4、寻找标记基因（FindAllMarkers）

聚类分完了，细胞群也有了。然后呢？

你得知道每个簇里到底有什么基因在“撑场面”。说白了，就是找到每个cluster相对于其他细胞高表达的特征基因。Seurat 里做这个事儿的函数叫 FindAllMarkers。

我个人特别喜欢把这步比作“给每个细胞群写身份证”。你的后续细胞类型注释、差异热图绘制，全靠这份身份证列表。弄不好，后面全白搭。

为什么不用手动跑差异？

FindAllMarkers 本质上是把每个簇跟剩下所有细胞做一次差异表达分析。你想想看，如果手动写循环，十几二十个簇，代码又臭又长，还容易漏参数。Seurat 帮你一把梭，返回一个干净的数据框，直接拿来用。

我在项目里遇到过那种“每个簇只找10个基因”的粗暴做法，结果注释出来好几个簇都写成“T细胞”。嗯，后来我学乖了，老老实实用默认参数先扫一遍，再调阈值。

核心用法

假设你已经有了一个处理好的 Seurat 对象，叫 seu，并且 seu$seurat_clusters 已经设好。跑下面这句就行：

markers <- FindAllMarkers(seu, only.pos = TRUE, logfc.threshold = 0.25, min.pct = 0.1)

参数不多，但每个都挺关键。我来拆开说。

参数详解（这张表我经常贴在工位上）

返回结果长什么样？

跑完后 markers 是一个 data.frame，每行一个基因-簇对。列名如下：

• p_val — 原始 p-value。
• avg_log2FC — 该簇相对于其他细胞的平均 log2 倍变化。
• pct.1 — 该簇内表达该基因的细胞比例。
• pct.2 — 其他簇中表达该基因的细胞比例。
• p_val_adj — 多重假设检验校正后的 p-value。看这个！假的看 raw p 会哭。
• cluster — 所属的簇编号。
• gene — 基因符号。

注意：avg_log2FC 在 Seurat v5 里改叫 avg_log2FC，老版本可能叫 avg_logFC。这坑我踩过，脚本跑着跑着报错找不到列名，后来发现版本问题。

筛选优质标记的常用套路

拿到 markers 后，我一般这样过滤：

top_markers <- markers %>%
  filter(p_val_adj < 0.05) %>%
  group_by(cluster) %>%
  slice_max(n = 10, order_by = avg_log2FC)

每个簇取 logFC 最高的 10 个基因，同时保证校正显著。这种列表画热图时横轴不会太长，也够你做初步注释。

流程图：从 Seurat 对象到标记基因列表

下面这张图展示了整个 FindAllMarkers 的数据流。我习惯把它放在实验记录本的第一页，提醒自己每一步的意义。

避坑指南（用钱换来的教训）

• 千万别忘了 only.pos=TRUE。默认是 FALSE，会给出双向的基因，结果里一半是下调的，画热图时颜色倒过来很别扭。我有个同事就是没设，被老板追问“为什么这个标记基因在所有簇里都低表达？” 尴尬。
• 大数据集跑得慢？ 几十万细胞时 Wilcox 检验也很慢。可以试试 test.use = "poisson" 或者先在 FindAllMarkers 里增加 max.cells.per.ident = 500 参数，只采样 500 个细胞做差异，精度损失不大但速度快 10 倍。
• 结果行数爆炸。如果不设阈值，一个 20 簇的数据可能输出几十万行。你筛选的时候记得先把 p_val_adj 过滤掉，否则内存撑不住。