当单细胞RNA测序（scRNA-seq）遇上人工智能，当DNA测序成本持续下探，单细胞研究正以前所未有的速度“扩容”——从百万级细胞数据到百亿级图谱构建，全球科研机构、药企与科技公司正以“集团军”之势，推动这一技术从实验室走向临床，从基础探索迈向药物研发的深水区，近日，GEN发文对当前单细胞研究的情况进行深度分析。

十年磨剑：单细胞技术成生命科学“基础设施”

过去十年，单细胞RNA测序技术完成了从“新兴工具”到“基础技术”的蜕变。这项技术不仅能绘制人体细胞的“全景地图”，更能揭示同一组织中不同细胞的细微差异——这些差异可能是疾病起源的关键，也可能是药物靶点的藏身之所。

“过去我们做批量检测，就像把一锅汤搅匀后尝味道；现在单细胞技术让我们能看清每一粒‘盐’的味道。”10x Genomics首席执行官Serge Saxonov博士在4月的美国癌症研究协会（AACR）会议上直言，“生物学发生在单细胞层面，而非细胞的‘大杂烩’。”

作为这一领域的标杆，国际人类细胞图谱联盟（HCA）自2016年成立以来，已成长为拥有近4000名成员、覆盖100多个国家的全球协作网络。其目标是为人体每个细胞绘制“身份证”——从器官到系统，从健康状态到疾病演变。在今年6月的新加坡年会上，HCA吸引了来自47个国家的600余名参与者，其最新进展显示，已有超1亿个细胞的图谱数据涵盖数十种人体组织。“我们正从‘拼图’转向‘组装’，为不同组织、器官甚至疾病状态提供标准化参考。”HCA联合创始人、剑桥大学教授Sarah Teichmann博士表示。

从百万到百亿：大型项目井喷背后的技术与需求共振

如果说HCA是单细胞研究的“基石计划”，那么近一年来涌现的“超级项目”则彻底改写了行业规模：

• Scale Bio的“百万细胞挑战”：去年秋天，Scale Bio联合CZI（陈-扎克伯格倡议）、Ultima Genomics（测序）、英伟达（算力）和BioTuring（分析平台），资助研究人员开展此前因成本或技术限制无法完成的大规模实验。最终，来自27个国家的147项提案中，14个获胜项目累计涉及近10亿个细胞。“需求远超预期，”Scale Bio总裁Giovanna Prout指出，“这证明学界对超大规模数据的渴望已进入爆发期。”

• Parse Biosciences与Tahoe的“百亿级”突破：去年12月，Parse与Tahoe（原Vevo Therapeutics）发布“Tahoe-100M”数据集，包含1亿个细胞、覆盖6万个实验条件、1200种药物处理及50个肿瘤模型。Ultima Genomics创始人Gilad Almogy博士透露，该项目仅用数周便完成从建库到测序的全流程，“这是现有技术规模化能力的集中验证。”

• CZI的“十亿细胞计划”：今年4月，CZI宣布启动“十亿细胞项目”，目标是生成10亿级单细胞数据，加速AI生物模型开发。该项目联合10x Genomics、Ultima Genomics及多家顶尖实验室，并与Scale Bio深化合作。“可扩展性是关键，”Prout表示，“我们的平台支持单次运行400万细胞，未来目标是‘万亿级’。”

• 其他玩家入局：斯坦福Arc研究所推出“虚拟细胞图谱”计划，结合AI与单细胞数据模拟生物系统；Wellcome Sanger研究所联合Parse和德国亥姆霍兹中心，聚焦癌症治疗中的细胞可塑性，计划构建数亿级细胞数据库……

“技术民主化是最大驱动力，”CZI科学战略与合作副总裁Jonah Cool博士指出，“单细胞技术正从‘小众工具’变为‘常规流程’，而成本下降与技术易用性提升，让全球实验室都能参与这场‘数据狂欢’。”

数据洪流下的挑战：从存储到建模，AI成破局关键

数据的爆炸式增长带来机遇，也抛出难题：如何存储、分析和管理PB级（甚至EB级）的单细胞数据？

Teichmann坦言，当前的多组学整合（如RNA-seq+ATAC-seq+空间转录组）与基础模型构建（如RNA-seq+生成式AI）虽令人兴奋，但分析能力仍是瓶颈。“我们需要更高效的算法、更强大的计算框架，以及跨模态的数据管理工具。”

CZI的“十亿细胞计划”正是为此而来——通过推动工具链升级，解决“数据过载”问题。早期HCA曾面临“百万细胞数据处理困难”，如今工具已能轻松应对；但面对“十亿级”，工具链需全面迭代。“我们不仅要优化模型，更要构建支撑科学的数据基础设施。”Cool说。

值得关注的是，深度学习与生成式AI正成为破局利器。Ultima Genomics的Gilad Almogy指出，AI不仅能加速数据分析，还能从海量数据中挖掘隐藏规律，为药物靶点发现提供“线索地图”。Saxonov则展望：“未来，我们可能用计算机模拟整个生物系统——这不是幻想，而是触手可及的现实。”

五年之约：从“数据地图”到“药物引擎”

展望未来五年，科学家们的愿景已超越“绘图”本身：

Teichmann期待一个“人体基础模型”——类似ChatGPT的智能系统，能回答“基因依赖关系”“调控级联”等复杂问题，并与模式生物数据整合，加速精准医学。

Cool则预测，单细胞技术将成为药物研发的“标配”：从临床试验患者分层、疾病表型分析到类器官筛选，单细胞数据将贯穿药物开发全流程。“技术门槛降低与产业界参与，将推动这一愿景快速落地。”

事实上，药企早已行动：Teichmann同时担任葛兰素史克（GSK）转化研究副总裁与Enso Cell Therapeutics首席科学家，她指出，单细胞技术已在肿瘤免疫治疗、再生医学等领域展现潜力，“我们现在只是‘擦破了皮’，真正的突破还在后面。”

结语：单细胞研究的“临界点”

从百万级到百亿级，从基础图谱到AI模型，单细胞研究的“扩容”不仅是数据量的增长，更是技术与需求的深度共振。随着测序成本持续下探、工具链不断完善，以及全球协作网络的深化，单细胞技术正从“实验室利器”进化为“生命科学革命的引擎”——它不仅让我们更懂生命，更将重塑人类对抗疾病的方式。

正如Saxonov所言：“这仅仅是开始。未来某天，我们可能会说‘万亿细胞时代’——而那，不过是单细胞研究的‘常规操作’。”