Single-cell transcriptomics of 20 mouse organs creates a Tabula Muris¶

作者 · Tabula Muris Consortium, 期刊 · Nature, 年份 · 2018, DOI · https://doi.org/10.1038/s41586-018-0590-4
一句话：Tabula Muris 用跨器官单细胞图谱证明，细胞类型既有核心身份，也有被组织环境塑造的局部状态。

1. 背景与前问¶

单细胞技术成熟后，领域马上遇到新问题：每篇论文都给出一批 cluster，但缺少跨组织、跨实验可查询的参考坐标。免疫细胞、内皮细胞、成纤维细胞在不同器官是否相同？一个 marker 在不同组织是否可靠？这些问题需要 atlas，而不是单个处理组实验。

2. 核心问题¶

核心问题一句话：能否为小鼠多个器官建立统一的细胞类型参考，并比较同类细胞在不同组织中的状态差异？

这是一篇资源型论文，但不是简单“测很多细胞”。它的真正价值是把 cell type 变成跨器官可比的分子对象。

3. 实验设计的关键决策¶

研究覆盖 20 个器官，并使用 droplet 与 FACS/plate-based 两条技术路线。droplet 提供通量，FACS/plate 提供更高基因检出和 index sorting 信息。这个双平台设计能部分区分技术偏差和真实生物差异。

样本设计控制了年龄和性别，并尽量从同一批动物取多个器官。这个取舍降低了个体差异，但也意味着 atlas 主要代表特定年龄和健康状态的小鼠。

4. 数据生成与处理¶

核心数据结构是 cell-by-gene matrix。流程包括 QC、归一化、降维、聚类、marker gene identification、cell ontology 标注和跨器官比较。

flowchart LR
  Organs[20 organs] --> Cells[单细胞悬液]
  Cells --> Droplet[droplet high-throughput]
  Cells --> FACS[FACS plate deep profiling]
  Droplet --> Matrix[cell×gene]
  FACS --> Matrix
  Matrix --> Annot[marker + ontology annotation]
  Annot --> Compare[跨器官同类细胞比较]

统计上，聚类只给 expression similarity；注释需要 marker gene 组合、已知组织学和 cell ontology。

5. 关键 Figure 拆解¶

Tabula Muris Figure 1 overview of mouse single-cell atlas — **真实结果图 · Figure 1。** 这张图是 Tabula Muris 的 atlas 地图：器官覆盖、两种平台、细胞数和总体细胞类型结构。读图时先看“取样宇宙”有多大，再看 atlas 结论能推广到哪里。来源：Tabula Muris Consortium 2018, *Nature*, DOI, Creative Commons Attribution 4.0 International License。

Figure 1：全项目设计和细胞图谱¶

这张图说明样本、器官、平台和总体细胞数。它在统计上定义了 atlas 的覆盖范围。生物学声明是：多个器官中的主要细胞类型可以被系统 catalog。

边界：atlas 覆盖不是无限。脆弱细胞、低丰度细胞和解离困难组织可能被低估。

Figure 2/3：细胞类型注释¶

这些图展示 marker genes 和 cluster annotation。支撑细胞命名的不是 UMAP 坐标，而是 marker 组合与已知细胞生物学一致。例如 T cells、B cells、endothelial cells、epithelial cells 都要靠多基因证据。

Figure 4/5：跨器官比较¶

这些图的关键是：同一大类细胞在不同器官共享核心身份，但也保留器官特异表达。生物学声明是组织微环境塑造 cell state。

6. 结论的强度边界¶

强支持：健康成年小鼠多器官主要细胞类型可由 scRNA-seq 系统编目；同类细胞存在跨器官状态差异；双平台数据能互补。

边界：atlas 不等于所有细胞类型本体论；单细胞悬液丢失空间和细胞互作；解离诱导应激和细胞损失会影响比例。把 Tabula Muris 直接当任何疾病或发育阶段参考都要谨慎。

7. 如果今天重做¶

今天会加入 snRNA-seq 处理难解离组织，加入空间转录组定位细胞类型，加入 CITE-seq 或空间蛋白校准 marker，并在统计上用 donor-level pseudobulk 重新评估跨器官差异。对植物 atlas，应从根尖、叶片、花器官等空间结构出发，避免只把 protoplast cluster 命名成“细胞类型”。

8. 我学到了什么¶

（Peter 填）

横向连接¶

[[04-scRNAseq/cell-type-annotation-paradigms]]
[[04-scRNAseq/pseudoreplication-pseudobulk]]
[[06-spatial/scrnaseq-spatial-projection]]
[[05-snRNAseq/snrna-vs-scrna-molecular]]

参考¶

Tabula Muris Consortium (2018), Nature, DOI: https://doi.org/10.1038/s41586-018-0590-4
Han et al. (2018), Cell — Mouse Cell Atlas
Schaum et al. (2018), Nature — tissue ageing single-cell atlas