为预测免疫治疗的生物标志物。然而，专注于B细胞的研究比专注于T细胞的研究要少得多，这使得它们在癌症免疫治疗中的复杂机制不清楚。随着sA-seq技术的发展，TIL-Bs的位置和功能可以被精确地确定，这可能有助于更好地理解其机制。从单细胞的角度来看，在本文中，我们讨论TIL-Bs亚种群分化轨迹，与其他细胞的相互作用，并总结B细胞的机制调节时间和影响免疫治疗效果，旨在为肿瘤研究提供一种新的方式针对B细胞。
单细胞测序可以进一步探索肿瘤内的异质性。与流式细胞术、质谱法或其他任何以前的方法不同，单细胞测序是一种连续的方法，而不是离散的方法。sA-seq的步骤主要包括以下四个步骤:(1)单细胞分离，(2)反转录成A，(3)PA，(4)测序库构建(图1a)。荧光激活细胞分选(FACS)可用于从组织中分离特定的细胞(图1a)。在B细胞研究方面，采用流式细胞术筛选CD45+细胞，增加B细胞的比例；也可根据B细胞标记物直接选择靶向B细胞。作为sA-seq技术的突破，微流控系统将单个细胞封装在独立的微液滴中，该微液滴包含一个独特的分子标识符(UMI)，用于对单细胞内的微转录材料进行条形码。根据每个细胞的UMI，即使细胞被裂解，在后续的分析中也可以找到转录信息。基于这一特点，10×Genomi平台同时测序数千个细胞。与Smart-seq2等低通量方法相比，10×Genomi平台因其成本低、效率高而被更广泛地应用于B细胞检测。在对多种sA-seq方法的比较研究中，10×Genomics也比其他高通量方法如Drop-seq和Indrops[33]具有更高的灵敏度，更高的与线粒体基因匹配的reads比例，更低的噪声。利用10×Genomics和Smart-seq2平台，可以通过不同的免疫球蛋白重链特征区分CRC中B细胞的亚群，聚类结果无明显差异。但是，10×Genomics也有不足之处，它不能覆盖所有的基因，并且存在3''区域偏倚，在检测基因突变或mRNA剪接位点时可能会遗漏一些重要信息。此外，这种方法对细胞质量有更高的要求，不同的组织和不同的获取样本的方法都不同。利用sA-seq，我们可以更精确地定义细胞的亚型，追踪它们的发育谱系，确定克隆型和表现型之间的关系，绘制不同细胞之间的相互作用和空间关系图，从而从多个维度描述TME。此外，还需要通过一系列体内和体外实验来验证结果。我们总结了使用sA-