1、Seurat 简介与安装
1.1 Seurat 是什么？
Seurat 是单细胞 RNA 测序数据分析的「瑞士军刀」。说白了，它就是一套集成在 R 语言里的工具包，帮你从原始计数矩阵一路处理到漂亮的热图、UMAP 和差异表达基因列表。我个人习惯把 Seurat 拆成三个模块来看：
- 数据预处理：过滤、标准化、找高变基因
- 降维与聚类：PCA、UMAP、t-SNE、Louvain 聚类
- 差异表达与可视化作图：FindMarkers、热图、小提琴图
我最早接触单细胞时用的是 scanpy（Python 那套），但后来发现 Seurat 在社区生态、文档完善度和可视化定制的灵活性上更胜一筹。尤其是它内置的 DoHeatmap 函数，改起来比 matplotlib 舒服多了。
1.2 安装 Seurat，三步走
安装其实不复杂，但有几个坑我踩过，等下会专门说。先看标准流程：
- 安装 R（≥ 4.0）和 RStudio（推荐，用命令行也行）
- 安装 BiocManager（用来从 Bioconductor 拿依赖包）
- 安装 Seurat 本体
打开 R 或 RStudio 的 console，敲下面这些：
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
# 安装 Seurat 主体
install.packages("Seurat")等一下，这里有个细节：上面的命令只装 Seurat 核心包。但如果你想用 FindMarkers 的热图功能、或者做空间转录组分析，还需要额外拉一些依赖。我一般直接装完整套件：
# 一次性拉齐所有常用依赖（包括 harmony、slingshot 等）
install.packages("Seurat")
BiocManager::install(c("multtest", "MAST", "DESeq2", "scran", "batchelor"))为什么装这么多？因为 Seurat 的差异表达测试可选多种方法：wilcox（默认）、MAST、DESeq2、SCDE 等。如果你只装默认，换成 MAST 方法时就会报错。嗯，我最初就吃了这个亏。
1.3 依赖包配置——一张表说清楚
我个人习惯在项目根目录建一个 setup.R 文件，把所有包引用集中写。下面这张表记录了 Seurat 常用的依赖及其用途：
| 包名 | 作用 | 来源 |
|---|---|---|
| Seurat | 主包：QC、归一化、降维、聚类、差异表达 | CRAN |
| SeuratObject | 数据容器与内存管理（Seurat v5 独立出来） | CRAN |
| ggplot2 / ggridges | 可视化扩展（小提琴图、山脊图） | CRAN |
| MAST | 基于混合模型的差异表达方法 | Bioconductor |
| DESeq2 | 基于负二项模型的差异表达（适用于 bulk 扩展） | Bioconductor |
| multtest | 多重检验校正 | Bioconductor |
| scran / batchelor | 替代的归一化与批次校正（Seurat 可选） | Bioconductor |
| hdf5r / rhdf5 | 读取 10X HDF5 格式原始数据 | CRAN / Bioconductor |
如果你只想跑最基础的 Seurat 流程，装 Seurat + MAST + multtest 就够了。但我会建议把 hdf5r 也装上——因为 10X 最新版数据很多是 .h5 格式，没它读不了。
packageVersion("Seurat") 检查版本。v5 版的 FindMarkers 参数名略有变化，比如 logfc.threshold 改成了 log2FC？不，v5 其实保留了旧参数，但新增了 layer 参数。建议用 v5 的最新版，向下兼容性做得不错。
1.4 避坑指南——我踩过的三个坑
安装过程其实很少卡住，但如果你碰到下面几种情况，别慌：
- “package ‘Seurat’ is not available for this version of R” —— 八成是 R 版本太旧。升级到 R 4.2+ 就行。
- 安装 MAST 时编译报错 —— Windows 用户需要先装 Rtools，macOS 用户可能要装 Xcode Command Line Tools。我曾在 macOS 上卡了半小时，后来发现是
gfortran没装。 - SeuratObject 和 Seurat 版本不匹配 —— 如果你手动装了旧版 SeuratObject，新版 Seurat 会报错。解决办法：
remove.packages("SeuratObject")，然后重新装 Seurat，它会自动拉正确版本。
我曾经遇到过一个更隐蔽的问题：服务器上 R 用户权限不足，装不了系统库。最后用 install.packages("Seurat", lib = "~/R_libs") 指定个人目录解决。如果你也碰到权限问题，记得设置 .libPaths()。
install.packages 直接装 Bioconductor 的包，必须走 BiocManager::install，否则可能依赖冲突。
1.5 Seurat 核心生态——一张图看懂
下面这张 SVG 图把 Seurat 在整个单细胞分析流程中的位置和主要模块关系画了出来。你想想看，数据从 10X 下机开始，经过 Seurat 处理，最后产出热图、UMAP 和差异基因列表——其实就是这个流程。
1.6 安装后快速验证
装完了别急着退出，跑个最小测试：
library(Seurat)
# 查看版本
packageVersion("Seurat")
# 加载内置示例数据
pbmc_small <- SeuratData::LoadData("pbmc_small")
# 如果上面报错，说明 SeuratData 没装，也可以用下面这个：
data("pbmc_small", package = "SeuratObject")
# 查一下数据结构
pbmc_small如果没有报错，恭喜你，环境配置完毕。如果 SeuratData 装不上，就改用 data("pbmc_small", package = "SeuratObject")——v5 版本把示例数据挪到了 SeuratObject 包里。我在一个同事的电脑上就遇到过这个问题，他死活找不到 pbmc_small，最后发现是包名敲错了。