这是一个非常直观的问题：既然细胞已经像“打碎的鸡蛋”一样混在一起了，我们是如何知道哪份“蛋黄”属于哪只鸡的？
虽然解离过程导致了空间微环境信息（即 \(x, y\) 坐标）的丢失 ，但科学家利用一套巧妙的“分子条形码（Barcoding）”系统，在实验室里精准测定每一个单细胞的基因表达量 。
以下是测量解离单细胞基因表达的核心步骤：
1. 组织解离：从“组织”到“细胞悬液”
- 物理/化学拆解：使用酶（如木瓜蛋白酶）或机械方法将完整的组织（如大脑、肝脏）打碎成单个细胞的悬浮液 。
- 结果：此时，细胞确实已经失去了它们的物理邻居信息，但每个细胞的细胞膜通常是完整的，里面包裹着该细胞特有的 RNA 。
2. 细胞捕获与“打标签”：核心环节
这是区分不同细胞的关键。以目前主流的液滴法（如 10x Genomics）为例：
- 单细胞隔离：通过微流控技术，将单个细胞和一颗带有化学试剂的微珠包裹在一个极小的油滴中。
- 给细胞发“身份证”：每个微珠上都附着着数百万个 DNA 序列，这些序列包含一个细胞条形码（Cell Barcode）。同一个微珠上的条形码序列是完全一样的，但不同微珠之间的条形码各不相同 。
- 给基因发“准考证”：除了细胞条形码，还有分子唯一标识符（UMI），用来区分同一个细胞内不同的 RNA 分子，确保计数准确 。
3. 测序与生信还原：把数据“寄回原址”
- 混合测序：在油滴中，RNA 会被反转录成带有条形码的 DNA。随后，所有细胞的 DNA 会被混合在一起进行大规模并行测序（RNA-seq） 。
- 归类与计数：测序完成后，计算机根据每个 DNA 片段自带的“细胞条形码”，将成千上万条序列重新分拨给对应的细胞。
- 生成矩阵：最终输出一个巨大的表达矩阵（计数矩阵），记录了每个细胞中每个基因的具体表达量（通常归一化为每细胞 10,000 个计数） 。
总结：解离数据与空间数据的区别
| 特性 | 解离单细胞 (scRNA-seq) | 空间转录组 (Spatial) |
|---|---|---|
| 如何识别细胞 | 靠细胞条形码（DNA标签） | 靠物理坐标（\(x, y\) 像素/分割） |
| 基因表达量 | 通过测序读取条形码后的计数获得 | 通过原位荧光信号或捕获位点计数获得 |
| 空间关系 | 已丢失，只能靠 Nicheformer 这种模型来猜 | 原生保留，可直接观察细胞邻居 |
这就是 Nicheformer 的价值所在：它通过学习那些带有 \(x, y\) 坐标的空间数据，建立了一套“基因表达 \(\rightarrow\) 空间位置”的字典；当你给它一个只有条形码标签的解离细胞时，它能根据其基因表达特征，精准地把这个细胞“放回”它应有的组织位置上 。
你想看看 Nicheformer 是如何利用这种能力，将大脑皮层的空间标签迁移到这些“失去地址”的解离细胞上的吗？