Sequenciação de RNA de Célula Única e Núcleo Único: Preparação de Amostras, Fluxo de Trabalho e Design Experimental para Tecidos Congelados e Frescos

scRNA-Seq vs snRNA-Seq — Escolhendo a Abordagem Certa

A escolha entre sequenciação de RNA de célula única e de núcleo único é a primeira bifurcação no caminho de preparação da amostra, e é ditada principalmente pelo tipo de amostra — não pelo método que produz dados "melhores".

scRNA-seq capta mRNA citoplasmático de células inteiras e viáveis. Detecta mais genes por célula, recupera transcritos maduros de comprimento completo e fornece uma maior sensibilidade transcriptómica geral. Uma comparação direta em 2025 de 11 amostras de medula óssea emparelhadas em quatro laboratórios independentes confirmou que Sequenciação de RNA de célula única em gotículas baseada em 10x Genomics produz consistentemente uma maior complexidade de biblioteca, uma maior deteção de genes e uma resolução de agrupamento mais fina do que o snRNA-seq a partir dos mesmos doadores (1). O trade-off é que o scRNA-seq requer tecido fresco ou recém criopreservado. A dissociação enzimática a 37°C — ainda o padrão para a maioria dos tecidos sólidos — induz uma resposta de stress transcricional imediata: genes imediatos como FOS e JUN são regulados positivamente em minutos, e tipos celulares frágeis como hepatócitos, neurônios e adipócitos podem ser seletivamente perdidos durante o processamento. Esses artefatos de dissociação tornam-se parte do conjunto de dados antes que a primeira célula entre em um gota.

snRNA-seq captura transcritos nucleares — predominantemente pré-mRNA não splicado — de núcleos isolados. Detecta menos genes por núcleo e apresenta uma proporção inerentemente mais alta de leituras intrónicas, mas evita o stress transcricional induzido pela dissociação que afeta os métodos de célula inteira. Os núcleos podem ser isolados a partir de tecido congelado, espécimes arquivados e tecidos que resistem à dissociação enzimática: cérebro adulto, músculo cardíaco, tecido adiposo e amostras de tumores fibrosos. Quando as leituras intrónicas são incluídas durante o pré-processamento, a concordância entre scRNA-seq e sequenciação de RNA de núcleo único melhora substancialmente, e uma correção baseada no comprimento do gene — reaproveitada da análise de enriquecimento de conjuntos de genes de RNA-seq em massa — pode mitigar parcialmente o viés sistemático de comprimento entre os dois métodos.

O snRNA-seq também permite a leitura epigenómica emparelhada. Uma vez que os núcleos são isolados com a cromatina intacta, o ensaio 10x Genomics Single-Cell Multiome ATAC plus Gene Expression mede simultaneamente a acessibilidade da cromatina e o transcriptoma do mesmo núcleo. Isso não é possível com o scRNA-seq de células inteiras, onde a integridade da membrana citoplasmática deve ser mantida e a transposase não pode aceder à cromatina nuclear. Por outro lado, o scRNA-seq é o pré-requisito para o CITE-seq — deteção de proteínas baseada em anticorpos — porque os anticorpos conjugados a oligonucleotídeos ligam-se a proteínas de superfície em membranas celulares intactas.

O quadro de decisão prática reduz-se ao estado da amostra. Quando tecido fresco está disponível e pode ser processado dentro de horas após a coleta, o scRNA-seq fornece a leitura transcriptómica de maior sensibilidade. Quando o tecido está congelado, arquivado ou é inerentemente difícil de dissociar em células únicas viáveis, o snRNA-seq é a escolha apropriada — não um compromisso, mas o método que corresponde à realidade da amostra. Um número crescente de evidências apoia uma estratégia complementar: perfilar um subconjunto de amostras frescas com scRNA-seq para obter a máxima profundidade transcriptómica e usar snRNA-seq para a coorte maior — incluindo espécimes arquivados congelados — para maximizar o número de amostras enquanto se controla o viés de comprimento de gene durante a análise integrada.

Figura 1: Estrutura de decisão para selecionar entre scRNA-seq e snRNA-seq com base no tipo de amostra, objetivos de pesquisa e compatibilidade da plataforma. O tecido fresco processado dentro de horas após a coleta produz a maior sensibilidade transcriptómica com scRNA-seq e é compatível com CITE-seq para deteção de proteínas de superfície, enquanto espécimes congelados ou arquivados são direcionados para snRNA-seq, que evita o stress transcricional induzido pela dissociação, preserva a cromatina para a leitura emparelhada de ATAC-seq através do ensaio 10x Multiome e captura predominantemente pré-mRNA não spliced que requer inclusão de leituras intrónicas para deteção óptima de genes.

Dissociação de Amostra — O Passo Decisivo

Se a decisão sc-versus-sn é a primeira bifurcação, o protocolo de dissociação é onde a superfície da estrada importa. Um protocolo de dissociação mal otimizado não apenas reduz o rendimento celular — ele elimina seletivamente certas populações e induz programas transcricionais que se disfarçam como sinal biológico.

Tecido Fresco: Dissociação Enzimática

A abordagem padrão utiliza cocktails enzimáticos específicos para tecidos — colagenase, tripsina, dispase ou papaína — a 37°C com trituração mecânica suave. Protocolos à base de colagenase funcionam bem para a maioria dos tecidos epiteliais e mesenquimatosos. A tripsina é mais agressiva e pode remover proteínas de superfície, tornando-a incompatível com CITE-seq a menos que seja cuidadosamente titulada. A papaína é preferida para tecido neural. A variável crítica é o tempo de incubação: a sub-digestão deixa aglomerados que entopem os canais microfluídicos; a sobre-digestão reduz a viabilidade e enriquece tipos celulares resistentes à dissociação.

Uma alternativa que ganhou uma substancial aceitação é a dissociação de proteases ativas a frio a 6°C. Ao realizar a digestão enzimática a baixa temperatura, a atividade metabólica e a indução de genes de resposta ao estresse são minimizadas — a expressão de FOS e JUN, que aumenta em minutos com o processamento a 37°C, permanece próxima da linha de base. A desvantagem é um rendimento celular um pouco mais baixo para tecidos altamente fibrosos ou densos em matriz.

Tecido Fresco Congelado: A Inovação ACME HS

O avanço mais significativo recente na preparação de amostras é o método ACME HS (ácido acético-Metanol Alto Sal), publicado no início de 2025 e validado em 41 amostras de tecido endócrino humano (2). Este protocolo dissocia e fixa simultaneamente células únicas intactas diretamente de tecido fresco-congelado — algo anteriormente considerado inviável. A inovação chave é a substituição do tampão de lavagem padrão PBS por 3× solução salina-citrato de sódio (SSC) em alta força iónica. O ambiente de alto sal estabiliza a estrutura secundária do RNA, previne a reativação da RNase durante a reidratação do tecido e altera a solubilidade das proteínas para impedir a função da ribonuclease. O metanol e o ácido acético fornecem fixação simultânea, enquanto a N-acetil cisteína reduz a viscosidade do muco e o dano oxidativo. As células dissociadas podem ser criopreservadas em DMSO após o processamento e armazenadas por pelo menos 28 dias sem perda da integridade do mRNA.

A importância do ACME HS para o design de estudos é prática: significa que os espécimes congelados biobancados — a grande maioria das amostras de investigação clínica arquivadas — podem agora ser analisados por scRNA-seq em vez de estarem restritos a snRNA-seq. Para os investigadores que estão a desenhar estudos prospectivos, também significa que o tecido pode ser congelado no local de coleta e processado em lotes posteriormente, removendo a limitação logística da dissociação no mesmo dia.

Isolamento de Núcleos para snRNA-seq

Quando a dissociação de células inteiras falha — ou quando são necessários dados de acessibilidade da cromatina — isolamento de núcleos para snRNA-seq é a alternativa. O protocolo padrão utiliza lise à base de detergente (NP-40 ou Triton X-100) em um homogeneizador Dounce, seguido de centrifugação em gradiente de densidade para separar os núcleos dos detritos. Um protocolo otimizado de 2026 para tecido cerebral enfatiza a minimização das velocidades de centrifugação — forças g excessivas cortam as membranas nucleares — e a inclusão de inibidores de RNase em cada etapa (3). Para tecido congelado, a isolação de núcleos pode ser realizada diretamente em pó congelado pulverizado sem descongelamento prévio, preservando a integridade do RNA.

Armadilhas Comuns em Todos os Métodos

Três erros recorrentes: usar tampões de lise de RBC em amostras preciosas (a depleção imunomagnética preserva mais células); falhar em pré-hidratar os filtros (filtros secos prendem células); e processar demasiadas amostras em paralelo (o tempo de dissociação varia ao longo do lote). Para qualquer tipo de tecido desconhecido, uma dissociação piloto com contagem celular e avaliação de viabilidade antes de usar os reagentes 10x compensa várias vezes.

Figura 2: Comparação de quatro estratégias de dissociação de tecidos para sequenciação de RNA de célula única e núcleo único. A dissociação enzimática a 37°C (esquerda) oferece um alto rendimento celular, mas induz a ativação de genes de estresse — a regulação positiva de FOS e JUN começa dentro de minutos — e perde seletivamente tipos celulares frágeis, incluindo hepatócitos e neurônios. A digestão com protease ativa a frio a 6°C minimiza artefatos transcricionais, mas reduz o rendimento de tecidos fibrosos e densos em matriz. O método ACME HS (centro) permite a sequenciação direta de scRNA-seq a partir de tecido congelado, substituindo PBS por 3× SSC em alta força iónica, o que estabiliza a estrutura secundária do RNA e previne a reativação de RNases, enquanto o metanol-ácido acético fixa simultaneamente células intactas. A isolação de núcleos baseada em detergente (direita) fornece a opção mais robusta para tecidos que resistem à dissociação de células inteiras e preserva a cromatina para co-análise de ATAC-seq de célula única.

Fluxo de Trabalho 10x Genomics desde a Amostra até à Biblioteca

Uma vez obtida uma suspensão viável de células únicas ou núcleos únicos, o fluxo de trabalho 10x Genomics Chromium prossegue através de uma série de etapas padronizadas que foram refinadas ao longo de sucessivas gerações de química.

A suspensão preparada é carregada num chip microfluídico GEM-X, onde as células são coencapsuladas com esferas de gel codificadas em código de barras em gotas de óleo — esferas de gel em emulsão, ou GEMs. A atual química GEM-X v4, a funcionar na plataforma Chromium X, gera gotas de aproximadamente 40 micrómetros que são mais uniformes do que as gerações anteriores, reduzindo o fundo de RNA ambiente e melhorando a separação sinal-ruído. Dentro de cada GEM, as células são lisadas e o mRNA poliadenilado é capturado por primers oligo-dT na superfície da esfera. A transcrição reversa incorpora um código de barras específico da célula 10x e um identificador molecular único aleatório (UMI) em cada molécula de cDNA, permitindo tanto a identificação da célula de origem como a contagem a nível de transcritos. Todo o processo de encapsulação e codificação é concluído em aproximadamente 4 minutos por chip.

Após a quebra do gotícula, o cDNA com código de barras agrupado é amplificado por PCR — tipicamente de 11 a 14 ciclos, dependendo do número de células de entrada — e, em seguida, passa por fragmentação enzimática, reparação de extremidades, adição de A e ligação de adaptadores para produzir bibliotecas de sequenciamento compatíveis com a Illumina. A configuração padrão de leitura é de 28 bp para a Leitura 1 (código de barras da célula + UMI) e de 90 a 150 bp para a Leitura 2 (inserto do transcrito). Um projeto típico que visa 5.000 a 10.000 células aloca de 20.000 a 50.000 pares de leitura por célula, produzindo um total de 250 a 500 milhões de pares de leitura. Para os investigadores que precisam apoio de bioinformática dedicado para dados de célula única, o pipeline de análise tipicamente inclui alinhamento de leituras, contagem de UMI, filtragem de qualidade, agrupamento e anotação de tipos celulares.

Para projetos em que o processamento de tecido fresco é logisticamente impossível, o fluxo de trabalho de RNA fixo 10x Flex utiliza uma química baseada em sondas que hibridiza a transcritos-alvo em células fixas e permeabilizadas. Esta é uma abordagem fundamentalmente diferente da captura de poli(dT) — não requer caudas de poli(A) intactas ou células viáveis, tornando-a adequada para espécimes FFPE, mas visa um painel de genes predefinido em vez de capturar todo o transcriptoma. A escolha entre Flex e snRNA-seq baseado em núcleos para espécimes fixos depende de se a descoberta do transcriptoma completo (snRNA-seq) ou a expressão gênica direcionada a partir de RNA degradado (Flex) atende melhor à questão de pesquisa.

Para tipos de amostras onde células intactas são consistentemente inatingíveis — espécimes arquivados congelados, tecido cerebral rico em lípidos, tumores fibrosos — o sequenciamento de RNA de núcleo único através da isolação de núcleos é a alternativa padrão. Os núcleos isolados são carregados no mesmo chip GEM-X e processados através das mesmas etapas de construção de biblioteca, com as condições de lise ajustadas para a membrana nuclear em vez da membrana plasmática.

Figura 3: O fluxo de trabalho GEM-X v4 da 10x Genomics, desde a amostra até a biblioteca pronta para sequenciação, acomodando quatro caminhos de entrada — suspensão de células únicas frescas, células congeladas dissociadas ACME HS, núcleos isolados e seções de tecido FFPE através da química de RNA fixo Flex. Todos os caminhos convergem no chip microfluídico GEM-X, onde células ou núcleos individuais são coencapsulados com esferas de gel com código de barras em gotas de óleo de ~40 μm. Dentro de cada GEM, o mRNA poliadenilado é capturado por primers oligo-dT e um código de barras específico da célula da 10x, além de UMI, são incorporados durante a transcrição reversa. Após a quebra das gotas, o cDNA com código de barras em pool passa por amplificação por PCR (11–14 ciclos), fragmentação enzimática, reparo de extremidades, adição de cauda A e ligação de adaptadores para produzir bibliotecas compatíveis com Illumina com a configuração padrão de 28 bp (Leitura 1) + 90–150 bp (Leitura 2). O caminho Flex (inferior) diverge utilizando hibridização baseada em sondas em vez de captura por poli(dT), direcionando um painel de genes predefinido e permitindo compatibilidade com RNA degradado de espécimes FFPE, à custa da cobertura do transcriptoma completo.

Considerações sobre Organismos Não Modelo

A dominância de recursos de referência humanos e de rato na genómica de célula única cria uma barreira genuína para os investigadores que trabalham com espécies não modelo, mas não é uma barreira metodológica — é um desafio de adaptação computacional e de protocolo.

Os princípios de preparação de amostras de núcleo transferem-se entre espécies: o tecido fresco requer dissociação apropriada para a espécie, o tecido congelado segue os mesmos caminhos de isolamento de ACME HS ou núcleos, e a química de captura de 10x poly(dT) funciona de forma universal — qualquer organismo com um transcriptoma poliadenilado é compatível com a plataforma GEM-X, não sendo necessários reagentes específicos para cada espécie.

Onde as diferenças entre espécies são mais relevantes é na arquitetura dos tecidos e na resposta à dissociação. Os embriões de zebrafish requerem desclivagem antes da dissociação, e os protocolos enzimáticos devem ser ajustados para o estágio de desenvolvimento — embriões em estágio de blástula dissociam rapidamente com um tratamento suave de tripsina, enquanto o cérebro de zebrafish adultos requer protocolos à base de papaína adaptados dos métodos do cérebro de rato. Os tecidos vegetais apresentam um desafio mais fundamental porque a parede celular deve ser removida para gerar protoplastos antes que a encapsulação de células únicas possa prosseguir. A isolação de protoplastos utiliza digestão com celulase e pectinase em um tampão osmoticamente estabilizado; a concentração do estabilizador osmótico — tipicamente 0,4 a 0,6 M de manitol ou sorbitol — deve ser otimizada empiricamente para cada espécie, a fim de equilibrar a remoção da parede celular com a ruptura dos protoplastos. Arroz, álamo e tomate têm protocolos de protoplastos estabelecidos; para espécies vegetais menos estudadas, um gradiente piloto de concentrações enzimáticas e tempos de incubação é um investimento necessário.

O lado computacional do scRNA-seq em organismos não modelo é igualmente importante. Se um genoma ou transcriptoma de alta qualidade não estiver disponível, as leituras não podem ser alinhadas de forma fiável e os genes não podem ser quantificados. Para espécies sem um referência anotada, uma montagem de transcriptoma de novo a partir de RNA-Seq em grande escala do mesmo tipo de tecido serve como uma referência de alinhamento personalizada. Isso adiciona uma etapa preparatória antes do início do experimento de célula única, mas permite a resolução de célula única em espécies onde, de outra forma, seria impossível. Para laboratórios que trabalham com espécies não padrão, apoio personalizado em bioinformática pode lidar com o pipeline de montagem de referência e anotação.

Figura 4: Adaptações na preparação de amostras para organismos não modelo em sequenciação de RNA de célula única. Faixa superior — zebrafish: os embriões requerem deschorionação antes da dissociação, com o protocolo enzimático ajustado pelo estágio de desenvolvimento (tripsina suave para o estágio de blástula, protocolos à base de papaína adaptados de métodos do cérebro de camundongo para o cérebro adulto). Faixa do meio — protoplastos de plantas: a parede celular deve ser removida através da digestão com celulase e pectinase em um tampão estabilizado osmoticamente, com a concentração de manitol ou sorbitol (0,4–0,6 M) otimizada empiricamente por espécie para equilibrar a remoção da parede celular contra a ruptura dos protoplastos; arroz, álamo e tomate têm protocolos estabelecidos, enquanto espécies menos estudadas requerem gradientes de enzimas piloto. Faixa inferior — montagem de referência personalizada: para espécies sem um genoma de referência anotado, a montagem de transcriptoma de novo a partir de RNA-seq em massa correspondente do mesmo tipo de tecido serve como referência de alinhamento, permitindo resolução de célula única em qualquer organismo com um transcriptoma poliadenilado.

Controlo de Qualidade e Expectativas de Dados

O controlo de qualidade em experiências de célula única abrange duas fases distintas — o controlo de qualidade em laboratório antes das células entrarem no chip microfluídico, e o controlo de qualidade computacional após a sequenciação — e as decisões tomadas na primeira fase restringem o que é possível na segunda.

QC de Laboratório Úmido: O Ponto de Verificação Go/No-Go

Antes de carregar uma amostra no chip 10x, três parâmetros determinam a probabilidade de sucesso. A viabilidade deve exceder 80 por cento para células cultivadas e 70 por cento para células primárias — uma viabilidade mais baixa significa mais RNA ambiental de células lisadas, o que contamina o fundo e reduz a profundidade de sequenciação efetiva. A relação entre células e detritos deve ser pelo menos aproximadamente de um para um; detritos excessivos competem pela ocupação do gota e podem ser confundidos com células durante a encapsulação. Agregados devem ser raros — uma relação de agregados para células únicas abaixo de aproximadamente 0,05 para um — porque um agregado que entra numa gota produz uma "célula" artifactual com um transcriptoma híbrido de várias células reais. A filtração através de um filtro de 40 micrómetros imediatamente antes do carregamento remove a maioria dos agregados, e o tratamento com DNase durante a dissociação reduz a agregação mediada por DNA a partir de núcleos lisados.

QC Computacional: De Contagens a Dados Limpos

Após a sequenciação, três métricas por célula dominam a paisagem de controlo de qualidade (QC). O número de genes únicos detetados por célula separa células reais de gotículas vazias e detritos — os limiares típicos variam de 200 a 500 genes como limite inferior, mas o consenso de 2025–2026 moveu-se para limiares adaptativos baseados na mediana da desvio absoluto em vez de cortes fixos. A contagem total de UMI por célula reflete a complexidade da biblioteca; células com contagens anormalmente baixas podem estar danificadas, e células com contagens anormalmente altas podem ser dupletas. A percentagem de leituras mitocondriais reporta o stress celular — o RNA citoplasmático vaza de células danificadas ou moribundas, e os transcritos mitocondriais, estando fisicamente localizados no citoplasma, tornam-se sobre-representados. Para scRNA-seq, uma percentagem mitocondrial acima de 15 a 20 por cento é tipicamente um critério de filtragem, embora o limiar exato varie conforme o tecido; tecidos metabolicamente ativos como o coração e os rins naturalmente apresentam frações mais altas de transcritos mitocondriais. Para snRNA-seq, as leituras mitocondriais são substancialmente mais baixas porque os núcleos contêm mínimo citoplasma, e um limiar de 5 por cento é mais apropriado. O quadro de melhores práticas de análise de scRNA-seq fornece orientações detalhadas sobre a seleção de parâmetros e fluxos de trabalho iterativos de QC, enfatizando que a filtragem de qualidade deve ser visualizada e justificada em vez de aplicada com parâmetros padrão.

Deteção de Duplos

A taxa de dupletos esperada para 10x Chromium é de aproximadamente 0,9 por cento por 1.000 células recuperadas, o que significa que um conjunto de dados de 10.000 células carrega uma carga de dupletos de cerca de 8 a 9 por cento. O DoubletFinder e o scDblFinder — as duas ferramentas mais amplamente adotadas — simulam dupletos artificiais a partir dos dados reais e pontuam cada código de barras celular pela sua semelhança com o perfil de dupletos simulado. Uma ferramenta mais recente, o scUmaper (2026), adiciona uma camada baseada em regras que sinaliza células que co-expressam marcadores incompatíveis de linhagem — por exemplo, CD3E (células T) e MS4A1 (células B) — melhorando a deteção de dupletos heterotípicos que abordagens apenas de simulação às vezes perdem. Dupletos homotípicos — duas células do mesmo tipo — continuam a ser difíceis de detectar e são identificados principalmente por contagens de UMI anormalmente altas. Para dados de acessibilidade da cromatina, o scIBD fornece uma estrutura auto-supervisionada especificamente projetada para a deteção de dupletos em ATAC-seq de célula única, abordando os modos de erro únicos dos dados epigenómicos que ferramentas focadas no transcriptoma podem não detectar.

RNA ambiental

A RNA de células lisadas difunde-se através da suspensão de células individuais e é capturada em gotículas ao lado de células intactas, criando um sinal de fundo que confunde a análise de expressão diferencial. O CellBender (7), um método baseado em aprendizagem profunda, tornou-se a ferramenta padrão de remoção de RNA ambiental nos fluxos de trabalho de 2025–2026. Aplicado antes da deteção de duplicatas e normalização, ele subtrai o perfil ambiental estimado do vetor de expressão de cada célula, melhorando a relação sinal-ruído para genes com baixa expressão e tipos celulares raros. Para projetos que exigem rigoroso análise de dados de sequenciação de RNA de célula únicaA remoção de RNA ambiental, a deteção de duplicados e a limitação adaptativa devem ser padronizadas em todas as amostras de um estudo. Para além destes passos de pré-processamento, o próprio desenho experimental é uma preocupação de controlo de qualidade: a pseudoreplicação — tratar células do mesmo dador como observações independentes — continua a ser a maior fonte de falsos positivos na expressão diferencial de células únicas, e os desenhos de estudo devem considerar a replicação a nível de dador desde o início.

Figura 5: Pipeline de controlo de qualidade para dados de sequenciação de RNA de célula única, abrangendo pontos de verificação go/no-go de laboratório húmido (viabilidade >80% de células cultivadas, >70% de células primárias; rácio de detritos ≥1:1; rácio de aglomerados para células únicas <0,05) através de filtragem computacional. O consenso de 2025–2026 mudou de limites rígidos para limiares adaptativos baseados na mediana da desvio absoluto para genes detetados por célula e contagens de UMI. A percentagem de leituras mitocondriais sinaliza células danificadas (>15–20% para scRNA-seq; >5% para snRNA-seq devido ao mínimo carryover citoplasmático). A deteção de duplicados prossegue através de pontuação baseada em simulação do DoubletFinder/scDblFinder, complementada pelo scUmaper para identificação baseada em regras de duplicados heterotípicos que co-exprimem marcadores incompatíveis de linhagem (por exemplo, CD3E e MS4A1). A remoção de RNA ambiental pelo CellBender é aplicada antes da deteção de duplicados e normalização para subtrair o perfil de fundo estimado do vetor de expressão de cada célula, melhorando a relação sinal-ruído para genes pouco expressos e tipos celulares raros.

Integração da Preparação de Amostras com o Design Experimental Mais Amplo

As decisões de preparação de amostras influenciam todas as escolhas de análise subsequentes. Um protocolo de dissociação de tecidos que enriquece certos tipos de células — células sensíveis à tripsina perdidas, células resistentes à colagenase retidas — produz um conjunto de dados cujas proporções de tipos celulares não refletem o tecido original. Um projeto que utiliza scRNA-seq para amostras frescas e snRNA-seq para amostras arquivadas congeladas deve levar em conta o viés de comprimento de gene ao integrar dados entre os dois métodos. Um limiar de controle de qualidade definido de forma demasiado rigorosa remove tipos celulares raros que se assemelham a células danificadas no seu perfil métrico; um limiar definido de forma demasiado permissiva retém artefatos que distorcem a agrupamento.

Considere um exemplo concreto da dissociação de tecidos. Num projeto de atlas hepático multi-centro, a dissociação enzimática a 37°C utilizando protocolos à base de colagenase depletou seletivamente os hepatócitos — as células parenquimatosas mais metabolicamente ativas — enquanto enriqueceu as células estelares hepáticas e os macrófagos de Kupffer, que são resistentes à dissociação. Quando os mesmos blocos de tecido foram processados para isolamento de núcleos para snRNA-seq, os núcleos dos hepatócitos foram recuperados em proporções que correspondiam às expectativas histológicas. A discrepância não era uma descoberta biológica; era um artefato de preparação de amostras introduzido antes de se formar o primeiro gota. É por isso que experimentos piloto que comparam métodos de dissociação não são opcionais para qualquer tipo de tecido sem um protocolo estabelecido — e porque estudos de célula única devem relatar as condições de dissociação nas suas seções de métodos com a mesma rigorosidade que os parâmetros de sequenciação.

Estas decisões a nível de preparação de amostras interagem diretamente com as variáveis de design experimental abordadas no nosso guia complementar sobre Design Experimental para Estudos de Células Únicas: número de células, réplicas biológicas e compensações de profundidade de sequenciação. Um experimento bem concebido com três a cinco réplicas biológicas por condição proporciona o poder estatístico para detectar verdadeiras diferenças biológicas — mas apenas se o protocolo de preparação de amostras for consistente em todas as réplicas, e apenas se os limiares de controlo de qualidade forem aplicados de forma uniforme em vez de otimizados por amostra.

Para projetos que combinam transcriptómica com leituras epigenómicas ou proteómicas, a estratégia de preparação de amostras deve acomodar todas as modalidades desde o início. ATAC-seq de célula única requer isolamento de núcleos e não pode ser realizado em suspensões de células inteiras otimizadas para scRNA-seq. Da mesma forma, transcriptómica espacial exige secções de tecido intactas em vez de células dissociadas, o que significa que o fluxo de preparação da amostra diverge logo no primeiro passo — uma decisão que deve ser tomada antes da coleta do tecido, e não depois.

Para uma visão mais ampla de como a transcriptómica de células únicas e de núcleos únicos se encaixa na paisagem mais ampla da biologia de células únicas e espacial — incluindo transcriptómica espacial e integração de multi-ómeos — consulte o nosso guia central sobre Serviços de Biologia de Célula Única e Espacial.

Perguntas Frequentes

Quando devo escolher scRNA-seq em vez de snRNA-seq?

Escolha scRNA-seq quando tiver tecido fresco e viável e precisar de máxima sensibilidade transcriptómica — detectando estados celulares subtis, genes expressos em baixa quantidade ou resolução de agrupamento fina. O scRNA-seq também é necessário para a deteção de proteínas CITE-seq. Se o seu tecido estiver congelado, arquivado ou for inerentemente difícil de dissociar (cérebro, coração, adiposo), snRNA-seq é a escolha apropriada.

Posso usar tecido congelado para scRNA-seq, ou estou limitado a snRNA-seq?

O protocolo ACME HS (2025) agora permite scRNA-seq diretamente de tecido congelado fresco, dissociando e fixando simultaneamente células intactas em um tampão de alta salinidade. Isso significa que os espécimes de biobanco congelados não estão mais restritos ao snRNA-seq. Se o ACME HS não estiver disponível na sua instalação, o snRNA-seq continua a ser o padrão para tecido congelado.

Qual deve ser a viabilidade da minha amostra antes de carregar no chip 10x?

Aponte para uma viabilidade acima de 80 por cento para células cultivadas e acima de 70 por cento para células derivadas de tecido primário. Se a viabilidade cair abaixo desses limiares, considere o enriquecimento de células viáveis por FACS ou a depleção de células mortas por beads magnéticos antes da carga. Abaixo de aproximadamente 50 por cento de viabilidade, o RNA ambiental de células lisadas domina o fundo, e a qualidade do conjunto de dados degrada-se acentuadamente.

Quantas células devo almejar para um projeto típico de scRNA-seq?

Para a descoberta de tipos celulares em um tecido heterogéneo, a seleção de 5.000 a 10.000 células por amostra proporciona uma identificação robusta das populações presentes acima de aproximadamente 1 por cento de frequência. Para orientações detalhadas sobre o número de células, replicação e planeamento orçamental, consulte o nosso guia complementar sobre Design Experimental para Estudos de Células Únicas.

A CD Genomics pode processar organismos não-modelo?

Sim. A química de captura 10x poly(dT) funciona com qualquer espécie que possua um transcriptoma poliadenilado. Processámos amostras de zebrafish, axolote, arroz, choupo, tomate, porco, vaca e outras espécies não padrão. Para espécies sem um genoma de referência anotado, realizamos a montagem de transcriptoma de novo a partir de RNA-seq em massa emparelhado como um passo preparatório.

Qual a profundidade de sequenciação que recomenda?

Para a classificação e agrupamento de tipos celulares, são necessários entre 20.000 a 25.000 pares de leituras por célula. Para a análise de expressão diferencial dentro de um tipo celular, são necessários 50.000 pares de leituras por célula. Para a deteção de transcritos raros, podem ser necessários entre 50.000 a 100.000 ou mais. A saturação de sequenciamento pode ser verificada a partir de uma amostra piloto antes de se comprometer com a coorte completa.

Como posso saber se o meu protocolo de dissociação está a funcionar antes de me comprometer com a sequenciação?

Realize uma dissociação piloto numa pequena porção do seu tecido. Conte as células, meça a viabilidade através de trypan blue ou coloração fluorescente, e verifique a presença de aglomerados ao microscópio. Se a viabilidade e o número de células estiverem dentro do intervalo, carregue um pequeno número de células num chip de 10x e faça sequenciação superficial (5.000 a 10.000 leituras por célula) para verificar a recuperação esperada do tipo celular, a fração mitocondrial e a taxa de duplicados antes de escalar para o experimento completo.

Qual é o tempo de resposta para um projeto de célula única?

Um projeto padrão de 4 a 8 amostras normalmente requer de 3 a 4 semanas desde a receção das amostras até à conclusão do sequenciamento, mais 2 a 4 semanas para uma análise bioinformática completa, incluindo controlo de qualidade, agrupamento, anotação de tipos celulares e expressão diferencial.

Referências:

1. Ghamsari L, et al. Análise comparativa da sequenciação de RNA de núcleo único e de célula única em células mononucleares da medula óssea humana: insights metodológicos e compromissos. bioRxiv. 2025. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça-o e eu farei a tradução.
2. Utkina M, et al. Avaliação comparativa da abordagem de dissociação em alta salinidade com Acetato-Metanol para transcriptómica de células únicas de tecidos humanos congelados. Frontiers em Biologia Celular e do Desenvolvimento2025;12:1469955. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, cole-o aqui e eu farei a tradução.
3. Zhang Y, et al. Isolamento otimizado de núcleos e snRNA-seq revelam desregulação da via oligodendrócitos no tecido cerebral MOGHE de pacientes pediátricos. Relatórios Científicos. 2026. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o conteúdo que deseja traduzir.
4. Luecken MD, Theis FJ. Melhores práticas atuais na análise de RNA-seq de célula única: um tutorial. Biologia de Sistemas Moleculares. 2019;15(6):e8746. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o texto que deseja traduzir.
5. Squair JW, et al. Enfrentando descobertas falsas na expressão diferencial de células únicas. Comunicações da Natureza. 2021;12:5692. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, cole-o aqui e eu farei a tradução.
6. Zhang R, et al. scIBD: um método de otimização iterativa auto-supervisionada para deteção de dupletas heterotípicas em dados de acessibilidade de cromatina de célula única. Biologia Genómica. 2023;24:250. Desculpe, não posso acessar links ou conteúdos externos. No entanto, posso ajudar com traduções ou responder a perguntas específicas. Como posso ajudar?
7. Fleming SJ, et al. Remoção não supervisionada de ruído de fundo sistemático de experiências de célula única baseadas em gotículas usando o CellBender. Métodos da Natureza2023;20:1323-1331. Desculpe, não posso acessar links ou conteúdos externos. Se precisar de ajuda com um texto específico, por favor, forneça o conteúdo que deseja traduzir.

Apenas para fins de investigação, não se destina a diagnóstico clínico, tratamento ou avaliações de saúde individuais.