价值。单细胞通讯分析，已经揭示了肿瘤细胞是如何通过特定的配体-受体信号，将巨噬细胞"策反"为M2型、将T细胞推向耗竭状态、以及维持Treg细胞的招募——这些发现，都是新的潜在治疗靶点。
4. 多模态单细胞技术：同时测量更多维度
单细胞RNA测序，只是单细胞技术家族的起点。近年来，多种"多模态"（multimodal）单细胞技术相继出现，能在同一个细胞里，同时测量多种类型的数据： CITE-seq（Cellular Indexing of Transcriptomes and Epitopes by Sequencing）——同时测量RNA表达（转录组）和细胞表面蛋白（类似流式细胞术），把两种数据在同一个细胞里关联 ATAC-seq单细胞版本（scATAC-seq）——测量染色质的开放区域（反映基因调控的可及性），揭示基因表达背后的表观遗传层面 10x Genomics的Chromium单细胞平台——同时提供RNA、ATAC、蛋白表面标记，甚至TCR/BCR序列的多组学单细胞数据 空间转录组学（Spatial Transcriptomics）——在保留细胞空间位置信息的同时，测量基因表达（这正是下一篇第125篇的主题） 多模态单细胞技术，正在把"一次实验能得到的关于单个细胞的信息量"，推向越来越难以想象的丰富程度。当你能在同一个细胞里同时看到基因表达、表观遗传状态、蛋白质组成、受体序列和空间位置，这个细胞的信息完整性，已经接近了一个完整的"单细胞数字孪生"。
5. 临床应用：单细胞技术正在改变什么？
单细胞技术，正从学术研究工具走向临床实践，改变的方向包括： 癌症诊断和预后：在多种癌症里，肿瘤微环境的单细胞组成（特定T细胞亚群的比例，M1/M2巨噬细胞的比例，耗竭T细胞的程度）已经被证明是预后和治疗响应的独立预测因子。部分医院开始将肿瘤单细胞分析纳入高度个体化的治疗决策流程。 自身免疫病的亚型识别：类风湿关节炎、系统性红斑狼疮、IBD等自身免疫病，在单细胞图谱里显示出明显的患者间异质性。基于单细胞分析的"免疫亚型"（immunotype）分型，正在被用于预测哪类患者更可能响应哪类生物制剂。 免疫细胞疗法的质量控制：CAR-T和CAR-NK产品在回输前，可以用单细胞分析评估产品的细胞亚群组成和功能状态，预测治疗效果——"这批CAR-T产品里，功能最好的亚群比例有多少？" 疫苗研究的免疫响应解析：新冠疫苗研究里，单细胞技术被大量用于追踪接种后不同时间点的免疫响应动态，揭示了疫苗诱导免疫的精细机制，为下一代疫苗设计提供了宝贵的蓝图。
问答专区