除实验技术本身外，单细胞组学研究还高度依赖后续计算分析流程对高维、稀疏和异质性数据的解析能力。不同单细胞组学技术虽然检测对象不同，但其分析目标具有一定共性，即通过质量控制、数据标准化、降维聚类、细胞类型注释、差异特征识别、轨迹推断和调控网络分析等步骤，将原始测序或成像信号转化为可解释的细胞状态或生物学机制。对于HSCs研究而言，这一点尤为重要。HSCs数量稀少、状态连续、功能异质性强，且部分关键调控因子表达水平较低，若缺乏规范化的数据处理和交叉验证流程，容易将技术噪声误判为真实细胞差异，或遗漏具有功能意义的稀有细胞亚群。
 

在进入常规下游分析前，单细胞测序数据通常需先进行上游预处理。以scRNA-seq为例，原始FASTQ文件需经过序列质量评估、接头和低质量序列处理、基因组或转录组比对、细胞条形码与唯一分子标识符识别和校正等步骤，最终生成基因—细胞表达矩阵。对于基于10x Genomics平台的数据，Cell Ranger是常用的预处理流程之一，可完成比对、定量和表达矩阵构建。在获得表达矩阵后，scRNA-seq数据分析的下游流程主要包括低质量细胞和双细胞去除、测序深度校正、归一化处理、高变基因筛选、降维聚类、细胞类型注释、差异表达分析和拟时序分析等。
 

出自《单细胞多组学技术在造血干细胞研究中的应用与进展》作者张奕扬，董芳。