单细胞基因测序市场分析
单细胞测序技术的应用前景
单细胞测序技术的应用前景单细胞测序技术是一项新兴的基因研究技术，它可以通过对单个细胞的基因组测序和分析，从而对生物中不同细胞群体的基因表达和调控情况进行更准确的分析。
在过去的几年里，单细胞测序技术在生物医学领域的应用得到了广泛关注。
尤其是在研究癌症、疾病发生及进展机制、组织发育等方面取得了很多重要的进展。
下面就让我们来探讨一下单细胞测序技术在生物医学领域的应用前景。
一、癌症治疗单细胞测序技术在癌症治疗方面的应用有着非常重要的意义。
通过对单个肿瘤细胞的基因组测序和分析，可以深入了解其基因变异和表达情况，从而为基因治疗和精准药物治疗提供支持。
此外，通过单细胞测序技术还可以分析肿瘤细胞群体内不同种类细胞的分布情况以及细胞间相互作用，为肿瘤治疗提供新的思路。
二、疾病发生与进展机制研究在疾病发生与进展机制研究领域，单细胞测序技术的应用也有很大的优势。
这是因为在疾病过程中，不同类型细胞之间的相互作用对疾病的发生与发展都有着重要的影响。
通过单细胞测序技术可以深入了解不同种类细胞间的相互作用和信号传递，为疾病的治疗和预防提供更加深入的思路。
三、组织发育研究在组织发育研究领域，单细胞测序技术也得到了广泛的应用。
通过对单个细胞的基因组测序和分析，可以深入了解细胞在胚胎发育和组织发育中的分化和进化过程，并揭示其分化和细胞功能表达的调节机制，为基础医学研究提供更加深入的思路。
总的来说，单细胞测序技术的应用前景非常广阔，对于解决一些重大疾病和生物进化过程中的复杂问题都具有重要的意义。
相信随着技术的不断发展和完善，其在生物医学领域的应用会变得更加广泛，为我们提供更加精准的诊断和治疗方法，也帮助我们更深入地了解生命的奥秘。
基于深度学习的单细胞测序数据分析
基于深度学习的单细胞测序数据分析单细胞测序是一种高效的技术，它能够帮助我们获得各个细胞的基因组学数据，并且让我们更好地理解生命的本质。
目前，随着深度学习技术的发展，基于深度学习的单细胞测序数据分析也日益成为研究的热点之一。
首先，深度学习技术的引入为单细胞测序数据分析提供了新的思路。
传统的单细胞测序数据分析中，我们往往采用聚类、降维和可视化等方法对数据进行处理和分析。
这些方法虽然已经被广泛使用，但是由于单细胞测序数据的高维特征和复杂性，导致它们面临着许多挑战。
对于这些挑战，深度学习技术提供了一种新的解决方案。
深度学习技术可以通过学习数据的特征和模式，从而更好地理解数据的本质，同时更加高效地处理和分析数据。
其次，基于深度学习的单细胞测序数据分析也具有广泛的应用前景。
随着单细胞测序技术的进步，越来越多的单细胞测序数据被生成和积累。
这些数据包含了各种生物学过程的关键信号，例如发育过程、免疫应答、细胞亚型识别等等。
这些数据也可以用于研究各种疾病和药物研究。
因此，基于深度学习的单细胞测序数据分析在锁定生物学和医学领域的许多挑战方面具有重要意义。
最后，基于深度学习的单细胞测序数据分析面临着一些挑战和机遇。
对于挑战而言，深度学习的计算消耗大，需要大量的训练数据和计算资源，同时准确性也需要被关注。
对于机遇而言，随着深度学习技术的进步，我们可以期待更加高效和准确的单细胞测序数据分析。
同时，基于深度学习的单细胞测序数据分析还面临着许多未解决的问题，例如深度学习算法的可解释性、不平衡分类问题等。
在总体上，基于深度学习的单细胞测序数据分析提供了令人兴奋的研究前景。
我们期待在未来，随着深度学习技术的进一步发展，它能够为科学家和医学家提供更加高效和准确的单细胞测序数据分析工具，为人类的健康和生命的进步做出贡献。
单细胞基因测序技术
单细胞基因测序技术单细胞基因测序技术是一种用于分析单个细胞基因组的先进技术，它已经在生物医学研究领域展现出巨大的潜力。
本文将介绍单细胞基因测序技术的原理、应用和未来发展趋势。
一、技术原理1. 单细胞分离：单细胞基因测序技术的第一步是将复杂的细胞样本分离成单个细胞。
这可以通过流式细胞术、微流控技术或手工操作来实现。
2. 细胞裂解：得到单个细胞后，需要对其进行裂解处理，释放其中的RNA或DNA。
3. 库构建：裂解后的RNA或DNA需要经过反转录、扩增和测序库构建步骤，形成测序所需的样本。
4. 序列测定：最后一步是通过高通量测序技术对样本进行测序，获得每个单细胞基因组的信息。
二、技术应用1. 发育生物学：单细胞基因测序技术可以揭示胚胎发育过程中不同细胞类型的基因表达模式，有助于理解细胞分化和组织形成的分子机制。
2. 肿瘤研究：通过对肿瘤细胞进行单细胞基因测序，可以发现不同肿瘤细胞中的基因组变异和表达异质性，有助于揭示肿瘤内部的细胞异质性和进化过程。
3. 精准医学：单细胞基因测序技术有助于个体化医疗，可以帮助医生诊断和治疗疾病，同时也有望促进新药的发现和开发。
三、未来发展趋势1. 技术改进：随着技术的进步，单细胞基因测序技术将变得更加高效、精准和经济，为大规模单细胞测序提供可能。
2. 数据分析：随着单细胞基因测序数据量的增加，数据分析算法和软件工具也将得到不断改进，以更好地挖掘数据中的生物学信息。
3. 应用拓展：单细胞基因测序技术将在药物筛选、疾病诊断和个性化治疗等领域发挥更广泛的作用，有望成为生物医学研究和临床应用的重要工具。
单细胞基因测序技术的出现为生物医学领域带来了革命性的变革，它将有助于我们更深入地理解细胞和疾病的本质，并为未来的个性化医疗和药物研发提供重要支持。
随着该技术的不断发展和应用，相信它将在未来的生物医学研究和临床实践中发挥越来越重要的作用。
单细胞测序技术的发展和应用
单细胞测序技术的发展和应用随着科技日新月异的发展，生物学研究也逐渐向着微观层面发展。
近年来，单细胞测序技术的出现，为科学家提供了一种全新的研究手段，有望揭示人类生命基础、疾病发生机制以及药物作用等重要问题。
本文将探讨单细胞测序技术的发展历程和应用前景。
一、单细胞测序技术的发展历程单细胞测序技术是指对单个细胞进行基因组和转录组的测序研究。
在过去，科学家们往往将大量细胞混合在一起进行测序，这种方法虽然可以反映总体基因表达情况，但是无法揭示不同细胞之间的异质性。
而单细胞测序技术的出现，则为我们提供了一种独立分析单个细胞信息的手段。
早在1988年，美国科学家Kenneth Johnson首次使用了PCR技术对单个神经元进行测序，开创了单细胞测序技术的先河。
之后，随着高通量测序技术的出现，单细胞测序技术逐渐得以普及。
2009年，美国科学家Wenlan Chen和Joseph Ecker等人，首次利用单细胞转录组测序技术，成功地基于单细胞测序鉴定了不同状态的原始细胞，并揭示了它们之间的分化轨迹。
同时，瑞典的Steven Linnarsson团队也在同一时间点，通过对单个细胞进行全长转录组测序分析，探究了它们之间的异质性。
此后，随着技术逐渐变得成熟，单细胞测序技术已经得到了广泛的应用。
二、单细胞测序技术的应用前景1. 研究细胞分化和疾病机制单细胞测序技术可以对人体内的各种不同类型的细胞进行分析，了解人体各个恶性肿瘤的异质性以及个体差异所引起的各种疾病，如糖尿病、阿尔茨海默病和心脏病等。
这一技术可以被用来追踪细胞的分化过程，并研究不同细胞类型之间的差异。
通过单细胞测序技术，科学家们可以利用不同样品包括神经细胞，免疫细胞以及癌细胞等进行分析。
2. 利用单细胞测序技术进行癌症分析癌症是导致全世界死亡的主要疾病之一。
在过去，癌症的研究往往是基于大量混杂细胞的测试结果，因此无法建立出具有可靠性的癌症模型。
而单细胞测序技术则可以检测单个癌细胞的异质性，解析肿瘤内部的微观结构以及细胞间的相互作用模式。
单细胞测序技术的应用及发展趋势
单细胞测序技术的应用及发展趋势随着生物学研究的深入，人们对细胞的理解也越来越深入。
在过去，研究者常常将细胞视为相互独立的单位，忽略了每个细胞都有其个性化特征的重要性。
而随着单细胞测序技术的发展，人们可以更加准确地研究每个细胞，了解其性质和特点，在多领域得到广泛的应用。
一、单细胞测序技术的基本原理和方法1.1 基本原理单细胞测序技术是对单个细胞进行全基因组或转录组测序的技术，用于研究细胞之间的异质性和多样性。
其基本原理是首先将单个细胞进行分离和捕获，然后进行DNA或RNA的扩增，最后进行测序。
由于每个细胞都是独立的，可以消除来自异质性混合的影响，从而准确地评估单个细胞的遗传表达，研究人员可以更加深入地探索细胞成分构成、分化过程、癌变机理等。
1.2 基本方法目前，单细胞测序技术主要有单细胞RNA测序（scRNA-seq）和单细胞全基因组测序（scWGS）两种方法。
1.2.1 单细胞RNA测序单细胞RNA测序是对单个细胞多个转录产物进行高通量测序的方法，目的是研究单个细胞不同发育阶段及不同功能状态下的基因表达变化。
其主要步骤包括：细胞捕获、RNA提取、RNA反转录合成cDNA、修饰cDNA并扩增、建立文库、高通量测序及数据分析等。
1.2.2 单细胞全基因组测序单细胞全基因组测序则是用于研究单个细胞的基因型差异等问题。
其主要步骤包括：细胞捕获、DNA提取、全基因组扩增、建立文库、高通量测序及数据分析等。
二、应用范围2.1 神经科学领域单细胞测序技术在神经科学领域中被广泛应用。
通过测序单个神经元的RNA，可以研究神经元的不同亚型以及它们在神经回路中的位置和功能。
此外，单细胞测序技术还帮助研究者了解神经元的发育过程，并探索神经退化性疾病的机理。
2.2 肿瘤研究领域单细胞测序技术在肿瘤研究领域中也得到了广泛应用。
研究者通过对单个癌细胞的RNA和DNA进行测序，可以了解个体癌细胞的变异情况和不同亚型之间的差异，从而有助于更好地评估肿瘤药物治疗的效果，提高治疗患者的成功率。
单细胞测序技术的发展及应用前景
单细胞测序技术的发展及应用前景单细胞测序技术是近年来发展迅速的分子生物学技术之一，它可以分析个体细胞的基因组、转录组、表观组和代谢组等信息，为深入研究细胞发生发展、疾病发生机制以及体内异质细胞功能提供了新的工具和方法。
本文将阐述单细胞测序技术的发展历程、技术原理以及应用前景。
一、单细胞测序技术的发展历程随着高通量测序技术的发展，单细胞测序技术也逐渐得到发展。
以往的单细胞研究多采用显微注射和单个细胞悬浮文化的方式，这种方法虽然可以获取单个细胞的信息，但涉及到极小的样本量，故难以充分挖掘细胞的多样性和复杂性。
2010年左右，随着单细胞整体转录物测序技术(SCRB-seq)的产生，单细胞测序技术得到了重要突破。
SCRB-seq利用微流控芯片在微型反应室内以微水滴的形式将单个细胞分离并分别发生反应，接着再进行分析，它可以同时检测细胞中的基因组和转录组数据。
此后，包括Drop-seq、CEL-seq 等在内的一系列技术相继出现，不断地优化并降低单个细胞转录物数据的测序成本和质量。
二、单细胞测序技术原理单细胞测序技术分为分离和转录两个步骤来进行。
目前，分离细胞的理想方法是以代表性的生物标记分选出目标细胞，比如利用流式细胞术或细胞荧光标记，再利用微流控技术将目标细胞分离。
接着提取单个细胞的总 RNA，随后用反转录酶IV逆转录成cDNA，再经过体积扩增以得到足够量的cDNA，最后通过高通量测序再对cDNA序列进行分析，以获得单细胞的转录组信息。
三、单细胞测序技术的应用前景1. 研究细胞异质性单细胞测序技术为研究细胞异质性提供了新的方法，这种技术可以揭示同一细胞类型内个体细胞的异质性，挖掘出其特征和功能，同样可以揭示异质细胞亚群的存在，并深入了解细胞之间相互作用的差异性。
2. 精细化研究疾病机制单细胞测序技术还可以应用于分析疾病发生发展的机制，研究癌细胞、免疫细胞、神经元等细胞类型的转录组变化、基因表达异常等，为疾病的早期诊断和治疗提供依据和参考。
单细胞测序技术的发展及其应用前景
单细胞测序技术的发展及其应用前景单细胞测序技术是一种可以对单个细胞进行基因组、转录组、蛋白质组等多个层面的高通量测序技术。
相较于传统的基因测序技术，单细胞测序技术的应用前景更为广泛，涉及到生物学和医学等多个领域，因此备受关注。
一、单细胞测序技术的发展与特点随着深度测序技术的发展，人们逐渐发现基因表达并不仅仅由靶细胞群体决定，而是由单个细胞的生物过程所决定。
因此，单细胞测序技术的出现顺应了这一趋势。
单细胞测序技术的主要特点有以下几点：1. 高灵敏度：单细胞测序技术能够检测到单个细胞的表达信息，将细胞间的差异最大化。
2. 高分辨率：相比于传统测序技术，单细胞测序技术能够提供更全面的单细胞测序结果，并对不同类型的细胞进行彻底分类。
3. 原位与原始性：单细胞测序技术对生物样本中的单个细胞进行分析，能够不受组织结构的影响而获得原始细胞的信息。
二、单细胞测序技术的应用前景单细胞测序技术的应用前景广泛。
目前，其主要应用领域包括：1. 生物演化学和生物学：单细胞测序技术可以帮助研究人们如何了解复杂的生物组织结构和其演化过程。
它可以揭示细胞类型之间的分化和分支，以及如何形成不同的组织。
这将有助于我们更好地了解以及治疗各种疾病。
2. 医学应用：单细胞测序技术使得医学诊断和治疗的效率和准确性大大提高。
通过单细胞测序技术，医生可以将某种疾病或癌症患者的体内细胞分离开来，通过对细胞进行序列组分析以获取疾病的关键信息，从而提供针对患者的个性化治疗方案。
3. 细胞特定定位分子筛选：单细胞测序技术可以识别不同类型的细胞，并对其特定表型上的分子进行筛选。
这项技术可以用来筛选有效的治疗分子，尤其在癌症治疗中。
4. 疾病治疗和研究：单细胞测序技术是疾病治疗和研究的关键工具。
在研究人员了解细胞内的基因调节过程所需的技术方面，它有望成为一个重要工具。
三、单细胞测序技术的未来发展趋势随着科技不断发展，单细胞测序技术也会不断提高其处理进样和分析数据的效率。
单细胞测序数据处理及分析方法优缺点评估
单细胞测序数据处理及分析方法优缺点评估单细胞测序技术的出现革命性地改变了生物学研究的方式，使得我们能够深入探索细胞组成和功能的细微变化。
然而，单细胞测序数据的处理和分析是一个具有挑战性的任务。
本文将评估几种常用的单细胞测序数据处理和分析方法的优缺点。
在处理单细胞测序数据之前，通常需要对原始数据进行预处理。
首先，对测序数据进行质控是十分重要的。
质控可以帮助我们排除那些受到污染或测序品质较差的样本，确保后续分析的准确性。
此外，对于受到相似样本或技术误差引入的批次效应影响的数据，需要进行批次校正。
最常用的质控和批次校正方法包括FASTQC、Trim Galore、scater等。
然而，这些方法在处理低质量数据或具有大量样本时可能会受到一定限制。
接下来是单细胞数据的表达矩阵的构建，即将每个单细胞的基因表达量转换为矩阵形式。
这个过程中有多种方法可供选择，包括Feature Counts、HTSeq、UMI-tools等。
其中，特征计数方法Feature Counts是最常用的方法之一，它将每个细胞中的基因表达计数聚合起来，形成一个表达矩阵。
然而，对于低表达基因的鉴定和计算潜力细胞、退化细胞等遗留问题，这些方法仍然存在一定的局限性。
在单细胞测序数据分析中，最关键的任务之一是细胞聚类，即将相似的细胞归类到同一群组中。
这有助于我们识别不同细胞亚群的存在，进而进一步研究细胞类型的分化和发展等。
常用的聚类算法包括层次聚类、k均值聚类、基于密度的DBSCAN聚类等。
层次聚类通常被用于绘制细胞树，而k均值聚类则能够快速找出相似细胞的集群。
DBSCAN聚类方法则能够发现具有不同密度的细胞集群。
每种聚类方法都有其适用的场景，选择合适的聚类算法可以提高聚类结果的准确性和可靠性。
单细胞测序还可以用于进行细胞亚群的差异分析。
一种常用的方法是差异表达基因分析，它可以识别出在不同细胞亚群之间表达差异显著的基因。
此外，差异表达基因的通路富集分析和基因调控网络分析也能够揭示细胞亚群间的功能差异和可能的调控机制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Sample to Insight
QIAGEN Your Partner in Translational Medicine
1
什么叫单细胞基因测序（Single Cell Sequencing）？
➢ 一句话说，就是单个细胞水平上对基因组进行测序。 ➢ 2013年，Nature杂志把年度技术授予了单细胞基因测序（Single
Title, Location, Date
23
Thanks！
Sample to Insight
Title, Location, Date
24
Solution • QIAscout • 武汉友芝友-CTC捕获仪 • 强生-Cell Reserch
Sample to Insight
Title, Location, Date
11
C1 单细胞自动制备系统
1个小时内即可分离96个单细胞
Biomarker HD系统
30分钟内可进行9216个qPCR反应
Sample to Insight
基因组及转录组分析中常遇到的难题：
Sample to Insight
全基因组和全转录组分析的难题：
Sample to Insight
单细胞测序应用领域
单细胞全基因组测序： 1、体外受精的胚胎测序：在把胚胎植回母体之前，先取一个细胞进行 测序，确认基因正常后再植回，以保障胚胎是正常的。 2、CTC细胞测序：通过对血液中的肿瘤细胞测序，找到突变位点，针 对性能进行靶向药物治疗。 3、肿瘤亚细胞群测序：肿瘤发生、发展中，细胞不断发生新的突变， 形成许多亚细胞群，单细胞测序可以对这些亚细胞群进行分别的测序， 并找到对应的治疗方案。 4、免疫测序：免疫细胞在对抗原发生识别后，免疫细胞的基因组发生 重排，并产生对抗原特异的抗体。对免疫细胞的测序，可以找出特异 的基因结构。
20
目标客户群
以上海市场为例
单位
研究方向
预估课题经费
肺科医院肿瘤科 肺癌CTC的小RNA检测
5万
中山医院肝外科 中山医院肝研所
肝癌CTC外显子组测序，CTC 转录组测 序
肝癌CTC转录组测序
30万 10万
瑞金医院
肠癌CTC转录组测序
10万
中科院生化细胞所 生殖细胞的全外显子组测序和转录组测 序（已做）
美吉生物 广州锐博 百迈客 杭州壹基因
开展类型
单细胞DNA测序、单细胞RNA测序 单细胞DNA测序、单细胞RNA测序 单细胞DNA测序、单细胞RNA测序 单细胞DNA测序、单细胞RNA测序、单细胞G&T测序、 单细胞甲基化测序、单细胞Hi-C测序 单细胞RNA测序 单细胞DNA测序、单细胞RNA测序 单细胞RNA测序 单细胞DNA测序、单细胞RNA测序
Title, Location, Date
CellSearch
13
2.2 全基因组扩增 （Whole Genome Amplification. WGA）/ 全转录组扩增 （Whole Transcriptome Amplification，WTA）
单细胞测序的难点在于扩增。 全基因组扩增主要的方法： 简并寡核苷酸引物PCR扩增（DOP-PCR） 多重置换扩增（MDA）——目前最好的方法 和基于多次退火和成环的扩增循环（MALBAC）——亿康基因
10X Genomics
Sample to Insight
Title, Location, Date
PBMC单细胞转录组测序结果示例
12
Illumina® Bio-Rad® Single-Cell Sequencing Solution
QIAscout
武汉友芝友-CTC捕获仪
Sample to Insight
Sample to Insight
Title, Location, Date
7
一、单细胞测序行业
• BCC Research的一项分析报告指出，2014年全球单细胞分析（Singlecell Analysis）的市场达5.4亿美金，预测将从2015年的6.3亿美金增长到 2020年的16亿美金，复合增长率达21%。根据GENReports的报告，关于 单细胞分析的文章发表在过去的几年也有着爆发性的增长。
Sample to Insight
图2：单细胞分析的文章发表数量
二、单细胞基因测序的基本流程：单细胞分离--基因组扩增--测序和分析
单细胞测序，主要经过如下的步骤： 单细胞的分离 DNA/RNA的提取和扩增（全基因
组扩增和全转录组扩增） 测序以及后续的分析和应用
Sample to Insight 9
2.1 单细胞的捕捉和分离
单细胞测序的第一步是单细胞的分离和提取，目前的方法主要有： 流式细胞术 激光捕获显微切割技术 微流控技术
Sample to Insight
Daniel A. Haber, et al CANCER DISCOVERY JUNE 2014
单细胞操作的仪器
• Fluidigm C1单细胞操作 • 毛细管显微操作单细胞 • 10X Genomics • Illumina与Bio-Rad发布Singel-Cell Sequencing
Sample to Insight
Title, Location, Date
19
单细胞测序对样本要求
类型
单细胞全基因组测 序
样本要求
1) 细胞分离：由合作方完成单细胞分离； 2) 由公司寄出样品保存液（MALBAC——裂解液；MDA— —PBS缓冲液）； 3) 样品需求量：1-1000个新鲜细胞，样本体积尽量不超过 1-2μl。
主要集中的领域： 肿瘤（肺癌、肝癌、肠癌、乳腺癌等）、干细胞、神经科学（脑科
学）等
Sample to Insight
Title, Location, Date
22
单细胞测序相关公司（分子诊断）
单位 亿康基因 华大医学 贝瑞和康
开展项目 PGS、PGD PGS、PGD PGS、PGD
Sample to Insight
Sample to Insight
Title, Location, Date
TargetAmp法测单细胞全RNA
Sample to Insight
Title, Location, Date
SMART法测单细胞的全长全RNA
单细胞测序国内相关公司（科研）
公司名称
华大基因 诺禾致源 贝瑞和康 安诺优达
中科院神经所
神经细胞转录组测序（已做）
300万 30万
复旦大学脑科学研 神经细胞转录组测序（已做） 究院
10万
Sample to Insight
Title, Location, Date
21
目标客户群
以上海为例 主要集中的单位：
中山医院肝研所、仁济医院干细胞中心、同济大学生科院（干细 胞）、上海市肿瘤研究所、中科院生化细胞所、肺科医院肿瘤科、中科 院神经所、复旦大学脑科学研究院等
Cell Sequencing）,认为该技术将改变生物界和医学界的许多领域。
Sample to Insight
单细胞基因组、转录组分析
➢ 单细胞测序通过对单个细胞进行基因组扩增和测序 ➢ 解决了用组织样本无法获得不同单个细胞的异质性信息、样本量
太少无法进行常规测序的难题 ➢ 研究解析单个细胞的行为、机制、与机体的关系等提供了新方向 ➢ 为早期检测、诊断疾病及疾病的个体化治疗提供指导。
Sample to Insight 18
单细胞测序相关报价
类型
单细胞全基因组测序 单细胞外显子组测序 单细胞mRNA测序 单细胞lncRNA测序
单价
1.2万元/样本，90Gb/样本 6000元/样本，10Gb/样本 5000元/样本，8Gb/样本 7000元/样本，10Gb/样本
备注
从单细胞（含 裂解液）到数 据分析
Sample to Insight
常见WGA方法比较
Sample to Insight
Title, Location, Date
转录组扩增主要的方法： Clontech公司的Smart方法,一种优秀的单细胞全长RNA-seq：起
始RNA只有约10pg EpiCentre公司的TargerAmp方法
单细胞转录组测序
1）细胞分离：由合作方完成单细胞分离； 2）样品类型：活体新鲜完整细胞；不适于经固定、染色 等处理的样本；
3）样品体积：在显微镜或其他设备辅助下分离，得到的 单细胞样本体积以不高于0.5μl为宜； 4）送样量：建议重复单细胞样本个数不小于5个。
Sample to Insight
Title, Location, Date
Sample to Insight
Title, Location, Date
6
单细胞测序应用领域
单细胞转录组测序： 1、在全基因组范围内挖掘基因调节网络，尤其适用于存在高度异质性 的肿瘤细胞、干细胞及胚胎发育早期的细胞群体。 2、发现亚细胞成分的基因表达谱，例如对在神经元的轴突或树突部分 特异表达的基因的转录组分析。