随着单细胞转录组测序（scRNA-seq）技术的飞跃，我们对组织内细胞多样性和功能状态的理解达到了前所未有的深度。然而，受限于细胞悬液的活性、数量及形态要求，scRNA-seq应用于冷冻样本（诸如脑组织、肿瘤组织等）、细胞体积较大，形状不规则的样本仍具有局限性。在此背景下，单细胞核转录组测序技术（snRNA-seq）应运而生，为上述难题提供了创新性的解决方案，极大地拓宽了研究视野。
肌肉组织样本
2024年4月在Nature上发表的题为“Multimodal cell atlas of the ageing human skeletal muscle”的文章。研究团队对肌肉样本进行了处理，采用了scRNA-seq和snRNA-seq来分析细胞和核的异质性。研究发现相较于scRNA-seq，snRNA-seq与snATAC-seq数据在肌核富集上具有显著优势。
图1 多模态人类运动肌肉老化图谱[1]
脑组织样本
2017年发表在 Scientific reports 上的题为“A comparative strategy for single-nucleus and single-cell transcriptomes confirms accuracy in predicted cell-type expression from nuclear RNA”的文章，该研究从冷冻的S1皮层中分离出单核，使用流式细胞技术对神经核抗原(NeuN)进行标记，并在Fluidigm C1系统上进行RNA测序。研究发现，细胞核和细胞数据显示检测到的基因数量和类型相似(S1细胞核-平均5619个基因；S1细胞-平均4797个基因)，且核数核据含有较高比例的内含子reads。
图2 snRNA-seq揭示了兴奋性神经元的特性析[2]
肾脏组织样本
2022年7月，在American Journal of Physiology-Renal Physiology上发表的题为"Single cell versus single nucleus: transcriptome differences in the murine kidney after ischemia-reperfusion injury"的文章。该研究对小鼠肾脏进行深入研究，共获得了20,291个scRNA转录组和12,305个snRNA转录组，并进行了详尽的分析。研究结果显示，snRNA-seq在全面捕获转录信息方面更有潜力。尤为值得注意的是，snRNA数据集中未剪接mRNA的丰度高达72%，显著高于scRNA-seq数据集的28%。这一发现不仅揭示了snRNA-seq在捕获细胞转录动态过程中的独特优势，还提示其更适合用于RNA velocity分析，以构建细胞分化的伪时间线，这对于研究管状细胞等细胞状态转变过程尤为重要。此外，研究还深入评估了样品制备过程对转录组的影响。结果显示，在scRNA-seq数据集中，早期应激反应基因和线粒体基因的表达显著升高，这可能与细胞解离过程中引入的应激反应有关。相比之下，snRNA-seq数据集则能更有效地排除这些非特异性变化，提供更为准确的转录组信息，进一步证明了snRNA-seq在肾脏细胞研究中的适用性和优越性。
图3 在两组数据集中，应激反应基因和线粒体基因的表达差异谱[3]
心脏组织样本
2020年Selewa A等人发表在Scientific reports上发表的题为“Systematic comparison of high-throughput single-cell and single-nucleus transcriptomes during cardiomyocyte differentiation”的文章，在一定程度上扫除了心脏scRNA-seq的障碍。Selewa A等人研究了哺乳动物心脏snRNA-seq来探索细胞成分和细胞特征。虽然使用scRNA-seq或snRNA-seq技术，得到的高表达基因有所不同，两种技术也各有敏感性，但是在鉴定细胞类型上，两种技术所产生的结果差异并不大，这对无法用scRNA-seq开展单细胞研究的科研人员提供了很好的数据支撑。
图4 细胞类型和单细胞轨迹分析谱[4]
胰腺组织样本
2024年发表在BMC genomics上题为“NKX2-2 based nuclei sorting on frozen human archival pancreas enables the enrichment of islet endocrine populations for single-nucleus RNA sequencing”的文章。研究表明，在snRNA-seq与scRNA-seq的对比中，两者在细胞类型标志基因的表达上展现出高度的一致性。通过RRHO2方法的系统性比较，作者发现不同内分泌细胞类型在两种文库中的基因表达模式，无论是上调还是下调，均呈现出显著的相似性，这一发现为利用更为便捷、广泛的snRNA-seq技术探索胰腺内分泌系统提供了新的视角与可能性。
图5 来自同一供体的 snRNA-seq 和 scRNA-seq 文库的比较[5]
样本类型：
· 新鲜样本：scRNA-seq和snRNA-seq均适用，可根据具体研究需求选择。
· 冻存样本：推荐使用snRNA-seq，因其对细胞完整性要求相对较低，更适合处理经过冻存的样本。
细胞类型：
· 大体积、形状不规则、多核或不易解离的组织细胞（如心肌细胞、神经细胞、脑、心脏、肾脏、肝脏、胰腺、脂肪及成熟肌纤维细胞）：推荐使用snRNA-seq，以减少解离过程中细胞损伤和应激基因表达。
格致博雅目前引入10x Genomics、DNBelab C-TaiM4、BD Rhapsody多个单细胞平台，拥有运行日产通量最高的高通量测序平台 MGI DNBSEQ-T7，可提供精准高效高性价比的单细胞转录组、单细胞ATAC及多组学联合分析服务。
[1] Lai, Yiwei et al. “Multimodal cell atlas of the ageing human skeletal muscle.” Nature vol. 629,8010 (2024): 154-164. doi:10.1038/s41586-024-07348-6
[2] Lake, Blue B et al. “A comparative strategy for single-nucleus and single-cell transcriptomes confirms accuracy in predicted cell-type expression from nuclear RNA.” Scientific reports vol. 7,1 6031. 20 Jul. 2017, doi:10.1038/s41598-017-04426-w
[3] Gaedcke, Svenja et al. “Single cell versus single nucleus: transcriptome differences in the murine kidney after ischemia-reperfusion injury.” American journal of physiology. Renal physiology vol. 323,2 (2022): F171-F181. doi:10.1152/ajprenal.00453.2021
[4] Selewa, Alan et al. “Systematic Comparison of High-throughput Single-Cell and Single-Nucleus Transcriptomes during Cardiomyocyte Differentiation.” Scientific reports vol. 10,1 1535. 30 Jan. 2020, doi:10.1038/s41598-020-58327-6
[5] Xie, Gengqiang et al. “NKX2-2 based nuclei sorting on frozen human archival pancreas enables the enrichment of islet endocrine populations for single-nucleus RNA sequencing.” BMC genomics vol. 25,1 427. 30 Apr. 2024, doi:10.1186/s12864-024-10335-w
