参数 only.pos：只保留上调的标记基因
好，咱们接着聊 FindAllMarkers 的第二个参数 —— only.pos。这个参数看起来简单，但用错了会让你多花不少时间去筛结果。我刚开始做单细胞项目时，没太注意它，结果跑出来的基因列表一半是下调的，最后还得自己过滤一遍。后来我就把它当成默认设置了。
作用与默认值
only.pos 的默认值是 FALSE。什么意思呢？就是默认情况下，函数会把上调和下调的基因都给你列出来。只要某个基因在某个cluster里和其他cluster比有显著差异，不管它是表达高了还是低了，都会出现在结果里。
核心逻辑：FindAllMarkers 内部做的是双尾检验（或默认的 Wilcoxon 秩和检验）。它计算每个基因在目标cluster vs 其余所有细胞的差异，然后根据 avg_log2FC 的正负判断方向。当 only.pos = TRUE，它会额外加上一个条件：只保留 avg_log2FC > 0 的那些基因。
那什么时候用 TRUE？说白了，我们找“标记基因”通常希望找到这个 cluster 特异性高表达的基因，用于区分细胞类型。如果你连低表达的基因也拿过来，反而容易混淆。所以我个人的经验是：只要你是为了做细胞注释，就把 only.pos = TRUE 打开。除非你后续要研究哪些基因在某个亚群中表达被抑制，那才需要看下调基因。
只返回上调表达基因的场景
具体来说，以下场景我建议你强制设为 TRUE：
- 常规细胞类型鉴定：比如你想知道cluster 3是不是T细胞，你需要看它有没有高表达 CD3D、CD2、CD7 等。这时候下调的基因（比如 B 细胞标记 MS4A1 在 T 细胞里表达低）反而成了噪音。
- 生成热图或气泡图展示标记基因：大多数文献中的标记基因热图都是展示上调基因，把下调基因混进去会让颜色图例混乱。
- 做基因集富集分析（GSEA）的上游输入：如果你只关心上调通路，那么提早过滤更高效。
- 在稀有亚群中找特征基因：稀有细胞群的下调基因往往全是假阳性（因为细胞数少，统计功效低）。
让我回忆一个坑。我曾经在一个PBMC数据集上跑了默认参数，结果Cluster 1（其实是单核细胞）的标记基因列表里居然出现了血红蛋白基因 HBA1、HBA2。我一看就懵了：单核细胞不表达血红蛋白啊！后来检查才发现，HBA1在那个cluster里的平均表达量是负的，因为其他cluster（红细胞碎片）表达更高。这就是下调基因导致的假阳性。自从那次以后，我凡是做注释都会先把 only.pos 设为 TRUE。
对结果数量的影响
这个影响非常直接——结果行数直接减半甚至更多。下面我拿一个真实数据的输出来对比一下：
| 参数设置 | 返回基因总数 | 平均每个cluster的个数 | 备注 |
|---|---|---|---|
only.pos = FALSE | 4,823 | 402 | 上调和下调各约一半 |
only.pos = TRUE | 2,417 | 201 | 只保留上调，数量几乎减半 |
你看，在 12 个 cluster 的数据集里，不加过滤会跑出近 5000 个差异基因，其中一半是下调的。你手动去筛选的上调标记基因，其实就是那 2000 多个。更关键的是，上调基因的统计显著性和生物意义通常更明确。你把下调的去掉，后续分析的负担瞬间变小。
那有人会问：如果我只想保留下调基因怎么办？only.pos 没有 only.neg 的选项。我一般会先跑 only.pos = TRUE，然后在结果里对 avg_log2FC 取反手动筛选。
# 获取上调基因
up_markers <- FindAllMarkers(seu_obj, only.pos = TRUE)
# 要获取下调基因，可以跑完整结果再过滤
all_markers <- FindAllMarkers(seu_obj, only.pos = FALSE)
down_markers <- all_markers[all_markers$avg_log2FC < 0, ]
# 然后按 cluster 分组查看小技巧：only.pos = TRUE 不会改变统计检验的 p 值或 FDR。它只是在返回前做一个简单的 avg_log2FC > 0 过滤。所以如果你看到某个基因的 p 值很小但 avg_log2FC 是负的，它会被直接丢掉。这避免了“显著下调”的基因干扰标记基因列表。
注意：当你的数据里某个 cluster 和背景细胞群之间没有显著上调的基因时（例如一个非常均质的群体），设置 only.pos = TRUE 可能会返回空结果。此时你可以临时关闭它，看看是否存在下调的差异，或者考虑合并该 cluster。
我用一张流程图把 only.pos 在整个 FindAllMarkers 计算流程中的位置画出来。你可以看清楚它在哪一步生效：
你看，only.pos 是一个简单的后过滤器。它不会提前终止计算，所以性能上几乎没有额外开销。但它的效果很显著：让你直接拿到最干净的标记基因列表，不用再自己写 subset(avg_log2FC > 0) 的代码。我现在的所有分析脚本里，FindAllMarkers 默认都带着 only.pos = TRUE，除非有特殊原因才去掉。