问题——单细胞转录组测序（scRNA-seq）能以“逐个细胞”的尺度描绘基因表达图谱，为发育、免疫、肿瘤微环境和器官再生等研究带来更高分辨率。但实际流程中，样本制备、液滴包裹、文库构建和测序等环节难免引入干扰：空液滴产生背景读数，细胞破裂或凋亡带来低质量信号，两个及以上细胞被同时捕获形成“双细胞/多细胞混入”，环境RNA也可能被一并测到。这些噪音若未被识别，会在下游分析中被当作生物学差异，进而影响结论可靠性。 原因——单细胞测序“敏感”，优势与挑战并存。一上，单细胞表达本就存波动，细胞周期、应激反应和取材差异都会造成变化；另一上，技术流程对细胞活性、裂解效率和捕获概率高度敏感，轻微偏差就可能转化为明显的统计误差。尤其液滴式平台中，细胞与条形码的对应本质是概率事件，空液滴与背景RNA难以完全避免；样本密度偏高或操作波动时，多细胞进入同一液滴的风险上升，容易造成“基因数异常偏高”的假象。因此，质控的目的不是“美化数据”，而是用量化指标把技术噪音与真实信号区分开来。 影响——质控水平直接决定后续分析链条的可信度。单细胞研究通常包括细胞识别、归一化、降维聚类、细胞类型注释、差异表达、通路富集，以及拟时序与细胞通讯推断等步骤。一旦低质量细胞或双细胞未被剔除，常见问题包括：聚类边界被噪音拉偏导致群体混杂；注释出现难以自洽的标志基因组合；差异表达被污染细胞“带偏”从而误判关键基因；在稀有细胞群分析中，少量双细胞就可能明显抬高假阳性，干扰关键亚群发现。质控影响的不只是结果呈现，更关系到结论是否可靠。 对策——业内经验表明，建立规范、可解释、并与数据分布相匹配的质控流程，是提高单细胞研究可复现性的关键。当前常用工具大致分为两类：一类是覆盖上游处理与基础分析的全流程平台，强调从原始数据到表达矩阵的标准化输出；另一类是专项工具，聚焦双细胞识别、环境RNA校正或批次效应处理等关键环节。以常见分析生态为例，一些平台在生成表达矩阵的同时提供质控报告，便于研究者结合可视化结果设定阈值并定位异常。 在具体操作中，质控通常围绕三条主线展开： 第一，先把“细胞”从“背景”中分出来。细胞识别曲线（常见做法是按UMI计数对条形码排序并观察拐点）是区分有效细胞与背景噪音的基础方法。结合拐点位置与预估细胞数的对应关系，可判断捕获是否充分、背景是否偏高，并对异常条形码区间复核，从源头减少假阳性细胞进入分析。 第二，必须重视双细胞（多细胞）去除。双细胞通常表现为“基因数与UMI数异常升高”“标志基因混合表达”等特征，容易在聚类中形成“伪新群”，在亚群精细划分、轨迹推断或稀有细胞识别等场景中影响更为突出。通过查看双细胞评分分布并结合模拟对照，可评估模型区分能力，据此制定更稳妥的剔除策略，避免把“技术拼接”的表达谱当作真实细胞类型。 第三，用核心指标联合筛选低质量细胞。实践中常用三项指标：nFeature_RNA（检测到的有效基因数）、nCount_RNA（总UMI计数）和percent.mt（线粒体基因UMI占比）。一般来说，nFeature_RNA过低提示细胞完整性差或转录活性不足，过高则需警惕多细胞混入；nCount_RNA与基因数高度有关，异常波动可能意味着测序异常、污染或多细胞；percent.mt升高常与细胞受损、凋亡或应激有关。将三者联合使用，并针对不同组织、平台和实验条件设定阈值范围，通常比单一指标更准确、更易解释。 前景——随着单细胞技术走向更高通量、并与空间信息更深度整合，质控的重要性将继续上升。一上，数据规模不断扩大，单纯依赖经验“看图定阈值”难以兼顾效率与一致性，推动更可追溯、更自动化的质控规则与评估体系落地；另一方面，跨平台、跨中心整合将成为常态，质控标准的透明化与流程可复用性将逐步成为研究质量与成果转化的基本要求。同时，围绕环境RNA校正、细胞应激识别、批次效应与样本差异拆分等问题，更精细的质量评估有望与实验设计同步优化，形成从采样到分析的闭环管理。
单细胞研究的进步既依赖技术迭代，也取决于对关键细节的把控。把好数据质控这个关，本质上是在为科学结论建立更可靠的参照系。随着流程、指标与阈值逐步走向规范和透明，单细胞数据才能更真实地反映生命过程，为揭示疾病机制、发现干预靶点提供经得起检验的证据。