单细胞与空间组学工具导航（2026 更新）

常规 10x Genomics 实验，每个样本回收 5000-10000 个细胞是常见配置，测序深度约每细胞 20000-50000 reads。研究稀有细胞类型需要提高细胞数（2 万+）；做剪接、SNV 等精细分析则需要提高深度。预算有限时，优先保证细胞数而不是深度，多样本重复也比单样本深测更有说服力。

三步交叉验证：①手动注释，用 CellMarker/PanglaoDB 查经典 marker 组合（注意要多个 marker 同时阳性）；②自动注释，跑 SingleR 或 CellTypist 用参考数据集对齐；③生物学验证，看这个簇的高变基因是否符合已知功能，必要时用免疫荧光或流式在实验层面确认。若两种方法结论冲突，通常说明该簇是混合群或过渡态，可考虑重新调整聚类分辨率。

没有万能数字。常规组织常用 <10%-20%，但心肌、骨骼肌、肝脏等高代谢组织的线粒体比例天然偏高，用 10% 会误删大量正常细胞，可放宽到 25%-30%。正确做法是先画质控小提琴图看分布，选择分布拐点作为阈值，并在论文中说明理由，而不是照抄教程默认值。

推荐组合打法：bulk 便宜、样本量大，适合做组间总体差异和临床队列验证；单细胞贵，适合定位「差异来自哪群细胞」。常见范式是先用单细胞发现关键细胞亚群和 marker，再用 bulk 大队列做反卷积（CIBERSORTx 等）验证该亚群比例与表型的关联，两者互为补充。