2024年底，《Sci China Life Sci》发表了一篇系统性综述《Advances and applications in single-cell and spatial genomics》，全面梳理了单细胞与空间基因组学领域的历史发展、核心技术、计算挑战、细胞图谱构建及临床转化进展，为领域内科研工作者提供了兼具深度与广度的参考框架。以下为综述核心内容精简解读：

引言

人体作为由 37 万亿细胞组成的复杂系统，细胞间异质性是发育调控、疾病发生的核心机制。传统批量测序技术难以捕捉单个细胞的分子特征，而单细胞与空间基因组学技术的兴起，实现了从 “群体平均” 到 “单细胞分辨率” 的跨越，同时保留细胞空间定位信息，为解析细胞功能、疾病机制提供了全新视角。

1、核心技术体系

核心技术涵盖单细胞测序、单细胞多组学及空间基因组学三大方向，已实现从单模态到多模态、从无空间信息到高分辨率空间定位的突破。

单细胞测序技术中，scRNA-seq 作为成熟技术已达成高通量检测，scDNA-seq 与单细胞表观基因组测序可解析遗传与表观遗传异质性，同时技术已拓展至蛋白质组、代谢组等多模态；单细胞多组学通过物理分离、酶促转换、测序后分离等策略，实现同一细胞多维度信息整合；

空间基因组学分为成像类（SISH、SISS）和测序类（SISM、SISB）技术，亚细胞级分辨率可精准呈现细胞空间分布与分子特征，且已发展出空间多组学同步检测技术。

2、计算挑战与解决方案

当前领域核心计算难题包括数据高维性、稀疏性、批量效应及跨模态 / 跨物种整合，已开发系列专用工具覆盖数据预处理、批量效应校正、多组学整合、细胞类型注释等关键环节。

AI 技术的深度融入成为重要突破，基于 Transformer 的预训练模型（如 Geneformer、scGPT）显著提升了基因调控网络推断、细胞轨迹重建等分析的效率与精度，为海量单细胞数据的深度解析提供了有力支撑。

3、细胞图谱构建

细胞图谱构建已实现从模式生物到人类的全覆盖，模式生物方面，完成了小鼠、非人灵长类、斑马鱼、果蝇等的单细胞图谱绘制，为发育与进化机制研究提供基础；人类细胞图谱（HCA）涵盖成人多器官、胎儿发育等全生命周期图谱，通过大规模单细胞特征刻画，建立了疾病研究的参考基线，推动基础研究与临床应用的衔接。

4、临床转化应用

临床转化聚焦精准医疗，在癌症治疗中，通过解析肿瘤异质性、肿瘤微环境组成及循环肿瘤细胞特征，为免疫治疗标志物筛选、联合治疗方案优化及早期诊断提供依据；在非癌症疾病领域，为自身免疫病、感染性疾病等的致病机制解析提供新视角，同时支撑生殖医学中胚胎植入机制研究与辅助生殖技术优化；药物研发方面，助力治疗靶点发现、高通量功能验证及患者分层，加速精准治疗方案落地。

5. 挑战与未来展望

当前技术仍面临数据覆盖度不足、多组学模态兼容性有限、测序成本较高、临床样本适配性待提升等挑战。未来将重点推进技术优化（提升效率、降低成本）、AI 深度融合（构建多组学预训练模型）及临床转化落地（优化临床样本检测、建立疾病调控图谱），持续推动领域从基础研究向临床应用的跨越。

该综述系统整合了单细胞与空间基因组学的技术进展、计算方法、应用场景及未来趋势，覆盖从基础研究到临床转化的全链条，配图清晰、逻辑严谨，为医学科研工作者提供了领域全景式参考，尤其对从事癌症、自身免疫病、生殖医学等方向的研究者具有重要指导价值，值得深入研读。

Wang J, Ye F, Chai H, et al. Advances and applications in single-cell and spatial genomics. Sci China Life Sci. 2025;68(5):1226-1282. doi:10.1007/s11427-024-2770-x