从人脑六百万细胞核到单个大肠杆菌，单细胞分辨率正在重写疾病分析

2026-10-20·碱基·生信方法

细胞群体的均值是谎言。阿尔茨海默病脑里的星形胶质细胞不是铁板一块，一瓶大肠杆菌培养液里每个菌遭遇抗生素的反应也各不相同。这三篇文章技术路线迥异，面对的是同一个认知：单细胞层面的异质性不是测量噪声，是疾病信息本身。crumblr 在大队列里统计组分偏移，PASCode 在百万级细胞核里锁定 AD 表型关联细胞，SIE 电化学传感实时读出单菌代谢状态——三条路径互补，不重叠，也不相互矛盾。

crumblr的精度加权混合模型与多层谱系组分检验

细胞类型组成（cell type composition）的变化是疾病研究的常用读出，但对这类数据做统计检验有几个内在的麻烦。比例数据有上下界；不同细胞类型的丰度彼此不独立；不同样本的测序深度差异很大，简单地把计数压成比例再做 t 检验会引入系统性偏差。

Hoffman 和 Roussos 开发的 crumblr 用精度加权线性混合模型（precision-weighted linear mixed model）来处理这些问题，先对计数比率数据做对数比变换，再按每个样本的估计精度加权。测序深度高的样本天然被赋予更大的权重（PMID: 42778538）。浅测序的噪声不会被当成真实的组分偏移。

crumblr 的另一个设计点是在细胞谱系层级（cell lineage hierarchy）的多个节点上同时做检验。实际数据里，注释最细的叶节点往往对应稀有亚群，在那一层检验功效很低；把同族亚群合并到上一层做多变量检验，功效能显著提升，而研究者不需要事先决定哪层分辨率「正确」。模拟实验结果显示，在控制假阳性率的前提下，crumblr 的检验功效高于现有方法（PMID: 42778538）。

文章用老化、结核感染 T 细胞、前列腺癌骨转移和 SARS-CoV-2 四个已发表数据集演示了工具的用法，属于验证性展示。crumblr 的实际价值要等到用在新的前瞻性大规模队列上才能量化。

PASCode在584名AD捐献者脑内识别的表型关联细胞

crumblr 关注「哪类细胞的频率变化了」，PASCode 问的是另一个层次：在同一类细胞里，具体哪些细胞与某个临床表型的关联最强？

这个问题在阿尔茨海默病里格外有意义。AD 的表型极为复杂，认知损伤程度、神经精神症状类型因人而异，病理驱动机制很可能也不同。PsychAD 项目提供了一个难得的数据规模：来自超过 1000 名捐献者前额叶皮层的 600 余万个细胞核，584 名捐献者具有 AD 相关表型（PMID: 42778763）。

PASCode 把多种统计方法集成进一个图神经网络（graph neural network）模型，为每个细胞输出一个「表型关联分数」，最终在 27 个脑细胞亚类中识别出约 150 万个表型关联细胞（phenotype-associated cells, PACs）。

具体发现有几个值得记的。在认知受损的 AD 患者脑内，研究者检测到增强的兴奋性/抑制性失衡和线粒体功能障碍信号。在认知韧性（cognitive resilience）患者中，部分反应性星形胶质细胞（reactive astrocyte）亚型表现出神经保护和神经毒性基因表达的差异改变（PMID: 42778763）——这批细胞可能是部分 AD 患者在病理负担重的情况下仍维持认知功能的细胞基础。研究还发现，AD 与抑郁症之间共享的星形胶质细胞 PACs 富集了炎症和内质网应激通路的表达模式，是两种疾病关联的细胞层面注脚。

上述发现在外部 AD 和重度抑郁症数据集中得到了独立验证。需要注意的是，数据全部来自死后脑组织，不能直接测量功能性读出，因果方向只能靠推断。PASCode 是数据量驱动的方法，在样本量小得多的数据集上表现是否稳定，文章没有系统测试。

p-苯醌介导的单菌碰撞电流与三种抗菌机制的区分

前两篇都在处理测序数据。第三篇走的是截然不同的路——电化学信号。

单实体冲击电化学（single-entity impact electrochemistry, SIE）的原理是让细菌在液体中随机碰撞超微电极，每次碰撞产生一个短暂的电流尖峰，尖峰的幅度和总转移电荷量反映那个细菌在碰撞时刻的代谢活性。Liu 等人使用的氧化还原介质是对苯醌（p-benzoquinone, BQ）和 BQ-K₃Fe(CN)₆，两者被大肠杆菌（E. coli）的呼吸链持续还原，碰上电极就被重新氧化，形成电流信号（PMID: 42777140）。

用这个平台比较三种抗菌剂，得到了几乎是指纹级的区分结果。铅离子（Pb²⁺）暴露下，每菌的总转移电荷从 (7.51 ± 0.48) × 10⁻² pC 逐渐降至 (2.50 ± 0.14) × 10⁻² pC，反映呼吸链的渐进性受损（PMID: 42777140）。多西环素（doxycycline）作为蛋白质合成抑制剂，短时间内对碰撞信号几乎没有影响，因为它阻断的是新蛋白的合成，现有的呼吸链酶仍然在运转。多黏菌素 B（polymyxin B）破坏细胞膜，碰撞尖峰迅速消失，总电流幅度随之升高，原因是胞内的氧化还原物质随膜的破坏而泄漏（PMID: 42777140）。

这个信号差异的直接应用是快速鉴别耐药株：研究者用 SIE 识别出了对多黏菌素 B 耐药的大肠杆菌突变株，并验证了备选抗生素对该耐药株的有效性（PMID: 42777140）。传统肉汤培养法需要数小时，这里是实时读出。

目前的局限在于，验证只在大肠杆菌上完成，革兰氏阳性菌和其他菌种的信号特征是否类似还不清楚；在临床标本的复杂基质中，电极表面稳定性和信号可重复性也有待系统评估。现阶段这个方法更适合作为研究工具。

三条技术路线面向的不同问题

把三篇放在一起看，有一个清晰的分层结构。crumblr 和 PASCode 都处理 scRNA-seq 数据，但问的问题不同：crumblr 问「哪类细胞的比例在组间有显著差异」，PASCode 问「在同一类细胞内部，哪些细胞个体与特定表型的关联最强」。这是互补的两个问题，不是同一问题的两种解法。

SIE 测的不是基因表达，是实时代谢状态。它测不出「这个细菌表达了什么基因」，但能在分钟内回答「这个菌对这种药的响应属于哪类机制」。信息维度不同，时间分辨率也不同。

三者的共同点就一个，但这一个够根本：无论是 AD 的神经元网络，还是培养液里的大肠杆菌群，群体层面的平均值都会遮盖关键的少数亚群，而那批少数细胞往往正是决定临床表现的那些。

单细胞测序细胞组分分析阿尔茨海默病分型耐药菌快速鉴定生物信息方法