课程概述：Seurat与Snakemake简介、应用场景归纳总结
1. 两位主角的自我介绍
先说说Seurat。它是单细胞转录组分析的头号R包，从QC、降维、聚类到差异表达，一套组合拳打下来非常顺手。Snakemake呢？基于Python的工作流管理工具，写规则像写Makefile，但更灵活、更容易自动重跑。说白了，一个负责分析逻辑，一个负责组织调度。我在项目中遇到过不少团队手写shell脚本串Seurat流程，每次换数据就改路径、改参数，最后花在调试上的时间比分析还多。这两者结合，才是正经做事的样子。
2. 为什么需要自动化？
手动跑Seurat流程——你想想看，输入10个样本就点10次RStudio，输出10个Seurat对象。遇到细胞数变化，QC阈值又要改。我曾见过有个师兄为了重跑一个QC参数，熬夜熬到凌晨三点。自动化能解决什么？可重复、可追溯、可扩展。 Snakemake把每一步写成规则，输入输出写清楚，自动检查文件缺失，增量更新。你不需要记住先跑哪个脚本，Snakemake的DAG会帮你搞定。
3. 应用场景速览
不是所有单细胞项目都需要Snakemake，但下面这些场景，用了绝对省心：
| 场景 | 痛点 | Snakemake带来什么 |
|---|---|---|
| 多样本批量QC + 整合 | 样本多，手动调整参数容易漏 | 自动遍历样本，参数统一管理 |
| 参数敏感性测试 | 不同参数组合要跑几十次 | 用通配符矩阵批量生成作业 |
| 团队协作分析 | 别人重跑你结果发现路径不一致 | Snakefile + 配置文件即文档 |
| 定期更新数据集 | 数据增量进来，要重新跑一部分 | 增量执行，只更新输入变化的规则 |
小经验： 初期不要贪多，先把核心Seurat步骤（Read10X -> QC -> Normalize -> FindVariableFeatures -> Scale -> RunPCA -> RunUMAP -> FindClusters -> FindMarkers）用Snakemake串起来，后面再补可选的DoubletFinder、Harmony整合。
4. 一个典型的Seurat-Snakemake框架
下图展示了我们这堂课要搭建的自动化管道结构。注意，每个规则对应一个R脚本，Snakemake只负责参数传递和依赖检查，分析逻辑仍在Seurat中完成。
5. 一个迷你示例，先看感觉
我习惯先在Snakefile里写一条规则，比如QC这一步：
rule qc_filter:
input:
"data/{sample}/raw_counts.h5"
output:
"results/{sample}/qc_seurat.rds"
params:
min_genes = config["qc_min_genes"],
max_genes = config["qc_max_genes"],
max_mt = config["qc_max_mt"]
run:
Rscript("scripts/qc_filter.R",
input[0], output[0],
params.min_genes, params.max_genes, params.max_mt)
对应的 qc_filter.R 就是标准的Seurat代码：
library(Seurat)
args <- commandArgs(trailingOnly = TRUE)
raw_path <- args[1]
out_path <- args[2]
min_genes <- as.numeric(args[3])
max_genes <- as.numeric(args[4])
max_mt <- as.numeric(args[5])
data <- Read10X_h5(raw_path)
obj <- CreateSeuratObject(counts = data, project = "sample")
obj[[,"percent.mt"]] <- PercentageFeatureSet(obj, pattern = "^MT-")
obj <- subset(obj, subset = nFeature_RNA > min_genes & nFeature_RNA < max_genes & percent.mt < max_mt)
saveRDS(obj, out_path)
关键点： Snakemake的
run块里直接调用Rscript，参数通过command line传进去，这样Seurat脚本保持纯分析逻辑，不涉及路径硬编码。每次改参数只改config.yaml，我过去两周就靠这个帮团队省了三次手动重跑。
6. 避坑指南
我之前踩过两个常见的坑，必须得说：
- 路径依赖错误： 在R脚本里用了
setwd()，结果Snakemake工作目录一换就崩。后来全部改用绝对路径或相对路径配合workdir参数。 - 内存泄露： Seurat对象动不动几个G，Snakemake默认串行跑没问题，但一旦用
--cores 8并行，内存直接炸。我后来加了个threads: 1限制并行度，或者用resources mem_mb=8000做资源限制。
警告： Snakemake的
shell指令与run块不同，如果直接写shell: "Rscript scripts/qc.R {input} {output}"，要确保R包路径在环境变量中。我建议统一用run: Rscript(...)，更可控。