为了改善癌症及其他疾病的治疗，研究人员致力于识别每位患者组织特异性的治疗靶点和诊断生物标志物。通过在单细胞水平分析肿瘤的细胞组成，可以精准定位特定靶点和生物标志物。尽管单细胞RNA测序（scRNA-seq）和单核RNA测序（snRNA-seq）等技术能以空前分辨率提供细胞类型特异性信息，但其高昂成本和技术门槛阻碍了在临床中的广泛应用。

2023年，贝勒医学院、根特大学等机构的研究人员在《Genome Biology》上发表了一项新研究，报告了一种名为SQUID的计算方法，有望克服scRNA-seq数据在临床推广中的局限性。该方法利用常规批量RNA测序数据，即可预测肿瘤样本的单细胞RNA组成，从而识别化疗耐药细胞，为个性化治疗提供依据。

研究背景与挑战：肿瘤异质性是治疗耐药的主要原因之一。肿瘤内不仅包含癌细胞，还有多种非癌性细胞，它们共同影响肿瘤生长和治疗反应。传统批量RNA测序只能提供所有细胞的平均表达信息，难以检测到占比极低的耐药细胞亚群。而scRNA-seq虽能解决这一问题，但每位患者约需5000美元（2023年），且需要专业设备和数据分析能力，多数医院难以承担。

SQUID方法的核心优势：SQUID（Single-cell Quantification Using Integrated Deconvolution）是一种基于批量RNA测序数据的计算方法，通过算法推断样本中不同细胞类型的比例及其基因表达谱。研究显示，SQUID在预测神经母细胞瘤和急性髓细胞白血病治疗结果方面表现优异，显著优于其他同类方法。这意味着医生只需花费约100美元进行批量RNA测序，再通过SQUID分析，即可获得接近单细胞水平的肿瘤信息，从而制定更精准的治疗方案。

未来展望：研究团队计划进一步简化SQUID流程，并验证其临床实用性。此外，该方法有望扩展到癌症以外的疾病领域，如心脏、大脑或肺部疾病。这一突破为低成本、高精度的肿瘤分析开辟了新途径，有望推动精准医疗的普及。

参考文献：
Rodríguez, A. M., et al. (2023). SQUID increases accessibility of single-cell tumor analysis to improve treatment outcomes. Genome Biology, 24, 186. DOI: 10.1186/s13059-023-03016-6