参数 min.pct：最小表达比例——别让低表达基因浑水摸鱼

好，咱们接着聊参数。这一章我讲 min.pct，全名叫“最小表达比例”。听名字你就知道，它是用来卡基因表达广度的。说白了，就是一个基因至少要在多大比例的细胞里检测到，才让它参与后续的标记基因筛选。

我刚开始用 Seurat 的时候，其实没太在意这个参数。想着“反正我数据质量好，全跑一边呗”。结果跑出来的结果一堆稀奇古怪的基因——比如某个只在 0.3% 细胞里出现的线粒体假基因，居然被标记成了某个 cluster 的“特异基因”。你说这能信吗？后来才明白，min.pct 就是干这个的——拦住那些因为零星表达就被统计学吹上天的“虚假英雄”。

参数本质：两种比例都要算

你仔细看 Seurat 文档会发现，min.pct 不是一个简单的单边比例。它其实是两侧同时看：

• 表达比例：在某个 cluster 中，检测到该基因的细胞数 ÷ 该 cluster 总细胞数。
• 默认值 0.1，意味着两边 cluster 里，至少有一边的表达比例超过 10%，否则直接跳过这个基因。

等等，这里有个易错点——我见过不少同事以为“要两边都超过 10%”。不对！是任意一边超过 10% 就算通过。为什么这样设计？你想，如果一个基因在 cluster A 里 80% 都表达，在 cluster B 里只有 2% 表达，那它仍然是一个很好的标记候选（高特异度）。Seurat 不会因为 B 侧比例低就把它扔了，而是保留它让你自己去判断。

min.pct 取值	过滤强度	典型适用场景	常见后果
0（不过滤）	极低	全基因扫描、探索性分析	噪声基因多，结果表太长
0.05	低	稀有细胞群、低丰度基因	保留少量珍贵标记，但假阳性上升
0.1（默认）	中等	常规数据、10x 标准流程	平衡灵敏度与特异性
0.25	较高	高深度测序、细胞群大	遗漏稀有事件，结果简洁
0.5	高	强制高表达基因	只留下广谱高表达基因

什么情况下你需要调整 min.pct？

我个人的经验是，除非你对数据有特殊理解，否则不要轻易改默认值 0.1。但工作中肯定会遇到需要调的情况，我给你列三个最常见的：

1. 稀有细胞亚群：如果你有一个 cluster 只占全数据的 0.5%，那它里面的大部分基因可能总表达细胞数就很少。此时 min.pct = 0.1 可能过滤掉太多真标记。我建议降到 0.05 甚至 0.02，同时配合 min.diff.pct 或者手动检查表达量。我在做 neuron 亚型分析时就遇到过——一个 GABA 能中间神经元亚群只有不到 100 个细胞，降了 min.pct 才找到 GAD2 这个真命天子。
2. 高背景噪声数据：有些数据（比如 FFPE 样本）背景表达高，很多低质量基因到处都是。提高 min.pct 到 0.2 或 0.3 可以快速砍掉假阳性。我记得有一次处理小鼠肝脏数据，线粒体基因几乎每个细胞都有微弱信号，调高 min.pct 后标记结果干净了不止一倍。
3. 超精细分辨率：当你把 cluster 分辨率设得特别高（比如 resolution = 2），接近技术噪声的分割。此时很多“差异基因”只是随机波动。适当提高 min.pct 到 0.15 甚至 0.2，能让结果更可信。

实际代码怎么写？

你调用 FindAllMarkers 的时候，直接指定参数就行：

# 默认值 0.1
markers_default <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.1)

# 降到 0.05 以捕获稀有信号
markers_rare <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.05)

# 提高过滤，只留高表达基因
markers_highconf <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0.25)

# 极端：关闭过滤（不推荐）
markers_all <- FindAllMarkers(pbmc, only.pos = TRUE, min.pct = 0)

你想想看，这三个参数的变化，就能让结果列表从 200 行变成 2000 行。所以每次跑之前，先问问自己：我到底要找什么样的标记？ 是广谱的、高可信的，还是不放过任何一个可能的线索？

核心逻辑：一张图看懂 min.pct 过滤流程

下面这个 SVG 流程图，对应的是 Seurat 在计算差异前做的基因预筛选。它不是唯一步骤，但确实是第一道关卡。你看一眼就明白：

你看，这个流程其实很朴素——先过滤，再计算。很多初学者以为是跑完统计检验再筛选，那样会产生大量不必要的运算，而且假阳性会污染后续的 heatmap 和富集分析。Seurat 在设计上很聪明，先把那些明显不满足表达广度的基因踢出去，节省时间也减少噪声。

配合 min.diff.pct 使用才是完整方案

嗯，这里还要补充一点。我经常看到有人只调 min.pct，却忽略了另一个兄弟参数 min.diff.pct。你可以这么理解：

• min.pct：控制基因至少在一边有多大的表达比例。
• min.diff.pct：控制两边表达比例的差值至少有多大。

假设 min.pct = 0.1，一个基因在 cluster A 里 12% 表达，在 cluster B 里 11% 表达。虽然两边都过了 10%，但两者只差 1%，这几乎不可能是标记基因。此时如果设置 min.diff.pct = 0.2（即两侧比例差 ≥ 20%），这种基因就会被砍掉。我习惯把两个参数一起调：

# 同时使用两个参数
markers_strict <- FindAllMarkers(pbmc, 
                                 min.pct = 0.1, 
                                 min.diff.pct = 0.2)

说实话，大部分情况下默认组合（min.pct = 0.1，不设 min.diff.pct）就够用。但如果你想要更干净的结果，加上 min.diff.pct 是个很实用的习惯。