低输入
样本损失会被急剧放大
在单细胞场景里，传统样本处理中的每一步损耗都会被放大，所以低损耗前处理不是优化项，而是方法成败的核心。
单细胞专题
单细胞蛋白组
单细胞蛋白组覆盖低输入前处理、数据稀疏性、结果判断和相关产品路线，重点对应问题类型、技术难点、结果边界和项目布局价值。
专题主线
单细胞蛋白组的核心判断
常见误区是把“每个细胞测到多少蛋白”当成唯一目标。更稳的结构应先明确单细胞与 bulk 的差异，再进入误差来源、benchmark 和案例。
| 核心内容 | 常见误区 | 规范做法 |
|---|---|---|
| 理解技术价值 | 只把它看成“蛋白组学版单细胞热点”。 | 重点是理解它增加的是细胞级分辨率和异质性读数，而不是简单提升深度。 |
| 理解技术难点 | 只记住仪器和软件名称。 | 重点是判断低输入损耗、离子统计极限、matching 风险和批次漂移。 |
| 判断是否可做项目 | 只看论文里最亮眼的识别数。 | 同时看重复性、可复现性、样本通量和是否真的回答了生物学问题。 |
稀疏性
数据天然更稀疏
单细胞读数更容易出现缺失和不稳定，因此必须同时纳入 matching、complete data 和 false transfer 风险。
问题定义
只有异质性问题才真正需要它
如果研究问题并不依赖细胞间差异，直接上单细胞未必优于高质量 bulk discovery。
仪器平台
Astral、Orbitrap 与低输入工作流
单细胞蛋白组的变化不只是前处理更小、算法更强，硬件平台也在同步扩边。Astral 把高速高灵敏 MS/MS 接入 Orbitrap Full MS，低输入、超短梯度和更高通量单细胞 discovery 的可达范围因此明显增大。平台升级并不自动等于结果更可信，但它确实改变了单细胞实验在深度、速度和数据完整性之间的平衡方式。
Orbitrap Astral让高速高灵敏 MS/MS 进入常规高分辨率平台语境，是低输入和单细胞 discovery 近年明显扩边的关键硬件节点。
Aurora Rapid / Frontier低输入分离端的峰形、载量和稳定性，会直接影响单细胞数据的完整度与跨批次一致性。
| 单细胞场景 | 最常见的平台组合 | 同步需要稳定的环节 | 站内入口 |
|---|---|---|---|
| 常规低输入 discovery | Orbitrap HRAM + 易肽极微量 / 单细胞 + Aurora | 低损耗前处理、matching 风险、complete data 与 QC | Orbitrap 平台 / Spectronaut |
| 更高速的低输入 / 单细胞 discovery | Astral + Aurora Rapid + Spectronaut | MS/MS 速度放大后，channel / precursor 级过滤和后续 QC 更关键 | plexDIA / FDR |
| 单细胞样本制备 | 赛鹰 + 易肽单细胞 + Auto / 微量流程 | 吸附损失、转移损失、批量重复性与上样稳定性 | 产品与方案 |
| 云端结果与复核 | Spectronaut + OmicsCloud | 版本管理、共享查看、结果留痕与图谱复核 | 软件操作 / 产品与方案 |
Core Challenges
单细胞蛋白组的技术难点
单细胞难点并不是单一环节，而是从样本处理到数据解释整条链路都更容易被放大。
前处理难点
- 样本损失极易放大
- 微量体系更怕吸附与转移误差
- 批量处理时更需要稳定自动化
采集与匹配难点
- 离子极限导致稀疏
- matching 与 transfer 风险更敏感
- 低丰度信号更易受干扰
统计难点
- 缺失值结构更复杂
- 细胞间异质性和技术噪声容易混淆
- 聚类稳定性需要反复验证
解释难点
- 不能把更多 protein groups 直接等同于更好结果
- 必须回到生物学问题看是否真的增加了解释力
- 结果要能和细胞状态、功能与案例证据对应
Result Reading
单细胞结果该怎么看
单细胞结果不能只问“测到了多少蛋白”，还必须同时判断完整度、稳定性、假阳性风险和问题匹配度。
| 初始指标 | 不能只这么看 | 更合理的读法 |
|---|---|---|
| 单细胞 protein groups | 数值越大不一定越有用。 | 要结合细胞类型区分度、重复性和 false match 风险一起看。 |
| SPD / data completeness | 完整度高不代表生物学解释就成立。 | 要判断完整度是否来自真实信号，而不是过度 transfer。 |
| 聚类与分群 | 分群漂亮不等于结果可信。 | 要看是否能回到已知 biology、marker 和实验设计上验证。 |
| 差异蛋白 | 不要直接照搬 bulk proteomics 的读法。 | 要评估样本量、missing value 结构和 cluster robustness。 |
Integration
公司产品、软件与案例怎么接回单细胞专题
单细胞页真正的价值，不只是解释前沿难点，还要把这些难点接回产品路线、软件能力和实际案例。
公司结合点
- 赛鹰 / EasySCP 承接单细胞样本路线
- 微量低损耗前处理承接低输入挑战
- HybridDIA 与云分析承接数据处理与结果复核
典型团队
- 前沿课题组与联合研究团队
- 平台负责人和方法学储备团队
- 单细胞产品、应用支持与方案支持团队
相关页面
核心判断
- 能判断何时值得做单细胞
- 能解释技术难点与结果判读
- 能把专题语言翻译成项目和方案语言