第1章 Seurat基础：数据对象SeuratObject、Assays、meta.data结构详解

1.1 从一个问题开始：SeuratObject到底是什么？

刚接触Seurat的同学，十有八九会被这个名词搞晕。其实没那么玄乎——说白了，SeuratObject就是Seurat用来接住你所有单细胞数据的那个盒子。你跑完10X Genomics的Cell Ranger，拿到了一堆矩阵文件；或者你从别处下载了表达矩阵，要往Seurat里灌，都得先装进这个盒子里。

我记得第一次接触时，总觉得它很神秘，还去读源码。后来才明白：一个SeuratObject就是一个多层字典，里面既有表达矩阵，也有细胞注释，还有下游分析结果。你要学会的不是记它的每个槽位，而是理解它的三层架构——Assays、meta.data、reductions。

这章我们就盯死前两层：Assays和meta.data。这两层搞定，后面网格搜索搞聚类参数，你手不抖。

1.2 三层架构：SeuratObject的骨架

一个SeuratObject长什么样？给你看一眼就知道了：

# 假设你已经创建了一个SeuratObject，叫pbmc
> pbmc
An object of class Seurat 
13714 features across 2638 samples within 1 assay 
Active assay: RNA (13714 features, 0 variable features)
 2 layers present: counts, data

看到没？它告诉你三件事：

• 13714 features —— 基因数量
• 2638 samples —— 细胞数量
• 1 assay —— 里面有一个叫"RNA"的Assay

再往里解剖，Assays是核心数据层，存表达矩阵；meta.data是细胞属性层，存注释信息；reductions是降维结果层，存PCA、UMAP坐标（后面章节再讲）。

你想想看，这三层是不是把单细胞分析需要的所有东西都装进去了？这就是Seurat的设计哲学——你只管往一个对象里塞数据，别操心变量怎么管理。

1.3 Assays：表达数据的存放地

一个SeuratObject可以装多个Assay。比如你同时测了RNA、ATAC，那就有两个Assay，名字分别叫"RNA"和"ATAC"。但绝大多数情况下，你只有一个Assay，默认就叫"RNA"。

每个Assay内部又有三个最主要的矩阵：

我在项目中遇到过：有同学把counts矩阵和data矩阵搞混了，结果差异基因一个都没找到——因为counts是整数，差异分析要求使用原始计数。说白了，counts是原材料，data是半成品，scale.data是精加工。你什么阶段用什么矩阵，心里得有数。

1.4 meta.data：细胞的“身份证”

我常常把meta.data比作细胞的"身份证"。有了它，你才知道每个细胞从哪来、是什么类型、质量好不好。

你创建一个SeuratObject时，Seurat会自动帮你生成几列：

> head(pbmc[[]])
                   orig.ident nCount_RNA nFeature_RNA
AAACATACAACCAC-1     SeuratProject       2419          90
AAACATACACGCTC-1     SeuratProject       2467         120
AAACATACAGACCGC-1     SeuratProject       3241          95

• orig.ident —— 样本来源标识。如果你不指定，默认就是"SeuratProject"。
• nCount_RNA —— 每个细胞的总UMI数。QC的时候看这个。
• nFeature_RNA —— 每个细胞检测到的基因数。过滤低质量细胞看这个。

然后你可以自己加列。比如聚类后加的seurat_clusters、RNA_snn_res.0.5等，都存放在meta.data里。这些列在后面的网格搜索中会频繁用到——你要比较不同参数下的聚类结果，本质上就是对比meta.data里不同分辨率的cluster列。

1.5 SVG结构图：一目了然的层次关系

上面讲了一堆，不如给你画张图。这是我自己整理的SeuratObject核心结构：

图里很清楚：SeuratObject在最顶层，下面挂Assays和meta.data。Assays内部又分为counts、data、scale.data三个核心矩阵；meta.data里则是一列一列的细胞属性。你在网格搜索中要反复操作的，主要就是meta.data里的聚类标签列，以及控制Assay里哪个矩阵被送进聚类算法。

1.6 实战：亲手拆解一个SeuratObject

光说不练假把式。咱们来写两行代码，看看你能从SeuratObject里挖出什么信息。

# 创建一个简单的SeuratObject（假设你已安装Seurat）
library(Seurat)

# 模拟一个expression matrix（3个基因，5个细胞）
mat <- matrix(data = rpois(15, lambda = 3), nrow = 3, ncol = 5)
rownames(mat) <- c("GeneA", "GeneB", "GeneC")
colnames(mat) <- paste0("Cell", 1:5)

# 创建SeuratObject
seu_obj <- CreateSeuratObject(counts = mat, project = "test")

# 看看对象结构
str(seu_obj)

敲完str(seu_obj)，你会看到类似这种输出：

Formal class 'Seurat' [package "Seurat"] with 13 slots
  ..@ assays      :List of 1
  .. ..$ RNA:Formal class 'Assay' [package "Seurat"] with 8 slots
  .. .. .. ..@ counts      :Formal class 'dgCMatrix' ...
  .. .. .. ..@ data        :Formal class 'dgCMatrix' ...
  .. .. .. ..@ scale.data  : matrix [1:3, 1:5] ...
  ..@ meta.data   :'data.frame':	5 obs. of  3 variables:
  .. ..$ orig.ident   : Factor w/ 1 level "test" ...
  .. ..$ nCount_RNA   : num [1:5] ...
  .. ..$ nFeature_RNA : num [1:5] ...

看懂了吗？@assays里面的RNA对象下，有counts、data、scale.data三个槽；@meta.data有orig.ident、nCount_RNA、nFeature_RNA三列。和你之前了解的完全一致。

现在你可以试试：

# 获取meta.data的前几行
head(seu_obj[[]])

# 获取counts矩阵
GetAssayData(seu_obj, slot = "counts")

# 获取默认的data矩阵
GetAssayData(seu_obj)

我个人习惯在每次新建SeuratObject后，都跑一下dim(seu_obj)和rownames(seu_obj[[]])，确认细胞和基因数量对得上。这一步做扎实了，后面网格搜索才不会在数据源头栽跟头。