2.1 皮克级的战争：单细胞样品制备的物理化学

摘要　样品制备是单细胞蛋白组学的第一道关口。一个哺乳动物细胞仅含约 100–200 pg 蛋白，比常规流程的起始量少约三个数量级。本节从这笔预算出发，逐一剖析微量制备的三大敌人——表面吸附、稀释与多步转移、污染与背景，并以单分子层模型和泊松采样说明损失占比为何随样品量下降而急剧上升、缺失值的物理根源何在；一步法与纳升级操作由此成为设计原则。

2.1.1 起点数字：皮克、飞摩尔与阿摩尔

第 1 章回答了为何要测单个细胞；从本节起进入质谱路线的实验方法，第一件事是把预算算清。一个哺乳动物细胞约含 100–200 pg 蛋白（Specht et al., 2021；Lin et al., 2024），这是整条路线的起点数字。常规蛋白组学的标准起始量是 1 µg——按 200 pg 的上限折算，两者相差约五千倍，即约三个数量级。差三个数量级意味着什么？不是把各环节等比例缩小，而是量变引起质变：一切在常规流程中可以忽略的固定损失，到了这里都可能吞掉整个样品。

这笔预算先换算成分子数才看得清。质量 m、摩尔质量 M 与分子数 N 之间满足

n = m / M，　N = n·N_A，　N_A ≈ 6.02×10²³ mol⁻¹

(2.1-1)n 为物质的量，N_A 为阿伏伽德罗常数。以 100 pg 总蛋白、平均摩尔质量 50 kDa 计：n = 1×10⁻¹⁰ g ÷ 5×10⁴ g/mol = 2×10⁻¹⁵ mol ≈ 2 fmol；N ≈ 1.2×10⁹。

也就是说，一个细胞约装着 10⁹ 量级的蛋白分子，分给数千种蛋白。落到单一蛋白上，数字立即缩水：一个 50 kDa 的蛋白若每细胞表达 2.4×10⁷ 个拷贝——已相当丰裕——总量约 2×10⁻¹² g（2 pg），折合 40 amol。整池是 fmol 级，单个蛋白从 amol 级（高拷贝）排到 zmol 级（低拷贝）：每细胞一万拷贝的蛋白只有约 17 zmol。后文的损失、污染与采样噪声，全都压在这几十 amol 乃至更少的量上做文章。

预算悬殊的直接后果是容错空间消失。常规流程里，移液器百分之一的偏差、离心管壁一层看不见的滞留、试剂里痕量的杂质，都淹没在 1 µg 的余量中；同样的一个百分点落在 100 pg 上就是 1 pg，与低拷贝蛋白的总量只差一个数量级。换言之，单细胞制备不是常规制备的等比缩小：每一步的固定损失都必须当作与样品同台竞争的化学计量项来核算——这也是本节用整节篇幅逐一清点"敌人"的原因。

常规蛋白组学 · 1 µg 起始

总量：约 20 pmol、10¹³ 量级分子。
单步 1–5% 损失：淹没在余量里，几乎无感。
环境与试剂背景：通常低于样品的 1%。
操作体积：微升级，移液精度充裕。

单细胞 · 100–200 pg 起始

总量：约 2 fmol、10⁹ 量级分子。
同样损失：占比放大约五千倍，足以吞掉样品。
同样背景：与样品同量级，直接挤占鉴定名额。
操作体积：纳升级，移液精度本身成为瓶颈。

习题 2.1-1

某细胞总蛋白量 150 pg，蛋白平均摩尔质量按 50 kDa 计。（a）求总蛋白的物质的量（fmol）与分子总数；（b）某转录因子每细胞表达 2×10⁴ 个拷贝，摩尔质量 45 kDa，求它在单个细胞中的质量与物质的量；（c）结合（a）（b）说明：为什么"每细胞蛋白总量"这个数字本身就划定了检测的下限。

参考解答

（a）n = 1.5×10⁻¹⁰ g ÷ 5×10⁴ g/mol = 3×10⁻¹⁵ mol = 3 fmol；N = 3×10⁻¹⁵ × 6.02×10²³ ≈ 1.8×10⁹ 个分子。（b）质量 = 2×10⁴ × 45×10³ g/mol ÷ 6.02×10²³ ≈ 1.5×10⁻¹⁵ g ≈ 1.5 fg；n = 1.5×10⁻¹⁵ g ÷ 4.5×10⁴ g/mol ≈ 3.3×10⁻²⁰ mol ≈ 0.33 amol（330 zmol）。（c）单一蛋白的量由拷贝数与总预算共同决定：即便制备与检测毫无损失，1.5 fg 也已是该蛋白在单个细胞中的全部存量；任何百分比的损失与污染都作用在这个上限之内。总量先天地封住了低拷贝蛋白的检出空间。

2.1.2 敌人一：表面吸附

微量制备遇到的第一个敌人是表面。肽段与蛋白都是两亲分子：一面是亲水主链与带电侧链，一面是暴露的疏水残基。溶液一旦接触器壁，疏水残基便贴向聚丙烯或玻璃；pH 偏离等电点时，静电力再添一把。比器壁更凶的是气液界面(air–liquid interface)——水与空气之间是体系里最强的疏水界面，蛋白在界面上铺展成膜，这一现象在结构生物学里是结晶的头号障碍，在微量制备里则是看不见的漏斗。

一根管壁能"吃掉"多少样品？粗略的上界由单分子层(monolayer)给出：吸附位点铺满一层便趋于饱和，于是

Δn ≈ σ·A，　损失占比 f = Δn / m₀ = σA / m₀

(2.1-2)σ 为单位面积的有效吸附容量（数量级 1–100 ng/cm²，随表面化学、肽段性质与添加剂大范围波动），A 为样品接触的器壁与界面面积，m₀ 为起始总量。模型粗糙，但结构比数字重要：损失量近似只看面积，与样品多少无关。

做一道示意算术（模型估算，非实测值）。把液滴近似为球冠，接触面积 A ∝ V^2/3。1 µL 体系取 A ≈ 2.4×10⁻² cm²，σ 取 1 ng/cm²，则 Δn ≈ 24 pg；体积缩到 50 nL——缩小 20 倍——面积只按 20^2/3 ≈ 7.4 倍缩小，A ≈ 3.3×10⁻³ cm²，Δn ≈ 3.3 pg。代入式 (2.1-2)：1 µg 常规样品在 1 µL 体系里损失占比约 0.002%，谱图上毫无感觉；同一个体系装 100 pg 单细胞，占比约 24%——四分之一的样品可能贴在壁上；换成 50 nL 液滴，占比降到约 3%，回到可控区间。

几何在这里帮了忙：绝对损失按 V^2/3 缩小，样品总量不变，占比便同步下降。这正是纳升级制备的立身之本。nanoPOTS 把 10–100 个 mammalian 细胞的制备装进纳升级液滴，蛋白鉴定深度随之大幅提升（Zhu et al., 2018a）；微流液滴方案进一步做到单个细胞（Zhu et al., 2018b）。低吸附管、涂层载片与微量表面活性剂则从 σ 下手，把单位面积的胃口调小。图 2.1-1 把式 (2.1-2) 画到对数坐标上：一条斜率为 −1 的直线，样品量每降十倍，损失占比升十倍。

图 2.1-1　吸附损失占比随样品总量与体系体积的变化（双对数坐标，单分子层模型估算）。实线为 1 µL 体系、虚线为 50 nL 液滴；竖带标出单细胞 100–200 pg 的区间。两线斜率均为 −1：损失绝对量近似与面积成正比而与总量无关，样品每降一个数量级，损失占比升一个数量级；体积缩小 20 倍只把绝对损失压低约 7 倍（面积按 V^2/3 缩减），但足以让单细胞的损失占比从四分之一量级降到个位数百分比。σ 取 1 ng/cm² 仅为数量级示意（作者依式 (2.1-2) 绘制；方法背景见 Zhu et al., 2018a, b）。

定义

吸附损失（adsorption loss）：样品分子经疏水与静电作用贴附于器壁、吸头与气液界面而离开溶液所造成的损失。其绝对量近似正比于接触面积而与样品总量无关，故损失占比随样品量下降而上升——常规流程中不可见的吸附，在皮克级样品前成为主要损失渠道（Zhu et al., 2018a）。

方法

与表面过招的四个抓手。其一，缩小体系：面积按 V^2/3 缩减，纳升级液滴把吸附占比压回个位数（图 2.1-1）。其二，选对表面：低吸附（low-binding）聚丙烯管、硅烷化玻璃与氟碳涂层载片都能压低 σ——nPOP 即在氟碳涂层载玻片上以纳升级液滴阵列完成制备（Leduc et al., 2024）。其三，调溶液：偏酸条件与适量有机相可削弱肽段与器壁的疏水结合。其四，占位：痕量表面活性剂或载体分子先行占据吸附位点，替样品挡枪。四招常联用，靶点都指向式 (2.1-2) 的分子——σ 与 A。

2.1.3 敌人二：稀释与多步转移

常规自下而上流程从裂解到上样要走八步上下：裂解、变性、还原、烷基化、酶解、酸化、浓缩、转移上样，每一步都涉及移液或换管。吸头残留、器壁滞留、离心后弃液的损失、蒸发与冷凝，桩桩件件都是固定的百分比。设每步保留率为 1 − x，全程 n 步，总回收率为

R = (1 − x)ⁿ

(2.1-3)x 为单步损失比例，n 为涉及转移的步骤数。关键在指数结构：损失按步数复合累积，与单步的好坏并非线性关系。

每步保留 95%——常规操作里已算干净——八步下来只剩 0.95⁸ ≈ 66%；每步 90%，只剩 43%。步骤数翻倍，损失不成比例地放大，这就是复合损失的指数本质。这行公式同样指明出路：压低 n。把变性、还原、烷基化与酶解合并进同一个容器、同一份溶液，化学步骤先后发生而样品寸步不移——一步法(one-pot)由此不是省事的花招，而是式 (2.1-3) 的直接推论；2.4 节的 nPOP 把它推到纳升级液滴的形态（Leduc et al., 2024）。

稀释损失(dilution loss)与转移互为表里。多步操作要求每步留出足够的体积供移液器准确吸取，样品被迫稀释在大体积里；体积一大，式 (2.1-2) 的接触面积随之增大，吸附与污染同步加重，进样前又不得不浓缩——再损失一次。反过来追求小体积，则撞上移液精度的墙：皮升级分配的相对误差本身可达百分之几十。微量制备的多数技巧，都是在"步数—体积—精度"这个三角里找落点；图 2.1-2 把两条路线的账并排算给你看。

图 2.1-2　多步流程与一步法的复合损失对照（示意数字）。上：八步常规流程，每步保留 95%，回收率按 (1−x)ⁿ 复合折损至约 66%；下：一步法把裂解、变性、还原、烷基化与酶解合并于单一液滴，仅最终转移计一次损失，回收率约 95%，同时体积缩至纳升级、吸附同步下降。单步损失取值仅作演示，实际随容器、移液方式与溶液组成而异（式 (2.1-3)；方法实例见 Leduc et al., 2024）。

习题 2.1-2

某流程共 8 个涉及转移的步骤，每步保留 95%。（a）求最终回收率；（b）至少要累积多少步，总回收率才会跌破 50%？（c）若把 8 步合并为"一步法"（仅 1 次转移，保留率仍为 95%），回收率提高多少倍？结合式 (2.1-3) 说明一步法作为设计原则的依据。

参考解答

（a）R = 0.95⁸ ≈ 0.663，即约 66%。（b）令 0.95ⁿ < 0.5，两边取对数：n·ln 0.95 < ln 0.5，n > 0.693 ÷ 0.0513 ≈ 13.5，故第 14 步起跌破 50%——损失对步数的响应远比直觉快。（c）一步法 R ≈ 95%，回收率提高约 1.43 倍（95/66.3）。式 (2.1-3) 的指数结构决定了减少 n 比苦苦提高单步保留率更划算：把单步保留从 95% 提到 99%，八步也只有约 92%，与砍掉七步转移的效果相当，而后者在工程上往往更容易做到。

2.1.4 敌人三：污染与背景

第三类敌人与样品无关，却始终在场。角蛋白(keratin)来自操作者的皮肤、毛发与衣物纤维，是实验室空气里最常见的蛋白粉尘；环境微生物的蛋白随气溶胶落进样品；试剂与耗材也不干净——酶制剂含杂蛋白，变性剂含降解产物，塑料有可沥出物。这类背景的绝对量与样品多少毫无关系：防护到位，它可以是几个 pg；操作草率，它可以是几十上百 pg。

危险全在相对量。常规 1 µg 样品面前，10 pg 角蛋白只占 1%，谱图里几乎无感；同样 10 pg 落在 100 pg 单细胞旁边，就与样品同量级——低丰度肽段的信号遭背景淹没，鉴定名额被"样品外"的蛋白占据，定量下限整体抬高。污染在常规实验里是卫生问题，在皮克级实验里是化学计量问题。

对策分三层。其一是洁净操作：手套、口罩、低粉尘耗材、层流台内开盖，把背景压到 pg 以下。其二是试剂分级：质谱级试剂、小体积分装、一次取用，避免反复开瓶让洁净试剂"养"出污染。其三是监测与扣除：空白通道(blank channel)——多重标记批次里留一个通道不加样品、只走全流程，背景便有了刻度。SCoPE2 在每个标记批次里设置空白通道，正是让污染可测可减（Specht et al., 2021）；社区报告规范也要求把污染与背景作为质量指标明示（Gatto et al., 2023）。

注记

为什么角蛋白是实验室的宿敌。角蛋白家族庞大、丰度高，一个毛发碎屑或一次皮屑脱落带入的蛋白量就足以盖过单个细胞；其肽段在数据库里条目极多，检索时天然"抢分"。更麻烦的是它无处不在：毛衣、纸屑、粉尘、甚至呼吸飞沫都携带。单细胞实验的通行纪律因此近乎洁癖——长发束起、手套常换、管子在洁净区内才开盖、开盖时间能短则短。这些细节不改变任何机理，却直接决定皮克级样品的信噪比。

警示

空白通道不是摆设。省下一个通道看似提高了通量，代价是整批数据失去背景刻度：角蛋白与试剂杂质混进各通道的信号而无从估计，低通道数的定量被系统性抬高，且这种偏差事后无法从数据本身分辨。空白通道把"背景有多大、落在哪些肽段上"变成可测量的事实，是微量实验少数花得起的质量保险（Specht et al., 2021；Gatto et al., 2023）。

习题 2.1-4

某单细胞批次使用 16 通道 TMT 标记，其中 1 个为空白通道。（a）通量因此损失多少？（b）若空白通道中多条角蛋白肽段的信号约为各单细胞通道平均值的 5 倍，这说明什么？能否直接从每个通道扣除空白通道的数值了事？（c）结合 2.1.4 的三层对策，说明为什么背景扣除只能治标。

参考解答

（a）1/16 ≈ 6.3%。（b）说明这些肽段的信号以背景为主——污染已达到甚至超过与单个细胞同量级的水平；直接逐通道扣除的前提是背景在所有通道间严格一致，而标记效率、洗脱残留与污染的空间分布都会造成通道间差异，机械扣除会把空白通道自身的噪声与差异再注入每个通道。（c）扣除压不高被污染抬起的检出限，也找不回被背景肽段挤占的动态范围与鉴定名额；洁净操作与试剂分级从源头缩小背景，空白通道只负责度量和监控残余——先治本，再测量，最后才是校正。

2.1.5 动态范围与采样统计：缺失值的物理根源

前三个敌人都在制备端，第四重困难埋在样品自身的结构里。细胞内蛋白的拷贝数(copy number)跨约七个数量级：从每细胞数百拷贝的转录因子，到上千万乃至上亿拷贝的骨架蛋白与代谢酶（Beck et al., 2011）。动态范围(dynamic range)的这一跨度是细胞生理的常态，不是实验的过失。2 fmol 的总预算摊给数千种蛋白，分布拖着长长的对数尾巴：中位蛋白在 10⁵ 拷贝量级，低拷贝端只有 10²–10⁴。

拷贝数本已在七个数量级上展开，制备与检测还要逐级抽成：酶解只交出每条蛋白的部分肽段，色谱与离子化各有各的回收，质量分析器在离子流里再采一次样。一减再减之后，低拷贝肽段抵达检测器的期望离子数 λ 往往只剩个位数。离子是离散的个体，采样服从泊松采样(Poisson sampling)：期望 λ 个离子而一个都不来的概率是 e^−λ，至少看到一个的概率为

P(k ≥ 1) = 1 − e^−λ

(2.1-4)λ 为该肽段在整条链路（制备—分离—离子化—传输—采集）结束后到达检测器的期望离子数；k 为实际到达数。λ = 2 时 P ≈ 86%；λ = 0.5 时 P ≈ 39%；要稳到 95%，需要 λ ≈ 3。

期望只有半个离子的肽段，十次里有六次直接缺席——不是仪器故障，也不是软件漏检，而是离散采样的物理。单细胞数据里大量的缺失值由此而来，它先于任何算法存在。图 2.1-3 画出式 (2.1-4)：曲线在低 λ 段近乎直线下坠。第 4.4 节讨论缺失值填补时，这条边界仍然有效：填补可以借邻近信息补形，不能凭空补出测量不曾拿到的信号。

图 2.1-3　低拷贝肽段的检出概率随期望离子数 λ 的变化（式 (2.1-4)）。λ = 0.5 时仅约 39% 的机会至少捕到一个离子；λ = 2 时约 86%；要到 95% 须 λ ≈ 3。拷贝数跨约七个数量级的蛋白分布（Beck et al., 2011）经制备、分离与离子化逐级折损后，低拷贝端的 λ 落入曲线最陡的左段——缺失值是离散采样的物理结果，不随算法改进而消失。

习题 2.1-3

某低拷贝肽段经整条链路后到达检测器的期望离子数 λ = 0.5。（a）求它在该细胞中被检出的概率；（b）若希望检出概率不低于 95%，λ 至少应为多少？（c）在 96 个细胞的队列里，该肽段（λ = 0.5）预计会在多少个细胞中缺失？这对第 4 章将讨论的缺失值填补意味着什么？

参考解答

（a）P(k ≥ 1) = 1 − e^−0.5 ≈ 1 − 0.607 = 0.393，约 39%。（b）令 1 − e^−λ ≥ 0.95，则 e^−λ ≤ 0.05，λ ≥ −ln 0.05 ≈ 3.0；即期望离子数须提高约六倍。（c）缺失概率 e^−0.5 ≈ 0.607，96 个细胞中预计约 58 个缺失、38 个检出——同一肽段的数据矩阵里六成是空。填补方法可以把这些空位补成数值，但其中约六成本来就有 ions 未到检测器：填补只能借用邻近细胞与肽段的信息给出估计，无法恢复未曾发生的测量，其结果应带着不确定性使用（见 4.4 节）。

2.1.6 酶解在微量条件下的特殊困难

酶解是自下而上流程的枢纽，在微量条件下偏偏最难做规矩。常规流程按酶与底物 1:20–1:100 的质量比下酶，底物只有 100 pg 时，配比要求的酶是皮克级——没有任何加样器能可靠分出这么少的酶。把酶量提到操作可行的纳克级，酶便超出底物数十到数百倍，三种麻烦接踵而至。

其一，酶自溶(autolysis)肽段变成主要的内源污染。胰蛋白酶会切自己，产生特征性的自溶肽段；酶比样品多，这些片段的信号足以压过样品肽段，其质量还须从检索中逐一排除。缓解之道是测序级、经修饰抑制自切的酶（如甲基化胰蛋白酶），并把酶量与酶解时间压到必要限度。

其二，变性剂与酶活性两头为难。充分变性(denaturation)需要尿素或去污剂，而酶在强变性剂里失活；稀释到酶可耐受的浓度，体积又被迫放大——正好撞上 2.1.3 节的敌人。SDS 更是 LC-MS 的禁物，微量残留即干扰色谱与电喷雾。微量流程只得换温和组合：低浓度尿素、短时间温育，或用有机溶剂与热变性替代。

其三，变性、还原(reduction)与烷基化(alkylation)在常规流程里各自一管，微量下每一次转移都按式 (2.1-2) 与式 (2.1-3) 计价。一步法把这三个化学动作与酶解合并进同一液滴，损失只计一次——这也是 2.4 节 nPOP 的组织方式（Leduc et al., 2024）。

时间维度同样在记账。延长酶解时间似乎能换来更完全的酶解，但微量液滴比表面积大、蒸发快，暴露越久，吸附与盐类浓缩越重；纳升级制备因此常配湿度控制或油封，并把酶解压在数小时内完成。通量是另一重约束：手工逐个处理单细胞难以上量，nPOP 以载玻片上的液滴阵列把制备并行化，1–2 天可完成 3,000 余个单细胞（Leduc et al., 2024）——制备方法设计的终点从来不只是回收率，还有可重复的规模化。

表 2.1-1微量样品制备的三大敌人与设计对策
敌人	物理来源	与样品量的关系	设计对策
表面吸附	器壁与气液界面的疏水、静电作用	损失绝对量近似恒定（正比于面积），占比与样品量成反比	缩小体积（面积按 V^2/3 缩减）、低吸附表面、少转移
稀释与多步转移	移液残留、器壁滞留、蒸发浓缩	复合损失按 (1−x)ⁿ 随步数指数累积	合并步骤、一步法、适度小体积
污染与背景	角蛋白、环境微生物、试剂与耗材杂质	绝对量与样品量无关，皮克级下可达同量级	洁净操作、试剂分级、空白通道

本节把单细胞样品制备的约束写成三笔账：总预算 100–200 pg、单个蛋白 amol 级；三笔损失——吸附吃掉与面积成正比的一份、多步转移按指数复合、污染以固定绝对量入场；再加一条采样统计——低拷贝肽段的检出受泊松概率封顶，缺失值是物理而非过失。它们共同划出了制备方法的设计空间，后续各节的方法都在这个空间里取舍：

缩小体积：nanoPOTS 与微流液滴用纳升级操作把吸附占比压回个位数（Zhu et al., 2018a, b）；
减少步数：一步法把八步化学并入单液滴，回收率从 66% 量级回到 95% 量级（Leduc et al., 2024）；
管住背景：洁净操作、分级试剂与空白通道让污染可测可减（Specht et al., 2021；Gatto et al., 2023）。

另一条思路是干脆不独自对抗：2.2 节的 SCoPE-MS 借等压载体把化学与采集两端都变薄的现实扭转为信号上的增厚，用同一个 TMT 批次把单细胞与 Carrier 通道捆绑进同一张谱图。

关键术语

吸附损失 (adsorption loss): 分子贴附于器壁与气液界面造成的损失，绝对量近似正比于接触面积而与总量无关。
气液界面 (air–liquid interface): 水与空气之间的强疏水界面，蛋白在此铺展成膜，是微量样品的重要吸附面。
单分子层 (monolayer): 吸附位点铺满一层的饱和状态，为估算表面损失上界提供模型。
稀释损失 (dilution loss): 为容纳多步操作而放大体积所引发的附加吸附、污染与浓缩损失。
一步法 (one-pot): 把裂解、变性、还原、烷基化与酶解合并于单一容器或液滴的制备原则。
角蛋白 (keratin): 来自皮肤、毛发与衣物的高丰度污染蛋白，皮克级样品最主要的背景来源。
空白通道 (blank channel): 多重标记批次中不加样品、只走全流程的通道，用于度量并扣除背景。
拷贝数 (copy number): 某蛋白在单个细胞中的分子数，跨约七个数量级。
动态范围 (dynamic range): 样品中最高与最低丰度之间的跨度，单细胞蛋白组约七个数量级。
泊松采样 (Poisson sampling): 离散离子到达检测器的随机过程，检出概率为 1 − e^−λ。
自溶 (autolysis): 蛋白酶自身被切割的现象，其肽段在酶过量时成为主要内源污染。

参考文献与延伸阅读

Beck M, Schmidt A, Malmstroem J, et al. 2011. The quantitative proteome of a human cell line. Molecular Systems Biology 7: 549.
Gatto L, Aebersold R, Slavov N, et al. 2023. Initial recommendations for performing, benchmarking and reporting single-cell proteomics experiments. Nature Methods 20: 375–386.
Leduc A, Huffman RG, Cantlon J, Khan S, Slavov N. 2024. Massively parallel sample preparation for multiplexed single-cell proteomics using nPOP. Nature Protocols.
Lin HJL, Webber KGI, Nwosu AJ, Kelly RT. 2024. Review and practical guide for getting started with single-cell proteomics. Proteomics 25(1–2): e202400021.
Specht H, Emmott E, Petelski AA, Huffman RG, Perlman DH, Koller A, Slavov N. 2021. Single-cell proteomic and transcriptomic analysis of macrophage heterogeneity using SCoPE2. Genome Biology 22: 50.
Zhu Y, Piehowski PD, Zhao R, et al. 2018a. Nanodroplet processing platform for deep and quantitative proteome profiling of 10–100 mammalian cells. Nature Communications 9: 882.
Zhu Y, Clair G, Chrisler WB, et al. 2018b. Proteomic analysis of single mammalian cells enabled by microfluidic nanodroplet sample preparation and ultrasensitive nanoLC-MS. Angewandte Chemie International Edition 57: 12370–12374.