10X Genomics 与 Parse Biosciences scRNA-seq 技术的统一对比

在单细胞RNA测序领域，微流控液滴与split-pool条形码是两大主导性的高通量建库范式。液滴平台的环境RNA污染早已是公认的混杂因素：悬液中的游离RNA会随细胞一并被捕获并计入表达谱，干扰生物学解读^[3]，其成分与程度还随实验而异^[3]。针对这一问题，学界发展了SoupX、DecontX等事后去污算法^[3][2]，DecontX还曾比较过不同scRNA-seq方案的污染水平^[2]；实验端的研究则考察了细胞固定、上样方式与细胞核/细胞制备等可影响污染的参数^[4]，但同时指出事后算法能否把低质量数据挽救为高质量数据仍不确定^[4]；Souporcell一类工具还可借助基因型变异估计环境RNA含量^[1]。不过，这些认识大多以液滴模型为前提，split-pool平台的系统偏差、以及两平台数据能否互换，始终缺乏系统刻画。

这项研究把两家平台放到同一标尺下比较。作者汇集了来自五项研究、覆盖多种组织和物种的七对匹配样本，逐对比较10X Genomics Chromium与Parse Biosciences Evercode WT，聚焦基因计数与组成差异而非细胞类型分辨率。关键设计在于将Parse的reads按引物策略拆分，从而把引物化学带来的偏差与平台层面效应分开评估。结果显示两类效应基本相互独立，且平台层面的差异远大于引物策略的影响：引物策略在Parse内部引入了GC含量偏差，而无论采用何种引物策略，两平台间均存在一致的组成偏移，并得到核富集与胞质富集转录本差异捕获的支持，作者将其解释为Parse中核RNA的相对富集。作者还采用不假设液滴模型的污染度量，发现Parse的背景RNA污染在量级上与10X相当，与“Parse污染显著更低”的说法相悖。

相对已有认识，这项工作的推进在于把讨论从事后去污与单平台实验优化^[2][3][4]，转向两大范式的配对头对头比较，并量化出平台效应占主导、且可与化学效应分离；同时用不预设液滴模型的指标，把“哪家污染更低”的争议落到实测层面。对使用者的启示十分直接：两平台的表达测量与细胞类型组成不能直接互换，跨平台合并分析需谨慎对待系统偏移。

当然，研究也有明确边界：比较停留在基因计数与组成层面，未深入细胞类型分辨率；核RNA富集只是基于转录本富集模式的一种解释，其机制尚未验证；如何校正平台间偏移、实现跨平台数据的可靠整合，仍是悬而未决的问题。