你做了一批肿瘤组织转录组测序，发现某个基因显著升高，火山图很漂亮，通路富集也很漂亮。写到讨论部分时，问题来了：这个基因升高，是因为表达它的细胞变多了，还是同样的细胞每个都表达得更多了？
常规转录组答不了这个问题。这不是分析水平的问题，是技术原理决定的。分辨这两件事，需要单细胞转录组。
常规转录组：一杯”混合果汁”
常规转录组（bulk RNA-seq）把样本里的大量细胞混在一起提取 RNA，统一测序。打个比方：把一整个水果拼盘倒进榨汁机，打出一杯混合汁。你能尝出”这杯汁整体比另一杯甜”，但你没法知道甜味主要来自西瓜还是芒果，更没法知道每个水果各自有多甜。
它擅长回答：两组样本之间哪些基因整体表达不同、富集在哪些通路、能不能找到潜在标志物。它的盲区是组织是混合物——肿瘤组织里有肿瘤细胞、免疫细胞、成纤维细胞，测出来的是所有细胞 RNA 的平均值。如果处理组里免疫细胞浸润变多了，bulk 数据上会表现为一堆免疫相关基因”升高”，但细胞本身可能什么都没变。
单细胞转录组：把水果一个个分开尝
单细胞转录组（scRNA-seq）把样本打散成单个细胞，给每个细胞单独一个条形码分开检测。还是那个水果拼盘：这次不打汁了，把每个水果切下来单独尝一遍，还能顺手按种类分堆，再比较这盘里西瓜占比是不是变多了。
它能做到 bulk 做不到的三件事：
- 区分细胞类型和亚群：组织里到底有哪些细胞，各占多少；
- 定位变化来源：某个基因的变化，具体发生在哪类细胞身上；
- 发现稀有群体：占比 0.5% 的小细胞群，在 bulk 里信号会被完全稀释，单细胞能直接抓出来。
一张表说清主要区别
| 常规转录组 | 单细胞转录组 | |
|---|---|---|
| 检测单位 | 一群细胞的混合 | 单个细胞 |
| 核心输出 | 差异基因、通路富集 | 细胞分群、标记基因、比例变化 |
| 能否定位细胞类型 | 不能，只有平均值 | 能，精确到亚群 |
| 每个样本成本 | 低 | 明显更高 |
| 分析复杂度 | 流程成熟，门槛低 | 数据量大，需要专业分析 |
| 适合阶段 | 大样本验证、初筛 | 机制探索、图谱绘制 |
严格说，单细胞转录组也是转录组的一种，并不是两套完全不同的技术，更像”放大镜版本”——同一类问题，一个看平均，一个看细节。很多高分文章的做法是：单细胞负责发现（哪些细胞、哪些亚群），bulk 负责验证（大样本确认结论站得住），两者搭配比单打独斗说服力强得多。
怎么选：三个问题问自己
1. 你的科学问题需要定位到细胞吗？只问”两组整体有什么不同”——bulk 够了，性价比高。要问”变化发生在哪类细胞、细胞组成有没有变”——必须单细胞。
2. 样本量和预算多少？bulk 一个样本几百到一千多，单细胞一个样本几千起步。大样本队列全做单细胞，多数课题组吃不消；先小规模单细胞探路、再大样本 bulk 验证，是更常见的打法。
3. 谁来做分析？单细胞的数据量动辄几个 GB 到几十 GB，分析环境吃内存吃算力，Seurat/Scanpy 流程对新手并不友好。服务器配置、分析人力，这两块成本在设计课题时就要算进去，别等数据下机了才发现跑不动。
和云生信合作，选适合你的方式
我们部署：在我们的服务器上配置并交接单细胞分析环境。我们分析：单独委托，按约定交付结果与说明。你来操作：租用服务器，自行执行分析。
如果你正在设计课题、纠结技术路线，或者单细胞数据已经下机但算力和分析人手跟不上——云生信做生信服务器租赁和分析陪跑多年，算力环境、流程搭建、结果解读都能兜住。把你的课题背景、样本数量和期望时间发给云生信，我们先明确技术路线适用性，再讨论资源和执行安排。
