作者，Evil Genius
还是那句话，单细胞现在下沉的很厉害，希望大家在单细胞的基础上多走一步，即多组学的的内容，这样文章质量会好的多，无论是单细胞 + 空间、基因组 + 单细胞等等任何的多组学组合，都比单一的单细胞组学要好得多。
我希望大家分析在分析单细胞数据的同时多扩展一些基因组现有的研究内容，也不需要再添加额外的测序数据，而是现有的基因组结果直接结合到目前单细胞的研究中，举一个最简单的例子，突变信息，大家分析单细胞的时候查找一下癌种的热点突变，如下如：
这些突变都在单细胞数据的检测范围内，那么单细胞数据一定程度上增加这部分内容，文章质量要好得多。
如下图，单细胞的CNV与突变信息
感兴趣可以来参考一下培训课程，链接在生化小课---基因组与单细胞空间多组学
今天我们来分享一下关于GWAS和单细胞结合的一些分析内容。
知识积累
识别与风险变异相关的细胞群体对于揭示驱动疾病发生发展的细胞特异性机制至关重要。整合全基因组关联研究（GWAS）与单细胞RNA测序（scRNA-seq）已成为检测性状-细胞关系的有效策略。
什么是GWAS数据库？
全基因组关联研究（Genome-Wide Association Study, GWAS） 是一种用于检测特定物种（主要是人类）基因组中数百万个遗传变异（单核苷酸多态性，SNP）与特定表型（如疾病、身高、血压等复杂性状）之间是否存在统计学关联的研究方法。
核心思想：比较病例组（如糖尿病患者）和对照组（健康人群）的基因组，找出在病例组中出现频率显著更高的遗传变异。这些变异本身可能不直接致病，但标志着基因组中可能与疾病相关的“区域”。
全基因组关联研究（GWAS）通过统计分析大规模人群中的数百万个遗传变异，已识别出众多风险基因座，极大地增进了我们对人类复杂性状遗传基础的理解。这些研究为揭示这些性状背后的生物学机制提供了宝贵见解，并为各种复杂疾病确定了潜在的治疗靶点
随着测序技术的进步，将GWAS数据与新兴的单细胞RNA测序（scRNA-seq）数据相结合，使得解读遗传介导的性状-细胞关系并将相应发现转化为精准医学新策略成为可能。一些方法被提出以面对和推动GWAS与单细胞数据整合的项目，例如scDRS、sc-linker和scGWAS。其中，sc-linker旨在通过关注代表细胞各种功能方面的基因程序，将人类疾病与特定细胞类型和细胞过程联系起来。scGWAS也是一种利用scRNA-seq数据研究特定细胞类型中遗传变异转录效应的方法。scDRS是首个将scRNA-seq数据中的单个细胞与疾病GWAS关联起来的方法。
此外，scRNA-seq数据能够阐明不同细胞类型间的基因表达异质性，这对于高分辨率理解复杂疾病的遗传基础至关重要。例如，最近的研究证明了阿尔茨海默病与小胶质细胞脂滴积累以及神经毒性小胶质细胞衍生物质之间存在明确关系。这些发现突显了识别性状相关细胞群体在理解和有效治疗复杂疾病中的重要性。因此，将单细胞数据与GWAS信息联系起来将极大推动精准医学领域的发展，特别是在制定复杂疾病的个性化治疗策略方面。
单细胞分析中如果可以多结合一些基因组学的内容，是相当有裨益的。
其中单细胞结合GWAS的文章也不少，下面给大家放几个例子。
网友评论