近年来，得益于单细胞组学技术的快速迭代升级，大规模细胞图谱绘制领域进展迅速。这些细胞图谱研究不仅为我们认识物种细胞构成及其异质性提供了丰富的数据资源，也为研究者们探究疾病背后的分子机制提供了细胞层面的参考。
近期，良渚实验室王晶晶研究员和良渚实验室/浙江大学郭国骥教授在国际期刊Advanced Science上发表了题为Mapping Cell Atlases at the Single-Cell Level的综述论文。该综述从技术发展、物种细胞图谱绘制、疾病细胞图谱以及深度学习在细胞图谱领域的应用这几个方面对近年来的单细胞组学研究进展进行了概述与总结。
在分析方法部分，该综述也对人工智能和机器学习在细胞图谱中的应用进行了概述，这些方法有望从系统生物学的角度整合组学与单细胞数据，为疾病和基础研究领域提供全新的视角。
自2009年汤富酬教授报道首个单细胞转录组测序技术以来，单细胞组学方法的广度与深度不断扩展。在技术广度上，形成了以转录组和基因组测序方法为核心，不断向表观遗传组、蛋白质组和代谢组学延伸的格局；在技术深度上，伴随微流体与微阵列系统的进步，检测通量与检测精度不断提高，并处于从体外细胞分离检测的维度向组织原位时空信息还原的发展阶段。
综述的第一部分系统性地总结了单细胞组学技术近年来的发展，重点概括了微流控系统、微孔板系统、组合标记方法等高通量单细胞分析策略及其应用于细胞图谱绘制的情况，指出具有国内自主知识产权的Microwell-seq平台及DNBelab C4平台推动了细胞图谱相关的高通量单细胞技术发展。这一部分也系统介绍了基因组和蛋白组，尤其是近年备受关注的空间转录组学与原位测序方法的进展。
高通量单细胞转录组与染色质可及性技术沿革
综述的第二部分整理了自高通量单细胞组学技术问世以来，物种细胞图谱绘制的进展。具有代表性的国际联合项目“人类细胞图谱计划”（HCA）整合了多国科学家的力量来系统描绘人体各个组织的高清单细胞图谱。在哺乳动物中，小鼠无疑是整个生物和医学领域运用最多的动物模型。在这一领域，是中国的研究者首次在国际上报道了小鼠以及人类完整的多组织器官细胞图谱。之后，涵盖发育、衰老等多个阶段的小鼠与人类细胞图谱也先后被报道。这些高质量的参考数据库资源，为后续疾病模型和人类疾病数据的分析提供了及其重要的参考，并在神经、免疫、干细胞发育生物学等多个方向更新了以往的认知，也为药物设计、疾病靶点的发现提供了众多思路。此外，论文也系统性地介绍了其他模式动物、家畜、微生物、海洋生物等领域的细胞图谱进展。
人类与小鼠细胞图谱的进展
其他物种细胞图谱的进展
综述的第三部分介绍了细胞图谱最重要的应用方向，即描绘人类不同系统疾病细胞图谱的进展。无论是常见系统性疾病（如肿瘤）还是涉及基因变异的罕见病，细胞图谱都从高精度的细胞表型分析与驱动因子层面，为疾病靶点的发现，诊断方案的迭代做出了不可忽略的贡献。伴随人工智能与大数据模型框架的进展，研究者开始利用深度学习的方法来挖掘整合庞大的单细胞组学数据。除了多组学单细胞数据整合方法，越来越多的研究者意识到通过深度学习来从细胞类型和基因序列上解析细胞命运的编码调控特征，能够突破人类对复杂维度基因组数据理解程度的上限。
疾病细胞图谱的进展
结合细胞图谱
基因组序列与人工智能模型的研究方向
总的来说，在物种单细胞图谱越来越完善，数据越来越丰富的时间节点，人工智能技术的爆发最有希望从根本上帮助人类破译从基因组序列到细胞类型调控的规律，从基因组序列预测细胞及表型构成模式并进行验证，最后完成人类从测序到理解基因组序列的壮举。综上，该综述总结了从单细胞技术到细胞图谱数据资源再到深度学习的发展历程，这个方向也是单细胞图谱领域最终的愿景。
良渚实验室特聘研究员王晶晶与良渚实验室/浙江大学基础医学院郭国骥教授为本文的通讯作者。良渚实验室博士后叶昉为本文的第一作者。该研究得到国家自然科学基金，创新团体计划，重点研发计划的支持。
