4. 常见双细胞检测方法对比
做双细胞检测这么多年，我试过不少工具。今天聊聊三个最常用的：DoubletFinder、Scrublet、DoubletDecon。它们各有脾气，选不对，坑死你。
先说清楚一点：没有万能方法。每种工具背后假设不同，适合的数据类型也不同。我见过有人拿Scrublet跑10x数据效果还行，换到Drop-seq就翻车了。你想想看，数据稀疏程度、细胞数、双细胞率，都会影响结果。
方法原理粗略对一下
双细胞检测核心思路就两类：模拟双细胞 vs 基于表达特征聚类。
- DoubletFinder：用真实细胞两两混合，模拟出人工双细胞，然后在降维空间里找出跟模拟双细胞靠得最近的真实细胞。说白了就是「找最像双胞胎的细胞」。
- Scrublet：也是模拟，但它在每个批次内独立模拟，然后算一个「双细胞得分」，再通过阈值来判。它默认假设双细胞比例不高（5%以内），如果你数据里双细胞炸裂多，它容易误判。
- DoubletDecon：这哥们不走模拟路线。它基于聚类，检查每个cluster内部有没有「子cluster」表达模式不同——因为双细胞其实是两个不同类型细胞粘在一起，它们的基因表达谱应该是两个cluster的混合。要是某个cluster内部再分两派，那很可能就是双细胞。
嗯，这里要注意：DoubletDecon需要你先做聚类，而且对聚类参数很敏感。我调过一次，换了分辨率之后结果大变样。所以它不算太稳。
| 方法 | 核心策略 | 输入需求 | 优点 | 缺点 |
|---|---|---|---|---|
| DoubletFinder | 模拟双细胞 + 临近匹配 | 原始UMI矩阵 + 聚类结果（可选） | 对同种类型双细胞敏感；支持多物种 | 需要调pN/pK参数；速度偏慢 |
| Scrublet | 批次内模拟 + 阈值判断 | 原始UMI矩阵（需每个样本独立） | 单样本速度快；自动化程度高 | 假设双细胞率≤5%；异质性数据易漏检 |
| DoubletDecon | 聚类内部差异 + 去卷积 | 聚类结果 + 表达矩阵 | 不依赖模拟；可鉴定多细胞 | 聚类质量影响极大；速度最慢 |
实际使用感受
先说说DoubletFinder。我个人习惯用它做主流程，因为它的模拟逻辑直观，而且能控制假阳性。我项目中遇到过一个超级恶性双细胞数据（两群免疫细胞黏在一起），Scrublet直接漏了60%，但DoubletFinder抓到八成。当然代价是跑得慢——10万细胞的数据，我跑了一下午。
Scrublet呢？它快，真快。我经常用它做快速预览，比如先看数据里双细胞比例大概多少，再决定要不要上DoubletFinder。但它有个暗坑：如果你样本间批次效应大，Scrublet跨样本分析时表现很差。我曾经跑完一批数据，发现Scrublet把所有批次边界上的细胞都标成双细胞了，一群假阳性。
DoubletDecon……说实话我很少用。它依赖的聚类步骤太容易出幺蛾子了。不过如果是极端稀有的细胞类型（比如循环肿瘤细胞），其他方法模拟不出来，DoubletDecon倒可能立功。它靠的是「真实混合」而非模拟，所以对罕见双细胞有奇效。
避坑指南
我曾经犯过一个低级错误：在同一个数据集上同时跑三种方法，然后取交集。结果发现交集非常小——几乎空。为什么？因为三种工具对「什么是双细胞」的定义不一样。DoubletFinder倾向选「像人工混合的」，Scrublet倾向选「局部离群的」，DoubletDecon倾向选「cluster内混乱的」。它们的重叠区只有那些特征极其明显的双细胞。所以别傻傻取交集，更别取并集（否则大部分细胞都被标掉了）。
正确姿势：先用Scrublet快速扫一遍，去除高置信双细胞（得分>0.8），再用DoubletFinder精扫剩下的。如果你样本量小（<5000细胞），可以只上DoubletFinder。如果样本＞10万，别用DoubletDecon，它会跑死你。
annotations参数。这样它能按聚类分双细胞，准很多。我实验过，准确率从75%提升到92%。
SVG 一张图说明对比
几个关键参数对比
下面这张表是我自己总结的，跑数据时直接贴墙上对比。
| 参数 | DoubletFinder | Scrublet | DoubletDecon |
|---|---|---|---|
| 核心参数 | pN, pK, annotations | expected_doublet_rate | clusters, max_iters |
| 推荐pN/pK | pN=0.25, pK=0.005–0.01 | — | — |
| 是否需聚类 | 可选（建议提供） | 不需要 | 必须 |
| 输出内容 | doublet_score + 分类标签 | doublet_score + predicted_label | doublet_call + 去卷积比例 |
| 假阳性水平 | 中（可调阈值） | 低（默认阈值保守） | 中等（依赖聚类质量） |
| 建议用途 | 主分析 | 快速筛查 | 验证稀有双细胞 |
代码示例（Python 侧）
放两个最常用的调用方式，你感受一下。
# Scrublet 用法
import scrublet as scr
import scanpy as sc
adata = sc.read_10x_h5("filtered_feature_bc_matrix.h5")
scrub = scr.Scrublet(adata.X, expected_doublet_rate=0.06)
doublet_scores, predicted_doublets = scrub.scrub_doublets()
adata.obs['scrublet_score'] = doublet_scores
adata.obs['scrublet_call'] = predicted_doublets# DoubletFinder 用法（通过 R 包，用 rpy2 桥接或直接 R）
library(DoubletFinder)
seu <- NormalizeData(seu) %>% FindVariableFeatures() %>% ScaleData() %>% RunPCA()
seu <- FindNeighbors(seu, dims=1:30) %>% FindClusters(resolution=0.5)
sweep_res <- paramSweep(seu, PCs=1:30, sct=FALSE)
sweep_stats <- summarizeSweep(sweep_res, GT=FALSE)
bcmvn <- find.pK(sweep_stats)
seu <- doubletFinder(seu, PCs=1:30, pN=0.25, pK=0.005,
nExp=nExp_poi, reuse.pANN=FALSE)注意看：Scrublet一行搞定，DoubletFinder要多走几步——参数扫描、选pK、再跑。但每步都有解释空间，调一调准度能上去不少。
选型小结
我做了一个很粗的判断树，给你参考：
- 样本数 ≤ 5000 细胞，时间不急 → DoubletFinder
- 样本数 5000~10万，需要批量处理 → Scrublet + DoubletFinder 两阶段
- 样本数 >10万，内存紧张 → Scrublet 分样本跑
- 怀疑有罕见双细胞类型 → DoubletDecon 验证
- 多个条件混到一起？那就看我下一节——实际项目中三种工具联用的真实案例。