基于微流控芯片的单细胞RNA测序技术

束璐茜; 张炎

doi:10.7536/PC20250706

化学进展 ›› 2026, Vol. 38 ›› Issue (2) :283-297 DOI: 10.7536/PC20250706

综述与评论

扫码查看或转发全文

基于微流控芯片的单细胞RNA测序技术

束璐茜 ,
张炎 ^*

作者信息 +

The Single-Cell RNA Sequencing Technology Based on Microfluidic Chips

Luxi Shu ,
Yan Zhang ^*

Author information +

文章历史 +

摘要

细胞异质性是理解胚胎发育、疾病演化等生命过程的关键，而传统群体细胞RNA测序无法解析单细胞层面的基因表达差异。单细胞RNA测序技术（scRNA-seq）虽能在单细胞分辨率下构建转录组图谱，但其面临单细胞分离捕获效率低、RNA微量操作偏差大等挑战。以微流控芯片为技术载体的scRNA-seq通过微米级流体操控系统，将单细胞分离、裂解、逆转录、扩增及测序文库构建等流程集成化，实现了高通量、低样本损耗及自动化操作，显著提升了scRNA-seq的效率与数据可靠性。本文概述了scRNA-seq的测序流程，包括单细胞的分离与捕获、RNA提取、逆转录与扩增、单细胞测序等步骤，分析了微流控芯片在适配单细胞、精准控制反应体积和实现流程自动化等方面的核心优势，并简述了代表性平台Fluidigm C1、10X Genomics Chromium及BD Rhapsody的技术原理与特点。微流控芯片技术为scRNA-seq提供了高效、精准的技术平台，未来随着芯片设计的不断优化与多组学整合分析能力的提升，我们期待其在解析复杂生物系统、揭示疾病机制乃至推动精准医疗方面发挥更为深远的作用。

Abstract

Cell heterogeneity is key to understanding life processes such as embryonic development and disease evolution，while traditional bulk cell RNA sequencing cannot resolve gene expression differences at the single-cell level. Although single-cell RNA sequencing （scRNA-seq） technology can construct transcriptomic maps at single-cell resolution，it faces challenges such as low efficiency in single-cell isolation and capture，and large deviations in trace RNA manipulation. Microfluidic chip technology，through a microscale fluid manipulation system，integrates processes such as single-cell isolation，lysis，reverse transcription，amplification，and sequencing library construction，achieving high-throughput，low sample loss，and automated operations，which significantly improve the efficiency and data reliability of scRNA-seq. This paper outlines the sequencing process of scRNA-seq，including steps such as single-cell isolation and capture，RNA extraction，reverse transcription and amplification，and single-cell sequencing. It analyzes the core advantages of microfluidic chips in adapting to single cells，precisely controlling reaction volumes，and realizing process automation，and briefly describes the technical principles and characteristics of representative platforms such as Fluidigm C1，10X Genomics Chromium，and BD Rhapsody. Microfluidic chip technology provides an efficient and precise technical platform for scRNA-seq. In the future，with the continuous optimization of chip design and the improvement of multi-omics integrated analysis capabilities，we expect it to play a more profound role in resolving complex biological systems，revealing disease mechanisms，and even promoting precision medicine.

Contents

1 Introduction

2 Single-cell RNA sequencing workflow

2.1 Isolation and capture of single cells

2.2 RNA extraction，reverse transcription and amplification

2.3 Single-cell sequencing

3 Single-cell RNA sequencing technology based on microfluidic chips

3.1 Development history of scRNA-seq based on microfluidic chips

3.2 Core advantages of microfluidic chips in scRNA-seq

4 Representative microfluidic single-cell RNA sequencing platforms

4.1 Fluidigm C1 platform

4.2 10X Genomics chromium platform

4.3 BD rhapsody platform

5 Summary and prospects

Graphical abstract

关键词

单细胞RNA测序 / 微流控芯片 / Fluidigm C1 / 10X Genomics / BD Rhapsody

Key words

single-cell RNA sequencing / microfluidic chip / Fluidigm C1 / 10X Genomics / BD Rhapsody

引用本文

引用格式 ▾

束璐茜, 张炎. 基于微流控芯片的单细胞RNA测序技术[J]. 化学进展, 2026, 38(2): 283-297 DOI:10.7536/PC20250706

Luxi Shu, Yan Zhang. The Single-Cell RNA Sequencing Technology Based on Microfluidic Chips[J]. Progress in Chemistry, 2026, 38(2): 283-297 DOI:10.7536/PC20250706

登录浏览全文

4963

注册一个新账户忘记密码

1 引言

细胞作为生命活动的基本单位，其功能特性并非均质化存在。即使是同一组织或细胞群体，单个细胞在基因表达模式、代谢活性及功能状态等方面均呈现显著差异，这种细胞异质性对胚胎发育^[1]、疾病演化^[2]、免疫应答^[3]等关键生物学过程具有决定性影响。然而，传统群体细胞RNA测序（Bulk RNA-seq）将数百万细胞混合检测，本质上是将异质细胞群的基因表达进行统计学平均，掩盖了细胞异质性^[4]。2009年，Tang等^[5]首次实现哺乳动物单细胞全转录组测序，标志着单细胞组学时代的开端。单细胞RNA测序（Single-cell RNA sequencing，scRNA-seq）这一技术的突破性发展，首次实现了在单细胞分辨率下构建全基因组表达图谱，其不仅能够精确识别细胞亚群及其分子特征，更可动态追踪细胞状态转变轨迹，为深入理解生命过程提供了前所未有的视角^[6]。

scRNA-seq技术通过对单个细胞的RNA进行逆转录、扩增和高通量测序，能够精确测量每个细胞中数千个基因的表达水平^[7]。利用该技术，可实现新的细胞类型和细胞亚群的识别，绘制细胞分化和发育轨迹，解析疾病发生过程中细胞状态的动态变化等技术。在发育生物学领域，scRNA-seq助力研究从胚胎干细胞到各种终末分化细胞的分化路径和分子调控机制^[8]；在肿瘤研究中，该技术有助于揭示肿瘤细胞的异质性，发现肿瘤干细胞和耐药细胞亚群，为肿瘤的精准治疗提供理论依据^[9]；在免疫学研究中，scRNA-seq能够深入分析免疫细胞的多样性和功能状态，解释免疫反应的分子机制^[10]。

尽管scRNA-seq技术具有巨大的潜力，但在实际应用中仍面临诸多挑战。其中，单细胞的分离和捕获是scRNA-seq实验的关键步骤，传统的单细胞分离方法如流式细胞术^[11]、显微操作^[12]等存在通量低、成本高、对细胞损伤大等问题，难以满足大规模单细胞分析的需求。此外，单细胞中RNA含量极低，在RNA捕获、逆转录和扩增过程中容易引入偏差和噪音，影响测序数据的质量和准确性^[13]。

微流控芯片技术（Microfluidic chip）的兴起为scRNA-seq面临的挑战提供了有效的解决方案^[14]。微流控芯片是一种将微通道、微泵、微阀等微结构集成在几平方厘米芯片上的微型化装置，能够在微米尺度下对微量流体进行精确操控^[15]。它具有体积小、集成度高、通量高、试剂消耗少、分析速度快等优点，因此，利用微流控芯片装置进行细胞生物学研究特别是单细胞分析具有先天的优势。将微流控芯片技术与scRNA-seq相结合，能够实现单细胞的高效分离、捕获和处理，减少实验操作过程中的样本损失和污染，提高测序数据的质量和可靠性^[16]。同时，微流控芯片的多功能集成特性使得单细胞的分选、裂解、逆转录、扩增和文库构建等多个实验步骤可以在芯片上连续完成，实现scRNA-seq实验的自动化和一体化，大大提高了检测效率，降低了分析成本^[17]。

综上所述，基于微流控芯片的单细胞RNA测序技术在生命科学研究中具有重要的意义，为深入解析细胞异质性、揭示细胞功能和命运调控机制提供了强大的工具。本文首先介绍了单细胞RNA测序的流程，包括单细胞的分离与捕获、RNA提取、逆转录与扩增、单细胞测序等步骤，并总结了微流控芯片用于scRNA-seq的方法和核心优势，探讨了具有代表性的微流控单细胞RNA测序平台。最后，就该技术在空间多组学整合、临床即时检测等方向开展前瞻性展望，推动精准医学和个性化治疗的发展。

2 单细胞RNA测序流程

scRNA-seq能够精确解析细胞群体中每个细胞的基因表达状态，揭示细胞间的异质性，可用于发现新的细胞类型和状态，深入了解发育过程、疾病发展机制等，在生物学和医学研究领域具有广泛的应用和重要意义。其测序流程主要包括单细胞的分离与捕获、RNA提取、逆转录与扩增、单细胞测序等几个步骤（图1）^[18]。

2.1 单细胞的分离与捕获

单细胞的分离与捕获是scRNA-seq的首要关键步骤^[19]，其分离效果直接影响后续测序数据的质量和准确性。目前，常用的单细胞分离与捕获方法主要包括有限稀释法^[20]、显微操作法^[21]、荧光激活细胞分选^[22]（FACS）、微孔技术^[23]和液滴微流控^[24]等技术，每种方法都有其独特的原理、优势和局限性，表1对这几种方法进行了对比。

2.2 RNA提取、逆转录与扩增

从单细胞中提取RNA，并将其逆转录为cDNA，随后进行扩增，这一系列步骤是scRNA-seq流程中的关键环节，直接关系到能否获得高质量的测序数据。由于单细胞中RNA含量极低，通常只有几皮克到几十皮克，这对RNA提取、逆转录和扩增技术提出了极高的要求。

2.2.1 RNA提取

RNA提取是获取单细胞RNA信息的第一步。分离捕获后的细胞通过微流控芯片内预设的微通道网络，在精准的液体操控下被输送至RNA提取功能区，随后裂解液通过同一通道系统被送达，实现细胞裂解以释放RNA。目前，常用的单细胞RNA提取方法主要包括化学裂解法^[25]和基于微流控芯片的自动化提取法^[26]。化学裂解法是利用含有表面活性剂、蛋白酶等成分的裂解液，快速裂解单细胞，使细胞内的RNA释放出来。常用的裂解液为Trizol^[27]，Trizol作为一种总RNA提取试剂，内含异硫氰酸胍等物质。其原理是异硫氰酸胍能迅速破碎细胞，同时使核蛋白复合体中的蛋白变性并释放出核酸，此过程需要加入RNA酶抑制剂，以防止RNA被降解。随后，通过分层离心去除蛋白质、DNA等杂质，得到纯净的RNA。这种方法操作相对简单，但容易受到RNA酶污染的影响，导致RNA降解，影响提取效果。此外，Trizol存在价格昂贵，且含有酚和异硫氰酸盐等有毒物质的问题，具有生物安全性的蛋白酶K为其提供了解决方案^[28]。基于微流控芯片的自动化提取法是将单细胞捕获到微流控芯片的微反应单元中，利用芯片上集成的微泵、微阀等结构，精确控制裂解液、洗涤液和洗脱液的流动，实现单细胞RNA的自动化提取。Zhang等^[29]基于差异化流阻原理，设计了一款名为Paired-seq的微流控芯片，实现了单个细胞和磁珠的高效分离和配对，配对效率高达95%。该芯片通过阀门和泵的集成，能有效去除游离RNA，实现高效细胞裂解和mRNA捕获。这种方法减少了人为操作误差，降低了RNA酶污染的风险，进而提高了RNA提取的效率和质量。同时，微流控芯片的微型化和集成化特点^[30]，使得可以在极小的体积内处理单细胞，减少了试剂用量和样品损失。但该方法需要专门的微流控芯片设备，成本较高。

2.2.2 逆转录

逆转录是将提取得到的RNA分子转化为互补DNA（cDNA）的过程，为后续PCR扩增和测序分析奠定基础。在scRNA-seq中，通常采用oligo （dT）引物结合mRNA的poly （A）尾巴，在逆转录酶的作用下，以RNA为模板合成cDNA^[31]。为了提高逆转录的效率和准确性，Macosko等^[32]在逆转录引物中引入特殊的分子标签UMI（Unique molecular identifier），在磁珠上合成寡核苷酸结构，利用磁珠将大量带有独特条形码的引物递送到单个液滴中，并借助液滴微流控装置，将细胞与磁珠共同封装，如图3所示。裂解细胞后，mRNA被释放并结合到携带引物的磁珠上进行逆转录，形成STAMPs（Single-cell transcriptomes attached to microparticles），读取STAMPs上的序列即可推断每个转录本的细胞来源。此过程中，UMI作为一段随机短核苷酸序列，能为每个mRNA分子赋予独特标记，有效校正PCR扩增过程中产生的偏差。Sun等^[33]将人和小鼠细胞与掺入同源三聚体UMI的条形码共同封装，显著减少了PCR扩增引入的转录本计数偏差，提高了基因表达定量的准确性。此外，逆转录反应的条件，如温度^[34]、时间^[35]、引物^[36]和逆转录酶^[37]等，对逆转录的效率和cDNA的质量有重要影响。需要根据不同的实验需求和样本特点，优化逆转录反应条件，以获得高质量的cDNA。

2.2.3 扩增

由于单细胞中初始的RNA量极少，经过逆转录得到的cDNA量也不足以满足高通量测序的要求，因此需要对cDNA进行扩增。目前，常用的单细胞cDNA扩增方法主要有两种：基于PCR的扩增方法^[38]和基于体外转录（IVT）的扩增方法^[39]。基于PCR的扩增方法基于PCR技术，以逆转录得到的cDNA为模板，通过引物的特异性结合和DNA聚合酶的作用，对cDNA进行指数级扩增。这种方法操作简单，扩增效率高，能够在较短的时间内获得大量的cDNA。但PCR扩增过程中容易引入扩增偏差，不同长度和序列的cDNA片段扩增效率可能存在差异，导致扩增后的cDNA文库不能准确反映原始RNA的表达水平^[40]。为了减少PCR扩增偏差，可以采用降落PCR^[41]扩增，或者在扩增过程中加入适量的扩增校正试剂^[42]等方法。基于体外转录的扩增方法，最早由Eberwine^[43]引入，该法首先进行第一轮逆转录，使用T7-oligo（dT）引物将mRNA逆转录为含T7启动子的双链cDNA，于是体外转录酶T7 RNA聚合酶识别T7启动子，以双链cDNA为模板，线性合成反义RNA（aRNA）。这些aRNA再经过逆转录重新转化为cDNA，从而实现cDNA的扩增。这种方法的优点是能够避免PCR扩增偏差，扩增后的cDNA文库更能准确反映原始RNA的表达水平^[44]。但体外转录扩增方法操作相对复杂，需要多个酶促反应步骤，多轮扩增后，长转录本可能丢失，实验成本较高，且扩增效率相对较低，扩增时间较长^[45]。

2.3 单细胞测序

高通量测序技术是单细胞RNA测序的核心技术之一，它能够快速、准确地测定单细胞中cDNA的序列信息，为后续的数据分析提供海量的数据基础。高通量测序的原理主要基于边合成边测序（Sequencing by synthesis，SBS）技术^[46]。以 Illumina测序平台为例，这是目前scRNA-seq中应用最为广泛的测序平台之一^[47]。在测序过程中，首先将扩增得到的cDNA文库片段化，并在片段两端连接上特定的接头序列。这些带有接头的 cDNA 片段被固定在测序芯片（Flow cell）的表面，形成单链DNA模板^[48]。然后，加入含有DNA聚合酶、dNTP和荧光标记的可逆终止子的测序反应液。在DNA聚合酶的作用下，dNTP按照碱基互补配对原则与模板链结合，每次添加一个dNTP。由于dNTP上带有荧光标记和可逆终止基团，当一个dNTP被添加到新生链上后，可逆终止基团会阻止下一个dNTP的添加，此时通过激光扫描可以检测到荧光信号，从而确定该位置的碱基类型^[48-49]。然后，去除可逆终止基团，继续进行下一轮的碱基添加和检测，如此循环往复，实现对cDNA片段的逐碱基测序。通过对大量cDNA片段的并行测序，Illumina测序平台能够在一次测序反应中产生数十亿条测序读长（Reads），覆盖单细胞中大部分的转录本信息^[50]。

除了Illumina 测序平台外，PacBio单分子实时测序平台与Oxford Nanopore纳米孔测序平台等也发挥着关键作用。PacBio平台^[51]运用单分子实时测序技术，可实现对单个DNA分子的直接测序，无需预扩增步骤，凭借长读长测序数据优势，在转录本全长结构解析中表现卓越。Oxford Nanopore平台^[52]则基于纳米孔传感原理，当DNA分子通过纳米孔时引发电流变化，通过精准检测电流信号即可解析DNA碱基序列，具备实时测序、长读长特性，且设备便携。不同的高通量测序平台在测序原理、读长、通量、准确性和成本等方面存在差异，需根据具体的研究目的和需求选择合适的测序平台。

3 基于微流控芯片的单细胞RNA测序技术

3.1 基于微流控芯片的scRNA-seq发展历程

单细胞RNA测序是解析细胞异质性的核心技术，为理解生命复杂性提供了前所未有的视角。2009年，Tang等^[5]基于Smart-seq^[53]开发的小鼠卵母细胞测序技术，标志着单细胞分析新时代的开始。首次实现了哺乳动物单细胞全长cDNA测序，但此时单细胞分离仍依赖低通量的显微操作。微流控芯片技术的崛起彻底革新了这一局面^[54]。2011年，Fluidigm推出C1单细胞集成式微流控芯片^[55]，通过微通道将单个细胞分离到独立反应腔室，首次实现96个细胞并行裂解、反转录和预扩增，初步展现微流控芯片在单细胞处理中的集成化优势。但特定型号的C1芯片只能捕获一定大小的细胞，捕获效率低且成本高昂。随后液滴微流控技术^[56]的突破催生了inDrop^[57]、Drop-seq^[32,58]和10X Genomics的Chromium^[59]等划时代平台，该技术的出现极大地提高了scRNA-seq的通量，通过油包水液滴与条形码磁珠的结合将单次实验通量推升至数千细胞并大幅降低成本。2016年后高通量scRNA-seq普及，推动癌症异质性和免疫微环境等研究发展^[60]。此后，基于微流控芯片和微液滴技术的单细胞测序平台不断涌现和优化，多模态整合成为趋势，BD Rhapsody^[61]等竞争平台通过微孔板与磁珠结合方案拓展技术多样性，微流控芯片开始融合蛋白质组、表观遗传检测，并优化捕获效率与临床转化能力。随着基于微流控芯片的scRNA-seq商业化成熟，微流控芯片已被用于单细胞空间转录组学研究^[14]，在单细胞分辨率下解析基因表达的空间分布，并实现自动化、便携化的临床即时检测^[62]。最近，深度学习方法进一步赋能细胞注释与药物预测^[63]，推动该技术从科研工具向肿瘤早筛^[64]、个性化医疗等临床应用场景加速渗透。未来，或通过百万级通量、活细胞动态追踪与标准化诊断方案重塑精准医学边界。

3.2 微流控芯片在scRNA-seq中的的核心优势

微流控芯片的快速发展为scRNA-seq开辟了新的途径^[65]，其通过精妙设计的微米级通道与反应腔室，将单细胞捕获至扩增等流程集成于芯片，并在scRNA-seq领域展现出独特的优势：其一，微流控芯片在结构与功能设计上展现出高度灵活性，能够精准适配多样化的单细胞分析需求^[66]；其二，微流控通道具有数十到数百微米的尺寸，适用于皮升到纳升体积的溶液，显著降低样品损耗并提升检测灵敏度^[67]；其三，多功能单元与微流控芯片的高度集成实现了流程自动化，极大程度规避了人为操作引入的误差^[68]。

3.2.1 适配单细胞

早期单细胞分离技术的瓶颈严重制约了单细胞层面的研究进展。细胞体积小，单细胞分离是scRNA-seq的主要难点。微流控装置的内部尺寸通常低于100 μm，反应体积通常在皮升至纳升水平，使其非常适合单细胞分离。

目前，基于微流控的细胞分离与捕获已成为scRNA-seq的主流方法，主要包括基于微孔和基于微滴的两种微流控芯片技术。基于微孔阵列的微流控芯片，其芯片上的微孔尺寸被精确设计为仅能容纳单个细胞（图4A），细胞在重力或流体动力的作用下随机落入微孔中，实现精准捕获^[69]。例如，BD Rhapsody平台的微孔芯片含约20万个微孔，可快速捕获大量单细胞。Shi等^[70]利用该平台高效大规模捕获T细胞并揭示其转录组动态变化，通量远超传统方法。基于微滴的液滴微流控是近年来发展迅速且应用广泛的技术，其将单细胞与带有特定条形码的凝胶珠或磁珠一同包裹在微小的液滴中，每个微液滴形成一个独立的反应单元，这种设计不仅能够高效标记和捕获数千个单细胞^[71]，而且有效减少了细胞交叉污染。Zheng等^[59]借助基于微滴的10X Genomics Chromium平台，成功实现293T与3T3细胞的快速封装与捕获，封装率达80%。

微流控芯片可通过调整通道几何形状、尺寸及反应腔室布局，适配不同类型细胞的捕获与分析需求。针对体积较大的肿瘤细胞，可设计宽口径通道避免细胞损伤^[72]；对于稀有循环肿瘤细胞，可通过免疫磁珠修饰通道内壁实现特异性捕获^[73]。通过水动力学捕获机制，微流控芯片能够在固定位置高效捕获单细胞，捕获效率可达近100%，显著降低细胞损失率^[74]。

3.2.2 反应体积精准控制

微流控技术通过将反应体积最小化至皮升或纳升级别^[32]，借助微通道实现精确的流体控制，显著降低了样品损耗并提高分析灵敏度。微量样品处理能力使得微流控系统特别适合处理数量有限的珍贵细胞样本，如稀有肿瘤细胞或干细胞。Zhang等^[75]集成了流体动力学捕获和相切换技术，将单个细胞包裹在皮升级水凝胶液滴中，如图4B所示，实现了接近100%的单细胞捕获效率。

微流控芯片中的精确流体控制使得细胞裂解和核酸提取过程更加高效，减少了RNA降解的风险，保留了更多的转录组信息。Li等^[76]通过控制反应体系中的酶、引物和模板的比例，在微流控芯片上实现了肿瘤细胞的多重置换扩增（Multiple displacement amplification，MDA），助力抗癌药物耐药机制研究。此外，微流控芯片与数字PCR技术的有机结合实现了单细胞中低丰度RNA的绝对定量^[77]，为后续的测序分析提供更准确的数据。

在单细胞裂解环节，化学裂解法通过精确控制微流控芯片中流体的流速和混合比例，能够确保裂解液与细胞充分接触，提高裂解效率^[78]。同时，微流控芯片的微尺度环境减少了裂解液的用量，降低了实验成本。物理裂解方式则利用微芯片内部制造的特定微结构产生的剪切力、摩擦力或压缩力来压碎细胞膜^[79-80]。Cheng等^[81]研发的Pump-on-a-chip微流控平台，能在36 s内高效裂解50 μL细胞样品，这种物理裂解方式操作简单、速度快，且避免了化学试剂对RNA的潜在损伤。

3.2.3 流程自动化

对于需要多步骤处理的复杂流程，微流控芯片可以集成多个功能模块实现一体化操作，实现从细胞捕获到核酸分析的全流程自动化。这种集成化设计显著减少了人为操作误差，提高了单细胞分析的准确性和可重复性。Ruan等^[82]在芯片上集成高精度温控模块调控核酸扩增温度，构建了快速稳定的热循环系统，将单细胞自动分离、裂解及扩增等一系列流程时间压缩至2 h以内，显著提高了scRNA-seq效率与自动化水平。芯片可设计多通道阵列，单次运行即可处理数千个单细胞，且通过标准化流程控制，显著提升实验重复性。基于光学传感器的发展，微流控芯片集成光学检测模块，可实时监测单细胞捕获状态、反应进程，并通过反馈调节流体参数，进一步优化实验结果^[83]。Wu等^[84]在微流控芯片上集成了scRNA-seq的所有步骤（图4C），首次在单细胞水平上进行了类器官单细胞肺癌自动化测序，为肺癌类器官的精准建模及肿瘤异质性研究提供了全新的技术平台。

微流控芯片的设计特性使其适应多样化分析需求，在文库制备环节，微流控芯片将核酸片段化、末端修复、接头连接等多步操作整合至单一系统，以自动化降低人为误差与样品损耗。在片段化过程中，基于微流控的超声破碎模块可通过精确调控声能参数，实现核酸片段大小的均一化控制^[85]；在末端修复与接头连接步骤中，Maguire等^[86]在芯片内设置温度梯度控制单元优化多酶反应条件，将传统方法中因酶反应动力学差异导致的序列偏差降低40%以上。为了提升文库制备的质量，Zhang等^[87]在芯片上引入磁场控制磁珠运动来纯化DNA，cDNA纯化率达92%，其封闭的疏水环境减少了样品蒸发、交叉污染和外源RNA酶污染的风险，为稀有单细胞样本的高效利用提供了技术保障。

4 代表性的微流控单细胞RNA测序平台

下文将简述Fluidigm C1、10X Genomics、BD Rhapsody基于微流控芯片技术的代表性单细胞RNA测序平台，归纳它们的技术原理、性能特点、应用场景，以及各自的优势与局限性（表2）^[59,88-89]。通过对这些平台的综合比较和分析，为科研人员在选择单细胞RNA测序平台时提供全面、准确的参考依据。

4.1 Fluidigm C1平台

Fluidigm C1^[90]作为较早应用于单细胞基因组学研究的自动化制备系统，其核心优势在于通过微流控芯片的精准设计96单细胞捕获位点（图5A），实现对直径≤25 μm、形状规则细胞的高效捕获与操作，并且可通过显微镜直接观察捕获的细胞，确认单细胞捕获状态和细胞活力。该系统集成细胞捕获、裂解、逆转录及预扩增等关键步骤，通过微流控流体精确控制实现单细胞独立反应，显著降低交叉污染，同时减少人为操作误差，提升实验准确性与重复性^[91]。其高灵敏度使其特别适合检测低丰度转录本^[92]，Xin等^[93]利用C1实现了小鼠所有胰岛细胞类型的识别，成功检测到了一些在传统测序方法中难以发现的Gcg-Ppy细胞基因表达，且实验周期短，具备时间成本优势。

Fluidigm C1平台凭借其强大的全长转录本分析能力和高深度测序特性，在空间组学整合研究中展现出显著优势，尤其在探究角质形成细胞分化等微环境动态变化的研究中表现突出。Siriwach等^[94]利用该平台首次鉴定出表皮伤口愈合中表达THBS1（血小板反应蛋白-1）的迁移性角质形成细胞亚群，并解析该亚群从基底分化、极性迁移至终末分化的动态过程，为揭示皮肤再上皮化机制及开发慢性伤口治疗新靶点奠定理论基础。此外，作为提供从单细胞分离到全长mRNA分析端到端解决方案的技术平台，其数据质量在多项基准测试中均超越同类微流控技术^[95]。然而，该平台也存在明显局限性，C1捕获回路中的流体流动或压力可能会导致细胞损伤或细胞间融合，进而致使单细胞基因表达模式改变。

4.2 10X Genomics Chromium 平台

10X Genomics Chromium平台是当前应用广泛且极具影响力的scRNA-seq技术^[59]，基于微液滴技术，借助八通道微流控芯片，每6 min可生成约10万个携带条形码凝胶珠（GEM），精准包裹单细胞形成独立反应单元，从而最大限度地减少紫外光对细胞造成的损害（图5B）。封装率达80%，细胞捕获效率达50%，适用于稀有样本分析。此外，该平台采用的UMI技术有效校正了PCR扩增偏差^[96]，在低GC（GC碱基对）含量区域，该平台对GC含量偏差的控制优势明显，使基因表达定量误差降低至5%以下，提升了基因定量准确性。

10X Genomics平台是肿瘤研究的首选平台^[97]。其革命性的单细胞分辨率与空间组学技术能系统性地解析传统技术难以捕捉的肿瘤核心难题：通过scRNA-seq精准揭示肿瘤内恶性细胞亚群、稀有耐药细胞及基因组异质性^[98-99]，结合Visium空间转录组技术直观定位肿瘤微环境中免疫、基质、血管等组分的空间分布与相互作用^[100]，全面推动了从基础肿瘤生物学到临床精准诊疗的转化进程。但该平台对细胞总量与活性要求严苛，基因检测率较低，易遗漏低表达基因，且个性化实验设计与分析的研发成本高昂。

4.3 BD Rhapsody平台

BD Rhapsody^[89]基于经典的微孔板原理，通过自然沉降的方式实现单细胞的分离和捕获。平台基于拥有22万微孔的微孔板阵列，细胞捕获率高达80%，高于10X Genomics Chromium，实现单细胞高效分离捕获^[101]。这种自然沉降的方式对细胞无损伤，样本兼容性好，能够最大程度地保持细胞的活性和完整性。同时，该平台结合寡核苷酸磁珠，可实现细胞标签和UMI双重标记，支持转录组、表面蛋白及免疫组库联合分析^[102]，为细胞功能特性多维度解析提供可能（图5C）。借助图像识别系统的实时监控，该平台能够精准地捕捉单细胞的捕获过程，确保每个微孔中只捕获一个单细胞，大大提高了实验的准确性和可靠性。

BD Rhapsody系统在处理低mRNA含量细胞方面表现出色^[103]，这一优势使其在免疫细胞研究领域快速崛起^[104]，Scheiber等^[105]使用BD Rhapsody平台有效地回收了低mRNA含量的免疫细胞，进一步验证了该系统在稀有细胞研究中的实用性。随着空间组学与scRNA-seq融合成为新趋势，Sennikov等^[106]通过单细胞多组学BD Rhapsody数据分析获得了有效的抗肿瘤T细胞及其T细胞受体，并观察到显性克隆型转导的TCR T细胞对MAGE-A3阳性肿瘤具有强效细胞毒性，为揭示细胞异质性和个性化治疗提供了新视角。尽管该平台凭借高精度的基因捕获能力和多组学兼容性在单细胞研究中占据重要地位，但因细胞沉降随机性，存在孔内无细胞或多细胞现象，需对捕获结果进行筛选验证，增加了实验复杂度与时间成本^[107]。

5 结论与展望

微流控芯片技术通过微米级流体操控系统，将单细胞分离、裂解、逆转录、扩增及测序文库构建等流程集成化，为scRNA-seq提供了高效精准的技术平台，显著提升了scRNA-seq的效率与数据可靠性。其核心优势在于适配单细胞的微尺度设计、皮纳升级反应体积的精准控制，以及从细胞捕获到核酸分析的全流程自动化，有效解决了传统技术中单细胞分离捕获效率低、RNA微量操作偏差大等挑战。

在技术流程方面，scRNA-seq涵盖单细胞分离与捕获、RNA提取、逆转录与扩增、单细胞测序四大核心步骤。其中，微流控芯片在单细胞分离环节展现独特优势：基于微孔阵列的芯片通过精确设计微孔尺寸实现单细胞捕获，基于液滴微流控的技术则将单细胞与条形码磁珠包裹于独立液滴，大幅提升通量至数千细胞/次。在RNA提取与扩增中，微流控芯片通过皮升尺度反应体积控制，结合UMI标记技术校正PCR偏差，确保低丰度转录本的精准检测。Illumina等高通量测序平台与微流控技术的结合，也进一步推动了单细胞转录组数据的深度解析。

Fluidigm C1、10X Genomics Chromium及BD Rhapsody等代表性平台各具技术特色与应用优势，已在解析细胞异质性、揭示疾病机制等生命科学研究领域发挥重要作用。Fluidigm C1在全长转录本分析和基因长度偏差方面表现最佳，适合需要高质量、深度测序的小规模样本研究。10X Genomics Chromium平台则在GC含量偏差控制和细胞通量方面占优势，特别适合肿瘤细胞等大规模细胞群体研究。BD Rhapsody在处理低mRNA含量细胞方面展现出独特优势，为免疫细胞研究提供了可靠工具。鉴于各平台在技术性能与应用场景上存在差异，研究人员需综合考虑研究目标、样本类型、所需细胞数量和预算等多种因素来选择合适的平台。

基于微流控芯片的单细胞RNA测序技术虽推动了单细胞基因表达分析，但仍存在瓶颈。在细胞捕获环节，受泊松分布限制，配对效率仅约50%，且细胞异质性和样本预处理损耗导致捕获偏差，脆弱或大型细胞易受损。分子操作中，单细胞RNA含量极低，面临降解与扩增偏差问题，文库制备还存在交叉污染风险。此外，设备与耗材成本高昂，临床样本处理复杂，限制了技术普及与转化。这些瓶颈涉及捕获效率、分子稳定性、数据标准化及成本控制，需全链条突破以推动其在精准医学等领域的应用。

未来微流控芯片scRNA-seq技术将从多方面突破：在技术性能优化方面，通过芯片设计的不断迭代，有望实现百万级通量，并结合深度学习优化液滴生成与细胞捕获，降低稀有细胞检测成本与门槛。在多组学整合应用领域，融合蛋白质组、表观基因组等多组学数据，与空间转录组技术相结合，将在单细胞层面深入解析基因表达的空间分布及微环境互作机制，为器官发育和肿瘤研究提供全新视角。在临床转化上，开发便携自动化系统用于循环肿瘤细胞单细胞测序早筛，结合活细胞动态追踪监测药物反应，将有力推动精准医疗的发展。此外，建立标准化操作与分析体系，解决数据兼容性问题，将加速该技术在基础研究与临床诊断中的广泛应用，为生命科学和医学领域带来更深远的影响。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	Fiorentino J, Torres-Padilla M E, Scialdone A. Annu. Rev. Genet., 2020, 54: 167.

[2]	Lee H O, Park W Y. Single Cell Genomics for Tumor Heterogeneity. Eds.: Noh D Y, Han W, Toi M. Singapore: Springer, 2021.

[3]	Minnema-Luiting J, Vroman H, Aerts J, Cornelissen R. Int. J. Mol. Sci., 2018, 19(4): 1041.

[4]	Li X M, Wang C Y. Int. J. Oral Sci., 2021, 13: 36.

[5]	Tang F C, Barbacioru C, Wang Y Z, Nordman E, Lee C, Xu N L, Wang X H, Bodeau J, Tuch B B, Siddiqui A, Lao K Q, Surani M A. Nat. Meth., 2009, 6(5): 377.

[6]	Gupta R K, Kuznicki J. Cells, 2020, 9(8): 1751.

[7]	Simmons S K, Lithwick-Yanai G, Adiconis X, Oberstrass F, Iremadze N, Geiger-Schuller K, Thakore P I, Frangieh C J, Barad O, Almogy G, Rozenblatt-Rosen O, Regev A, Lipson D, Levin J Z. Nat. Biotechnol., 2023, 41(2): 204.

[8]	McCracken I R, Taylor R S, De La Cuesta F, Dobie R, Henderson B E, Mountford J C, Caudrillier A, Henderson N C, Ponting C P, Baker A H. Eur. Heart J., 2019, 41(9): 1024.

[9]	Zhang Y, Wang D, Peng M, Tang L, Ouyang J, Xiong F, Guo C, Tang Y, Zhou Y, Liao Q, Wu X, Wang H, Yu J, Li Y, Li X, Li G, Zeng Z, Tan Y, Xiong W. J. Exp. Clin. Cancer Res., 2021, 40(1): 81.

[10]	Papalexi E, Satija R. Nat. Rev. Immunol., 2018, 18(1): 35.

[11]	Drescher H, Weiskirchen S, Weiskirchen R. Biomedicines, 2021, 9(11): 1613.

[12]	Emmert-Buck M R, Bonner R F, Smith P D, Chuaqui R F, Zhuang Z P, Goldstein S R, Weiss R A, Liotta L A. Science, 1996, 274(5289): 998.

[13]	Wu Y, Zhang K. Nat. Rev. Nephrol., 2020, 16(7): 408.

[14]	Cao J, Chen X, Huang S Q, Shi W X, Fan Q, Gong Y L, Peng Y, Wu L L, Yang C Y. Trac Trends Anal. Chem., 2023, 158: 116868.

[15]	Pattanayak P, Singh S K, Gulati M, Vishwas S, Kapoor B, Chellappan D K, Anand K, Gupta G, Jha N K, Gupta P K, Prasher P, Dua K, Dureja H, Kumar D, Kumar V. Microfluid. Nanofluid., 2021, 25(12): 99.

[16]	Streets A M, Zhang X N, Cao C, Pang Y H, Wu X L, Xiong L, Yang L, Fu Y S, Zhao L, Tang F C, Huang Y Y. Proc. Natl. Acad. Sci. U. S. A., 2014, 111(19): 7048.

[17]	Chen Y W, Wang X Q, Na X, Zhang Y K, Cai L F, Song J, Yang C Y. Anal. Chem., 2024, 96(31): 12916.

[18]	Pan Y T, Cao W J, Mu Y, Zhu Q Y. Biosensors, 2022, 12(7): 450.

[19]	Pensold D, Zimmer-Bensch G. Methods for Single-Cell Isolation and Preparation. Eds.: Yu B, Zhang J, Zeng Y, Li L, Wang X. Singapore: Springer, 2020.

[20]	Gross A, Schoendube J, Zimmermann S, Steeb M, Zengerle R, Koltay P. Int. J. Mol. Sci., 2015, 16(8): 16897.

[21]	Feng Y Q, Li M. Nanoscale, 2023, 15(32): 13346.

[22]	Brunner A D, Thielert M, Vasilopoulou C, Ammar C, Coscia F, Mund A, Hoerning O B, Bache N, Apalategui A, Lubeck M, Richter S, Fischer D S, Raether O, Park M A, Meier F, Theis F J, Mann M. Mol. Syst. Biol., 2022, 18(3): e10798.

[23]	Gan C Y, Zhang J Y, Chen B, Wang A, Xiong H Y, Zhao J W, Wang C T, Liang S Z, Feng L. Small, 2024, 20(23): 2307329.

[24]	Li Y, Huang Z, Xu L B, Fan Y L, Ping J, Li G C, Chen Y J, Yu C W, Wang Q F, Song T R, Lin T, Liu M M, Xu Y Q, Ai N, Meng X N, Qiao Q, Ji H B, Qin Z, Jin S, Jiang N, Wang M X, Shu S K, Zhang F, Zhang W Q, Liu G H, Chen L M, Jiang L. Nat. Meth., 2025, 22(6): 1199.

[25]	Roszkowski M, Mansuy I M. Front. Cell Dev. Biol., 2021, 9 : 648274.

[26]	Subramanian Parimalam S, Oguchi Y, Abdelmoez M N, Tsuchida A, Ozaki Y, Yokokawa R, Kotera H, Shintaku H. Anal. Chem., 2018, 90(21): 12512.

[27]	Schactler S A, Scheuerman S J, Lius A, Altemeier W A, An D, Matula T J, Mikula M, Kulecka M, Denisenko O, Mar D, Bomsztyk K. BMC Genom., 2023, 24: 446.

[28]	Lizardi P M, Engelberg A. Anal. Biochem., 1979, 98(1): 116.

[29]	Zhang M X, Zou Y, Xu X, Zhang X B, Gao M X, Song J, Huang P F, Chen Q, Zhu Z, Lin W, Zare R N, Yang C Y. Nat. Commun., 2020, 11: 2118.

[30]	Kutluk H, Viefhues M, Constantinou I. Small Sci., 2024, 4(4): 2300206.

[31]	He P, Williams B A, Trout D, Marinov G K, Amrhein H, Berghella L, Goh S T, Plajzer-Frick I, Afzal V, Pennacchio L A, Dickel D E, Visel A, Ren B, Hardison R C, Zhang Y, Wold B J. Nature, 2020, 583(7818): 760.

[32]	Macosko E Z, Basu A, Satija R, Nemesh J, Shekhar K, Goldman M, Tirosh I, Bialas A R, Kamitaki N, Martersteck E M, Trombetta J J, Weitz D A, Sanes J R, Shalek A K, Regev A, McCarroll S A. Cell, 2015, 161(5): 1202.

[33]	Sun J F, Philpott M, Loi D, Li S, Monteagudo-Mesas P, Hoffman G, Robson J, Mehta N, Gamble V, Brown T Jr, Brown T Sr, Canzar S, Oppermann U, Cribbs A P. Nat. Meth., 2024, 21(3): 401.

[34]	Becskei A, Rahaman S. Comput. Struct. Biotechnol. J., 2022, 20: 4325.

[35]	Abdulmalik O, Lombardi A A, Russell J E. PLOS One, 2012, 7(7): e40827.

[36]	Micheel J, Safrastyan A, Aron F, Wollny D. Nat. Commun., 2024, 15: 5858.

[37]	Ellefson J W, Gollihar J, Shroff R, Shivram H, Iyer V R, Ellington A D. Science, 2016, 352(6293): 1590.

[38]	Li S Q, Sun J, Allesøe R, Datta K, Bao Y, Oliveira G, Forman J, Jin R, Olsen L R, Keskin D B, Shukla S A, Wu C J, Livak K J. Nat. Protoc., 2019, 14(8): 2571.

[39]	Hashimshony T, Wagner F, Sher N, Yanai I. Cell Rep., 2012, 2(3): 666.

[40]	Aird D, Ross M G, Chen W-S, Danielsson M, Fennell T, Russ C, Jaffe D B, Nusbaum C, Gnirke A. Genome Biol., 2011, 12(2): R18.

[41]	Korbie D J, Mattick J S. Nat. Protoc., 2008, 3(9): 1452.

[42]	Zhou Y, Jia E T, Sheng Y Q, Qiao Y, Wang Y, Shi H J, Liu Z Y, Pan M, Tu J, Bai Y F, Zhao X W, Ge Q Y, Lu Z H. ACS Appl. Mater. Interfaces, 2022, 14(17): 19154.

[43]	Morris J, Singh J M, Eberwine J H. J. Vis. Exp., 2011, 50: e2634.

[44]	Sasagawa Y, Hayashi T, Nikaido I. Strategies for Converting RNA to Amplifiable cDNA for Single-Cell RNA Sequencing Methods. Eds.: Suzuki Y. Singapore: Springer, 2019.

[45]	Popova P G, Lagace M A, Tang G, Blakney A K. Eur. J. Pharm. Biopharm., 2024, 198: 114247.

[46]	Uhlen M, Quake S R. Trends Biotechnol., 2023, 41(12): 1565.

[47]	Pease J, Sooknanan R. Nat. Meth., 2012, 9(3): i.

[48]	Marie R, Pødenphant M, Koprowska K, Bærlocher L, Vulders R C M, Wilding J, Ashley N, McGowan S J, van Strijp D, van Hemert F, Olesen T, Agersnap N, Bilenberg B, Sabatel C, Schira J, Kristensen A, Bodmer W, van der Zaag P J, Mir K U. Lab Chip, 2018, 18(13): 1891.

[49]	Chaitankar V, Karakülah G, Ratnapriya R, Giuste F O, Brooks M J, Swaroop A. Prog. Retin. Eye Res., 2016, 55: 1.

[50]	Tan G, Opitz L, Schlapbach R, Rehrauer H. Sci. Rep., 2019, 9(1): 2856.

[51]	Rhoads A, Au K F. Genom. Proteom. Bioinform., 2015, 13(5): 278.

[52]	Jain M, Olsen H E, Paten B, Akeson M. Genome Biol., 2016, 17(1): 239.

[53]	Goetz J J, Trimarchi J M. Nat. Biotechnol., 2012, 30(8): 763.

[54]	Mehling M, Tay S. Curr. Opin. Biotechnol., 2014, 25: 95.

[55]	Durruthy-Durruthy R, Ray M. Using Fluidigm C1 to Generate Single-Cell Full-Length cDNA Libraries for mRNA Sequencing. Eds.: DiStefano J K. New York:Springer, 2018.

[56]	Kaminski T S, Garstecki P. Chem. Soc. Rev., 2017, 46(20): 6210.

[57]	Klein A M, Mazutis L, Akartuna I, Tallapragada N, Veres A, Li V, Peshkin L, Weitz D A, Kirschner M W. Cell, 2015, 161(5): 1187.

[58]	Bageritz J, Raddi G. Single-Cell RNA Sequencing with Drop-Seq. Eds.: Proserpio V. New York: Springer, 2019.

[59]

Zheng G X Y, Terry J M, Belgrader P, Ryvkin P, Bent Z W, Wilson R, Ziraldo S B, Wheeler T D, McDermott G P, Zhu J J, Gregory M T, Shuga J, Montesclaros L, Underwood J G, Masquelier D A, Nishimura S Y, Schnall-Levin M, Wyatt P W, Hindson C M, Bharadwaj R, Wong A, Ness K D, Beppu L W, Deeg H J, McFarland C, Loeb K R, Valente W J, Ericson N G, Stevens E A, Radich J P, Mikkelsen T S, Hindson B J, Bielas J H. Nat. Commun., 2017, 8(1): 14049.

[60]	Juzenas S, Goda K, Kiseliovas V, Zvirblyte J, Quintinal-Villalonga A, Siurkus J, Nainys J, Mazutis L. Nucleic Acids Res., 2025, 53(2): gkae1312.

[61]	Shum E Y, Walczak E M, Chang C, Christina Fan H. Quantitation of mRNA Transcripts and Proteins Using the BD Rhapsody™ Single-Cell Analysis System. Eds.: Suzuki Y. Singapore: Springer, 2019.

[62]	Maïno N, Hauling T, Cappi G, Madaboosi N, Dupouy D G, Nilsson M. Sci. Rep., 2019, 9: 3542.

[63]	Chen J, Wang X, Ma A, Wang Q E, Liu B, Li L, Xu D, Ma Q. Nat. Commun., 2022, 13(1): 6494.

[64]	Bhagwat N, Dulmage K, Pletcher C H Jr, Wang L, DeMuth W, Sen M E, Balli D, Yee S S, Sa S L, Tong F, Yu L P, Moore J S, Stanger B Z, Dixon E P, Carpenter E L. Sci. Rep., 2018, 8: 5035.

[65]	Liu Y X, Fan Z H, Qiao L, Liu B H. Trac. Trends Anal. Chem., 2022, 157: 116822.

[66]	Zhu J C, Wang Y C, Chen P, Su H Y, Du W, Liu B F. Sens. Actuat. B Chem., 2019, 283: 685.

[67]	Denyer T, Timmermans M C P. Trends Plant Sci., 2022, 27(1): 104.

[68]	Sarma M, Lee J, Ma S, Li S, Lu C. Lab Chip, 2019, 19(7): 1247.

[69]	Vickovic S, Ståhl P L, Salmén F, Giatrellis S, Westholm J O, Mollbrink A, Navarro J F, Custodio J, Bienko M, Sutton L A, Rosenquist R, Frisén J, Lundeberg J. Nat. Commun., 2016, 7: 13182.

[70]	Shi S, Baracho G V, Song H W, Acob R A, Ayer A, Widmann S J, Tyznik A J. J. Immunol., 2023, 210(Supplement 1): 251.09.

[71]	Wen N, Zhao Z, Fan B Y, Chen D Y, Men D, Wang J B, Chen J. Molecules, 2016, 21(7): 881.

[72]	Li G L, Ji Y, Wu Y H, Liu Y S, Li H, Wang Y M, Chi M B, Sun H Y, Zhu H Q. Biosens. Bioelectron., 2023, 237: 115451.

[73]	Zhuo Y, Wang Y R, Gao R K, Zhan C B, Liu H C, Liu Y Y, Wang F F, Chen X Z, Feng Y J, Yu L D. Microchem. J., 2025, 212: 113330.

[74]	Sauzade M, Brouzes E. Lab Chip, 2017, 17(13): 2186.

[75]	Zhang B Y, Xu H, Huang Y Q, Shu W L, Feng H T, Cai J, Zhong J F, Chen Y. Analyst, 2019, 144(24): 7185.

[76]	Li R, Zhou M X, Yue C Y, Zhang W K, Ma Y, Peng H L, Hu Z Y, Wei Z W. Lab Chip, 2018, 18(5): 723.

[77]	Fang W B, Liu X D, Maiga M, Cao W J, Mu Y, Yan Q, Zhu Q Y. Biosensors, 2024, 14(2): 64.

[78]	Kim S C, Clark I C, Shahi P, Abate A R. Anal. Chem., 2018, 90(2): 1273.

[79]	Li Z G, Liu A Q, Klaseboer E, Zhang J B, Ohl C D. Lab Chip, 2013, 13(6): 1144.

[80]	Kim J, Hong J W, Kim D P, Shin J H, Park I. Lab Chip, 2012, 12(16): 2914.

[81]	Cheng Y N, Wang Y, Wang Z Y, Huang L, Bi M Z, Xu W X, Wang W H, Ye X Y. Biomicrofluidics, 2017, 11(2): 024112.

[82]	Ruan Q Y, Shi C R, Lin X Y, Ruan W D, Xu M H, Yang C Y, Ren Y K. Chem. Eng. J., 2025, 511: 162099.

[83]	Liao Z R, Zhang Y, Li Y R, Miao Y F, Gao S M, Lin F K, Deng Y L, Geng L N. Biosens. Bioelectron., 2019, 126: 697.

[84]	Wu X, Li B W, Wang Y D, Xue J C, Zhao H T, Huang Z C, Zheng Z B, Liang N X, Wei Z W. Anal. Chem., 2024, 96(42): 17027.

[85]	Sun L, Lehnert T, Gijs M A M, Li S J. Lab Chip, 2022, 22(21): 4224.

[86]	Maguire S, Lohman G J S, Guan S X. Nucleic Acids Res., 2020, 48(14): e80.

[87]	Zhang Q Q, Xu X, Lin L, Yang J, Na X, Chen X, Wu L L, Song J, Yang C Y. Lab Chip, 2022, 22(10): 1971.

[88]	DeLaughter D M. Curr. Protoc. Mol. Biol., 2018, 122: e55.

[89]	Li W Y, Bazaz S R, Mayoh C, Salomon R. Curr. Protoc., 2024, 4(2): e963.

[90]

Pollen A A, Nowakowski T J, Shuga J, Wang X H, Leyrat A A, Lui J H, Li N Z, Szpankowski L, Fowler B, Chen P L, Ramalingam N, Sun G, Thu M, Norris M, Lebofsky R, Toppani D, Kemp D W II, Wong M, Clerkson B, Jones B N, Wu S Q, Knutsson L, Alvarado B, Wang J, Weaver L S, May A P, Jones R C, Unger M A, Kriegstein A R, West J A A. Nat. Biotechnol., 2014, 32(10): 1053.

[91]	Gong H B, Do D, Ramakrishnan R. Single-Cell mRNA-Seq Using the Fluidigm C1 System and Integrated Fluidics Circuits. Eds.: Raghavachari N, Garcia-Reyero N. New York: Springer, 2018.

[92]	Wu A R, Neff N F, Kalisky T, Dalerba P, Treutlein B, Rothenberg M E, Mburu F M, Mantalas G L, Sim S, Clarke M F, Quake S R. Nat. Meth., 2014, 11(1): 41.

[93]	Xin Y R, Kim J, Ni M, Wei Y, Okamoto H, Lee J, Adler C, Cavino K, Murphy A J, Yancopoulos G D, Lin H C, Gromada J. Proc. Natl. Acad. Sci. U. S. A., 2016, 113(12): 3293.

[94]	Siriwach R, Ngo A Q, Higuchi M, ARIMA K, Sakamoto S, Watanabe A, Narumiya S, Thumkeo D. iScience, 2022, 25(4): 104130.

[95]	Arya A, Tripathi P, Dubey N, Aier I, Kumar Varadwaj P. Genom. Inform., 2025, 23: 13.

[96]	Islam S, Zeisel A, Joost S, La Manno G, Zajac P, Kasper M, Lönnerberg P, Linnarsson S. Nat. Meth., 2014, 11(2): 163.

[97]	Prakash P G, Kumar N, Gurumurthy R K, Chumduri C. Sci. Data, 2024, 11: 1238.

[98]	Li Y Q, Wang W J, Wang D Y, Zhang L C, Wang X Z, He J, Cao L, Li K, Xie H Y. Genes, 2022, 13(12): 2276.

[99]	Xin S Y, Liu X, Li Z Y, Sun X C, Wang R, Zhang Z H, Feng X W, Jin L, Li W Y, Tang C Z, Mei W L, Cao Q, Wang H J, Zhang J G, Feng L J, Ye L. Exp. Hematol. Oncol., 2023, 12(1): 49.

[100]

Wang C, Lu M Y, Chen C M, Chen J J, Cai Y S, Wang H, Tao L L, Yin W H, Chen J K. Int. Immunopharmacol., 2025, 145: 113752.

[101]

Ulbrich J, Lopez-Salmeron V, Gerrard I. BD Rhapsody™ Single-Cell Analysis System Workflow: From Sample to Multimodal Single-Cell Sequencing Data. Eds.: Calogero R A, Benes V. New York: Springer, 2023.

[102]

Timms J A, Winter S, Hargreaves S, McLornan D P, Platzbecker U, Kordasti S. Blood, 2019, 134(Supplement 1): 2980.

[103]

Nguyen R, Vaidyanathan S, Hlathu Z, Zhao X Y, Moskwa J, Acob R A, Gordon C, Wang L, Ayer A. Cancer Res., 2025, 85(8_Supplement 1): 4078.

[104]

Ji X H, Miranda M, Suresh S, Bader C S, Zoubeidi A, Meyer E H, Maecker H T. J. Immunol., 2023, 210(Supplement 1): 249.03.

[105]

Scheiber A, Trebo M, Pittl A, Heidegger I, Hautz T, Oberhuber R, Trajanoski Z, Augustin F, Sopper S, Wolf D, Pircher A, Salcher S. STAR Protoc., 2024, 5(4): 103475.

[106]

Sennikov S, Volynets M, Alrhmoun S, Perik-Zavodskii R, Perik-Zavodskaia O, Fisher M, Lopatnikova J, Shevchenko J, Nazarov K, Philippova J, Alsalloum A, Kurilin V, Silkov A. Front. Immunol., 2024, 15 :1470130.

[107]

Hautz T, Salcher S, Fodor M, Sturm G, Ebner S, Mair A, Trebo M, Untergasser G, Sopper S, Cardini B, Martowicz A, Hofmann J, Daum S, Kalb M, Resch T, Krendl F, Weissenbacher A, Otarashvili G, Obrist P, Zelger B, Öfner D, Trajanoski Z, Troppmair J, Oberhuber R, Pircher A, Wolf D, Schneeberger S. Nat. Commun., 2023, 14: 2285.

[108]

Szulwach K E, Chen P L, Wang X H, Wang J, Weaver L S, Gonzales M L, Sun G, Unger M A, Ramakrishnan R. PLOS One, 2015, 10(8): e0135007.

[1]	Fiorentino J, Torres-Padilla M E, Scialdone A. Annu. Rev. Genet., 2020, 54: 167.
[2]	Lee H O, Park W Y. Single Cell Genomics for Tumor Heterogeneity. Eds.: Noh D Y, Han W, Toi M. Singapore: Springer, 2021.
[3]	Minnema-Luiting J, Vroman H, Aerts J, Cornelissen R. Int. J. Mol. Sci., 2018, 19(4): 1041.
[4]	Li X M, Wang C Y. Int. J. Oral Sci., 2021, 13: 36.
[5]	Tang F C, Barbacioru C, Wang Y Z, Nordman E, Lee C, Xu N L, Wang X H, Bodeau J, Tuch B B, Siddiqui A, Lao K Q, Surani M A. Nat. Meth., 2009, 6(5): 377.
[6]	Gupta R K, Kuznicki J. Cells, 2020, 9(8): 1751.
[7]	Simmons S K, Lithwick-Yanai G, Adiconis X, Oberstrass F, Iremadze N, Geiger-Schuller K, Thakore P I, Frangieh C J, Barad O, Almogy G, Rozenblatt-Rosen O, Regev A, Lipson D, Levin J Z. Nat. Biotechnol., 2023, 41(2): 204.
[8]	McCracken I R, Taylor R S, De La Cuesta F, Dobie R, Henderson B E, Mountford J C, Caudrillier A, Henderson N C, Ponting C P, Baker A H. Eur. Heart J., 2019, 41(9): 1024.
[9]	Zhang Y, Wang D, Peng M, Tang L, Ouyang J, Xiong F, Guo C, Tang Y, Zhou Y, Liao Q, Wu X, Wang H, Yu J, Li Y, Li X, Li G, Zeng Z, Tan Y, Xiong W. J. Exp. Clin. Cancer Res., 2021, 40(1): 81.
[10]	Papalexi E, Satija R. Nat. Rev. Immunol., 2018, 18(1): 35.
[11]	Drescher H, Weiskirchen S, Weiskirchen R. Biomedicines, 2021, 9(11): 1613.
[12]	Emmert-Buck M R, Bonner R F, Smith P D, Chuaqui R F, Zhuang Z P, Goldstein S R, Weiss R A, Liotta L A. Science, 1996, 274(5289): 998.
[13]	Wu Y, Zhang K. Nat. Rev. Nephrol., 2020, 16(7): 408.
[14]	Cao J, Chen X, Huang S Q, Shi W X, Fan Q, Gong Y L, Peng Y, Wu L L, Yang C Y. Trac Trends Anal. Chem., 2023, 158: 116868.
[15]	Pattanayak P, Singh S K, Gulati M, Vishwas S, Kapoor B, Chellappan D K, Anand K, Gupta G, Jha N K, Gupta P K, Prasher P, Dua K, Dureja H, Kumar D, Kumar V. Microfluid. Nanofluid., 2021, 25(12): 99.
[16]	Streets A M, Zhang X N, Cao C, Pang Y H, Wu X L, Xiong L, Yang L, Fu Y S, Zhao L, Tang F C, Huang Y Y. Proc. Natl. Acad. Sci. U. S. A., 2014, 111(19): 7048.
[17]	Chen Y W, Wang X Q, Na X, Zhang Y K, Cai L F, Song J, Yang C Y. Anal. Chem., 2024, 96(31): 12916.
[18]	Pan Y T, Cao W J, Mu Y, Zhu Q Y. Biosensors, 2022, 12(7): 450.
[19]	Pensold D, Zimmer-Bensch G. Methods for Single-Cell Isolation and Preparation. Eds.: Yu B, Zhang J, Zeng Y, Li L, Wang X. Singapore: Springer, 2020.
[20]	Gross A, Schoendube J, Zimmermann S, Steeb M, Zengerle R, Koltay P. Int. J. Mol. Sci., 2015, 16(8): 16897.
[21]	Feng Y Q, Li M. Nanoscale, 2023, 15(32): 13346.
[22]	Brunner A D, Thielert M, Vasilopoulou C, Ammar C, Coscia F, Mund A, Hoerning O B, Bache N, Apalategui A, Lubeck M, Richter S, Fischer D S, Raether O, Park M A, Meier F, Theis F J, Mann M. Mol. Syst. Biol., 2022, 18(3): e10798.
[23]	Gan C Y, Zhang J Y, Chen B, Wang A, Xiong H Y, Zhao J W, Wang C T, Liang S Z, Feng L. Small, 2024, 20(23): 2307329.
[24]	Li Y, Huang Z, Xu L B, Fan Y L, Ping J, Li G C, Chen Y J, Yu C W, Wang Q F, Song T R, Lin T, Liu M M, Xu Y Q, Ai N, Meng X N, Qiao Q, Ji H B, Qin Z, Jin S, Jiang N, Wang M X, Shu S K, Zhang F, Zhang W Q, Liu G H, Chen L M, Jiang L. Nat. Meth., 2025, 22(6): 1199.
[25]	Roszkowski M, Mansuy I M. Front. Cell Dev. Biol., 2021, 9 : 648274.
[26]	Subramanian Parimalam S, Oguchi Y, Abdelmoez M N, Tsuchida A, Ozaki Y, Yokokawa R, Kotera H, Shintaku H. Anal. Chem., 2018, 90(21): 12512.
[27]	Schactler S A, Scheuerman S J, Lius A, Altemeier W A, An D, Matula T J, Mikula M, Kulecka M, Denisenko O, Mar D, Bomsztyk K. BMC Genom., 2023, 24: 446.
[28]	Lizardi P M, Engelberg A. Anal. Biochem., 1979, 98(1): 116.
[29]	Zhang M X, Zou Y, Xu X, Zhang X B, Gao M X, Song J, Huang P F, Chen Q, Zhu Z, Lin W, Zare R N, Yang C Y. Nat. Commun., 2020, 11: 2118.
[30]	Kutluk H, Viefhues M, Constantinou I. Small Sci., 2024, 4(4): 2300206.
[31]	He P, Williams B A, Trout D, Marinov G K, Amrhein H, Berghella L, Goh S T, Plajzer-Frick I, Afzal V, Pennacchio L A, Dickel D E, Visel A, Ren B, Hardison R C, Zhang Y, Wold B J. Nature, 2020, 583(7818): 760.
[32]	Macosko E Z, Basu A, Satija R, Nemesh J, Shekhar K, Goldman M, Tirosh I, Bialas A R, Kamitaki N, Martersteck E M, Trombetta J J, Weitz D A, Sanes J R, Shalek A K, Regev A, McCarroll S A. Cell, 2015, 161(5): 1202.
[33]	Sun J F, Philpott M, Loi D, Li S, Monteagudo-Mesas P, Hoffman G, Robson J, Mehta N, Gamble V, Brown T Jr, Brown T Sr, Canzar S, Oppermann U, Cribbs A P. Nat. Meth., 2024, 21(3): 401.
[34]	Becskei A, Rahaman S. Comput. Struct. Biotechnol. J., 2022, 20: 4325.
[35]	Abdulmalik O, Lombardi A A, Russell J E. PLOS One, 2012, 7(7): e40827.
[36]	Micheel J, Safrastyan A, Aron F, Wollny D. Nat. Commun., 2024, 15: 5858.
[37]	Ellefson J W, Gollihar J, Shroff R, Shivram H, Iyer V R, Ellington A D. Science, 2016, 352(6293): 1590.
[38]	Li S Q, Sun J, Alles?e R, Datta K, Bao Y, Oliveira G, Forman J, Jin R, Olsen L R, Keskin D B, Shukla S A, Wu C J, Livak K J. Nat. Protoc., 2019, 14(8): 2571.
[39]	Hashimshony T, Wagner F, Sher N, Yanai I. Cell Rep., 2012, 2(3): 666.
[40]	Aird D, Ross M G, Chen W-S, Danielsson M, Fennell T, Russ C, Jaffe D B, Nusbaum C, Gnirke A. Genome Biol., 2011, 12(2): R18.
[41]	Korbie D J, Mattick J S. Nat. Protoc., 2008, 3(9): 1452.
[42]	Zhou Y, Jia E T, Sheng Y Q, Qiao Y, Wang Y, Shi H J, Liu Z Y, Pan M, Tu J, Bai Y F, Zhao X W, Ge Q Y, Lu Z H. ACS Appl. Mater. Interfaces, 2022, 14(17): 19154.
[43]	Morris J, Singh J M, Eberwine J H. J. Vis. Exp., 2011, 50: e2634.
[44]	Sasagawa Y, Hayashi T, Nikaido I. Strategies for Converting RNA to Amplifiable cDNA for Single-Cell RNA Sequencing Methods. Eds.: Suzuki Y. Singapore: Springer, 2019.
[45]	Popova P G, Lagace M A, Tang G, Blakney A K. Eur. J. Pharm. Biopharm., 2024, 198: 114247.
[46]	Uhlen M, Quake S R. Trends Biotechnol., 2023, 41(12): 1565.
[47]	Pease J, Sooknanan R. Nat. Meth., 2012, 9(3): i.
[48]	Marie R, P?denphant M, Koprowska K, B?rlocher L, Vulders R C M, Wilding J, Ashley N, McGowan S J, van Strijp D, van Hemert F, Olesen T, Agersnap N, Bilenberg B, Sabatel C, Schira J, Kristensen A, Bodmer W, van der Zaag P J, Mir K U. Lab Chip, 2018, 18(13): 1891.
[49]	Chaitankar V, Karakülah G, Ratnapriya R, Giuste F O, Brooks M J, Swaroop A. Prog. Retin. Eye Res., 2016, 55: 1.
[50]	Tan G, Opitz L, Schlapbach R, Rehrauer H. Sci. Rep., 2019, 9(1): 2856.
[51]	Rhoads A, Au K F. Genom. Proteom. Bioinform., 2015, 13(5): 278.
[52]	Jain M, Olsen H E, Paten B, Akeson M. Genome Biol., 2016, 17(1): 239.
[53]	Goetz J J, Trimarchi J M. Nat. Biotechnol., 2012, 30(8): 763.
[54]	Mehling M, Tay S. Curr. Opin. Biotechnol., 2014, 25: 95.
[55]	Durruthy-Durruthy R, Ray M. Using Fluidigm C1 to Generate Single-Cell Full-Length cDNA Libraries for mRNA Sequencing. Eds.: DiStefano J K. New York:Springer, 2018.
[56]	Kaminski T S, Garstecki P. Chem. Soc. Rev., 2017, 46(20): 6210.
[57]	Klein A M, Mazutis L, Akartuna I, Tallapragada N, Veres A, Li V, Peshkin L, Weitz D A, Kirschner M W. Cell, 2015, 161(5): 1187.
[58]	Bageritz J, Raddi G. Single-Cell RNA Sequencing with Drop-Seq. Eds.: Proserpio V. New York: Springer, 2019.
[59]	Zheng G X Y, Terry J M, Belgrader P, Ryvkin P, Bent Z W, Wilson R, Ziraldo S B, Wheeler T D, McDermott G P, Zhu J J, Gregory M T, Shuga J, Montesclaros L, Underwood J G, Masquelier D A, Nishimura S Y, Schnall-Levin M, Wyatt P W, Hindson C M, Bharadwaj R, Wong A, Ness K D, Beppu L W, Deeg H J, McFarland C, Loeb K R, Valente W J, Ericson N G, Stevens E A, Radich J P, Mikkelsen T S, Hindson B J, Bielas J H. Nat. Commun., 2017, 8(1): 14049.
[60]	Juzenas S, Goda K, Kiseliovas V, Zvirblyte J, Quintinal-Villalonga A, Siurkus J, Nainys J, Mazutis L. Nucleic Acids Res., 2025, 53(2): gkae1312.
[61]	Shum E Y, Walczak E M, Chang C, Christina Fan H. Quantitation of mRNA Transcripts and Proteins Using the BD Rhapsody? Single-Cell Analysis System. Eds.: Suzuki Y. Singapore: Springer, 2019.
[62]	Ma?no N, Hauling T, Cappi G, Madaboosi N, Dupouy D G, Nilsson M. Sci. Rep., 2019, 9: 3542.
[63]	Chen J, Wang X, Ma A, Wang Q E, Liu B, Li L, Xu D, Ma Q. Nat. Commun., 2022, 13(1): 6494.
[64]	Bhagwat N, Dulmage K, Pletcher C H Jr, Wang L, DeMuth W, Sen M E, Balli D, Yee S S, Sa S L, Tong F, Yu L P, Moore J S, Stanger B Z, Dixon E P, Carpenter E L. Sci. Rep., 2018, 8: 5035.
[65]	Liu Y X, Fan Z H, Qiao L, Liu B H. Trac. Trends Anal. Chem., 2022, 157: 116822.
[66]	Zhu J C, Wang Y C, Chen P, Su H Y, Du W, Liu B F. Sens. Actuat. B Chem., 2019, 283: 685.
[67]	Denyer T, Timmermans M C P. Trends Plant Sci., 2022, 27(1): 104.
[68]	Sarma M, Lee J, Ma S, Li S, Lu C. Lab Chip, 2019, 19(7): 1247.
[69]	Vickovic S, St?hl P L, Salmén F, Giatrellis S, Westholm J O, Mollbrink A, Navarro J F, Custodio J, Bienko M, Sutton L A, Rosenquist R, Frisén J, Lundeberg J. Nat. Commun., 2016, 7: 13182.
[70]	Shi S, Baracho G V, Song H W, Acob R A, Ayer A, Widmann S J, Tyznik A J. J. Immunol., 2023, 210(Supplement 1): 251.09.
[71]	Wen N, Zhao Z, Fan B Y, Chen D Y, Men D, Wang J B, Chen J. Molecules, 2016, 21(7): 881.
[72]	Li G L, Ji Y, Wu Y H, Liu Y S, Li H, Wang Y M, Chi M B, Sun H Y, Zhu H Q. Biosens. Bioelectron., 2023, 237: 115451.
[73]	Zhuo Y, Wang Y R, Gao R K, Zhan C B, Liu H C, Liu Y Y, Wang F F, Chen X Z, Feng Y J, Yu L D. Microchem. J., 2025, 212: 113330.
[74]	Sauzade M, Brouzes E. Lab Chip, 2017, 17(13): 2186.
[75]	Zhang B Y, Xu H, Huang Y Q, Shu W L, Feng H T, Cai J, Zhong J F, Chen Y. Analyst, 2019, 144(24): 7185.
[76]	Li R, Zhou M X, Yue C Y, Zhang W K, Ma Y, Peng H L, Hu Z Y, Wei Z W. Lab Chip, 2018, 18(5): 723.
[77]	Fang W B, Liu X D, Maiga M, Cao W J, Mu Y, Yan Q, Zhu Q Y. Biosensors, 2024, 14(2): 64.
[78]	Kim S C, Clark I C, Shahi P, Abate A R. Anal. Chem., 2018, 90(2): 1273.
[79]	Li Z G, Liu A Q, Klaseboer E, Zhang J B, Ohl C D. Lab Chip, 2013, 13(6): 1144.
[80]	Kim J, Hong J W, Kim D P, Shin J H, Park I. Lab Chip, 2012, 12(16): 2914.
[81]	Cheng Y N, Wang Y, Wang Z Y, Huang L, Bi M Z, Xu W X, Wang W H, Ye X Y. Biomicrofluidics, 2017, 11(2): 024112.
[82]	Ruan Q Y, Shi C R, Lin X Y, Ruan W D, Xu M H, Yang C Y, Ren Y K. Chem. Eng. J., 2025, 511: 162099.
[83]	Liao Z R, Zhang Y, Li Y R, Miao Y F, Gao S M, Lin F K, Deng Y L, Geng L N. Biosens. Bioelectron., 2019, 126: 697.
[84]	Wu X, Li B W, Wang Y D, Xue J C, Zhao H T, Huang Z C, Zheng Z B, Liang N X, Wei Z W. Anal. Chem., 2024, 96(42): 17027.
[85]	Sun L, Lehnert T, Gijs M A M, Li S J. Lab Chip, 2022, 22(21): 4224.
[86]	Maguire S, Lohman G J S, Guan S X. Nucleic Acids Res., 2020, 48(14): e80.
[87]	Zhang Q Q, Xu X, Lin L, Yang J, Na X, Chen X, Wu L L, Song J, Yang C Y. Lab Chip, 2022, 22(10): 1971.
[88]	DeLaughter D M. Curr. Protoc. Mol. Biol., 2018, 122: e55.
[89]	Li W Y, Bazaz S R, Mayoh C, Salomon R. Curr. Protoc., 2024, 4(2): e963.
[90]	Pollen A A, Nowakowski T J, Shuga J, Wang X H, Leyrat A A, Lui J H, Li N Z, Szpankowski L, Fowler B, Chen P L, Ramalingam N, Sun G, Thu M, Norris M, Lebofsky R, Toppani D, Kemp D W II, Wong M, Clerkson B, Jones B N, Wu S Q, Knutsson L, Alvarado B, Wang J, Weaver L S, May A P, Jones R C, Unger M A, Kriegstein A R, West J A A. Nat. Biotechnol., 2014, 32(10): 1053.
[91]	Gong H B, Do D, Ramakrishnan R. Single-Cell mRNA-Seq Using the Fluidigm C1 System and Integrated Fluidics Circuits. Eds.: Raghavachari N, Garcia-Reyero N. New York: Springer, 2018.
[92]	Wu A R, Neff N F, Kalisky T, Dalerba P, Treutlein B, Rothenberg M E, Mburu F M, Mantalas G L, Sim S, Clarke M F, Quake S R. Nat. Meth., 2014, 11(1): 41.
[93]	Xin Y R, Kim J, Ni M, Wei Y, Okamoto H, Lee J, Adler C, Cavino K, Murphy A J, Yancopoulos G D, Lin H C, Gromada J. Proc. Natl. Acad. Sci. U. S. A., 2016, 113(12): 3293.
[94]	Siriwach R, Ngo A Q, Higuchi M, ARIMA K, Sakamoto S, Watanabe A, Narumiya S, Thumkeo D. iScience, 2022, 25(4): 104130.
[95]	Arya A, Tripathi P, Dubey N, Aier I, Kumar Varadwaj P. Genom. Inform., 2025, 23: 13.
[96]	Islam S, Zeisel A, Joost S, La Manno G, Zajac P, Kasper M, L?nnerberg P, Linnarsson S. Nat. Meth., 2014, 11(2): 163.
[97]	Prakash P G, Kumar N, Gurumurthy R K, Chumduri C. Sci. Data, 2024, 11: 1238.
[98]	Li Y Q, Wang W J, Wang D Y, Zhang L C, Wang X Z, He J, Cao L, Li K, Xie H Y. Genes, 2022, 13(12): 2276.
[99]	Xin S Y, Liu X, Li Z Y, Sun X C, Wang R, Zhang Z H, Feng X W, Jin L, Li W Y, Tang C Z, Mei W L, Cao Q, Wang H J, Zhang J G, Feng L J, Ye L. Exp. Hematol. Oncol., 2023, 12(1): 49.
[100]	Wang C, Lu M Y, Chen C M, Chen J J, Cai Y S, Wang H, Tao L L, Yin W H, Chen J K. Int. Immunopharmacol., 2025, 145: 113752.
[101]	Ulbrich J, Lopez-Salmeron V, Gerrard I. BD Rhapsody? Single-Cell Analysis System Workflow: From Sample to Multimodal Single-Cell Sequencing Data. Eds.: Calogero R A, Benes V. New York: Springer, 2023.
[102]	Timms J A, Winter S, Hargreaves S, McLornan D P, Platzbecker U, Kordasti S. Blood, 2019, 134(Supplement 1): 2980.
[103]	Nguyen R, Vaidyanathan S, Hlathu Z, Zhao X Y, Moskwa J, Acob R A, Gordon C, Wang L, Ayer A. Cancer Res., 2025, 85(8_Supplement 1): 4078.
[104]	Ji X H, Miranda M, Suresh S, Bader C S, Zoubeidi A, Meyer E H, Maecker H T. J. Immunol., 2023, 210(Supplement 1): 249.03.
[105]	Scheiber A, Trebo M, Pittl A, Heidegger I, Hautz T, Oberhuber R, Trajanoski Z, Augustin F, Sopper S, Wolf D, Pircher A, Salcher S. STAR Protoc., 2024, 5(4): 103475.
[106]	Sennikov S, Volynets M, Alrhmoun S, Perik-Zavodskii R, Perik-Zavodskaia O, Fisher M, Lopatnikova J, Shevchenko J, Nazarov K, Philippova J, Alsalloum A, Kurilin V, Silkov A. Front. Immunol., 2024, 15 :1470130.
[107]	Hautz T, Salcher S, Fodor M, Sturm G, Ebner S, Mair A, Trebo M, Untergasser G, Sopper S, Cardini B, Martowicz A, Hofmann J, Daum S, Kalb M, Resch T, Krendl F, Weissenbacher A, Otarashvili G, Obrist P, Zelger B, ?fner D, Trajanoski Z, Troppmair J, Oberhuber R, Pircher A, Wolf D, Schneeberger S. Nat. Commun., 2023, 14: 2285.
[108]	Szulwach K E, Chen P L, Wang X H, Wang J, Weaver L S, Gonzales M L, Sun G, Unger M A, Ramakrishnan R. PLOS One, 2015, 10(8): e0135007.

基金资助

国家自然科学基金项目(32460624)

昆明理工大学“双一流”创建联合专项(202201BE070001-028)

云南省教育科学规划项目(BC23002)

昆明理工大学第十九届“挑战杯”全国大学生课外学术科技作品竞赛培育项目暨2024年学生课外学术科技创新基金项目(2024ZK128)

PDF (2895KB)

457

访问

被引

详细

导航

Received	Published	Revised
2025-07-04	2026-02-24	2025-08-05
Online Date
2025-08-29

摘要