1. 课程简介与预备知识

大家好，我是这门课的主讲人。一个在单细胞测序数据里摸爬滚打了快十年的老程序员。今天咱们开始《Monocle拟时序轨迹图解读实战》的第一章。

说白了，这门课就是教你怎么用 Monocle 2 这个工具，去解析单细胞数据里的发育轨迹。你想想看，细胞不是一成不变的，它们会分化、会成熟、会转变状态。传统的聚类分析只能告诉你「有哪些细胞类型」，但 Monocle 能告诉你「这些细胞是怎么从A变成B的」。

我个人习惯把拟时序分析比作一部电影的叙事线——聚类是剧照，轨迹是剧情。咱们这门课，就是教你如何把剧照串成一部完整的电影。

1.1 这门课到底讲什么

课程目标其实很直接：让你拿到单细胞表达矩阵后，能独立完成 Monocle 的拟时序分析，并且能看懂、能解读那张漂亮的轨迹图。

具体学完你能做到什么？

• 跑通流程：从表达矩阵到轨迹图，一条命令接一条命令，不卡壳。
• 参数调优：知道什么时候用 DDRTree，什么时候用 SimplePPT，不会盲目抄默认值。
• 图表解读：分支点、伪时间、基因表达变化，每个视觉元素都能讲出生物学故事。
• 避坑实战：我会把我在真实项目里踩过的坑一一告诉你，省下你几个月的时间。

1.2 你需要提前掌握什么

嗯，这里要实说。如果你完全零基础，直接上手 Monocle 会比较吃力。我并不要求你是大神，但下面这几样东西，你得有个底子。

技能	具体要求	我给的建议
R 语言基础	会读取数据框、会用 ggplot2 画散点图、会写简单的 for 循环	其实 R 语言入门不难，你只要掌握数据框操作、看帮助文档的能力就行。我自己经常用 dplyr 和 ggplot2，你熟悉这两个包会有帮助。
单细胞基础	理解表达矩阵、UMI、降维（PCA/tSNE/UMAP）、聚类这些核心概念	你如果做过 Seurat 的流程，理解过 PCA、tSNE、UMAP 降维，那基本就够了。我在教学时发现，很多同学对「细胞聚类」和「marker 基因」概念不熟，后面分析轨迹时会迷糊。
生物学背景（可选）	了解细胞分化、发育生物学的基本概念	这个不是硬性要求，但如果你知道「造血干细胞分化为各种血细胞」这类过程，看轨迹图时会更有感觉。

我曾经带过一个学生，R 语言只会读 CSV 文件，硬是跟着课程跑了三遍才把轨迹图画出来。他说最痛苦的不是代码报错，而是看不懂 Monocle 输出的数据结构。所以，我建议你先花一周时间温习一下 dplyr 的基本操作，比如 filter()、select()、mutate() 这些。

1.3 学习路线图

这个路线图是我自己摸索出来的。坦白说，当初我自己学 Monocle 的时候走了不少弯路。所以我把这些经验整理成了一张图，你看看这 30 章是怎么组织的。

你可能注意到了，这个路线图不是一条直线走到底的。实际上，从「预处理」到「降维与排序」，中间有个明显的垂直跳转。为什么这么设计？

因为预处理做不好，后面的降维结果一定是一团糟。我见过太多人上来就跑 Monocle 的默认参数，结果轨迹图是一团乱麻。所以我把预处理单独拉出来作为一个阶段，强调数据清洗和标准化的重要性。

另外，我把「项目实战」放在了最后 4 章。这 4 章我会用 3 个真实的单细胞数据集，现场演示从零到一的完整流程。其中包括一个来自我合作项目中的造血干细胞分化数据。嗯，那段代码我调试了整整一个周末才跑通。

1.4 知识体系总览

把上面的路线图再细化一下，看看每部分具体涵盖什么内容：

阶段	核心主题	你会获得的实战技能
基础准备（1-4）	Monocle 架构概述、安装配置、表达矩阵格式	正确安装 Monocle 2、理解 CellDataSet 对象
数据加载（5-8）	从 10X/h5/CSV 加载数据、创建 CellDataSet	处理不同来源的表达矩阵、元数据整合
预处理（9-12）	质控、标准化、基因筛选、批次校正	去除低质量细胞、选择高变基因、处理批次效应
降维与排序（13-16）	DDRTree、PCA 初始化、细胞排序	理解降维原理、手动调整排序起点
轨迹构建（17-21）	构建主树、分支检测、BEAM 分析	识别分支点、提取分支特异性基因
图表解读（22-26）	伪时间热图、基因表达动态图、分支图	读懂轨迹图的生物学含义
项目实战（27-30）	三个真实数据集完整分析	独立完成从原始数据到发表级图形的流程

我个人习惯在开始一个项目前，先画一张这样的知识地图。你想想看，如果你不知道第 17 章的内容和第 5 章有什么关联，学习时很容易迷失方向。这张表就是你的导航仪。

1.5 整体流程

最后，我们用代码的视角看一看 Monocle 分析的完整流程。你会发现，整个过程长得像一个管线，每一步输出都是下一步的输入。

# ========== 整体流程大纲 ==========

# 步骤 1：加载数据
expr_matrix <- read.csv("expression_data.csv")
pd <- data.frame(cell_id = colnames(expr_matrix))
fd <- data.frame(gene_id = rownames(expr_matrix))

# 步骤 2：创建 CellDataSet
library(monocle)
cds <- newCellDataSet(expr_matrix, phenoData = pd, featureData = fd)

# 步骤 3：预处理
cds <- estimateSizeFactors(cds)
cds <- estimateDispersions(cds)
cds <- detectGenes(cds, min_expr = 0.1)

# 步骤 4：选择高变基因
disp_table <- dispersionTable(cds)
ordering_genes <- subset(disp_table, mean_expression >= 0.5 & dispersion_empirical >= 1 * dispersion_fit)$gene_id
cds <- setOrderingFilter(cds, ordering_genes)

# 步骤 5：降维
cds <- reduceDimension(cds, max_components = 2, reduction_method = "DDRTree")

# 步骤 6：排序（构建轨迹）
cds <- orderCells(cds)

# 步骤 7：可视化
plot_cell_trajectory(cds, color_by = "Pseudotime")

# 步骤 8：基因表达动态分析
plot_genes_in_pseudotime(cds, gene_short_name = c("GeneA", "GeneB"))

这段代码你现在不需要完全理解。我只是想让你看看，整个流程的骨架就是这 8 步。我自己第一次跑通这个流程时，花了整整一天。因为中间有一个参数写错了，降维后所有细胞重叠在一起。后来排查出来，是 min_expr 参数设得太低，把垃圾基因也算进去了。