📚 课程目录第3章 Seurat入门

Seurat入门：安装、数据结构与基本流程

单细胞分析跑不掉Seurat，这几乎是R用户的首选。我自己做项目时，不管后面用不用Scanpy对比，第一遍预处理肯定先用Seurat捋一遍。为啥？因为它的数据结构直观，调试起来顺手。今天我就带你过一遍Seurat的安装、核心数据结构和基本流程——这步走稳了，后面做批次校正才不慌。

3.1 安装 Seurat

Seurat目前最新是v5版本，但我建议直接从Bioconductor装稳定版。个人工作经验告诉我，生产环境别追最新，稳定优先。

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")
BiocManager::install("Seurat")

如果你想体验v5的新特性（比如多模态支持），可以从GitHub装：

remotes::install_github("satijalab/seurat", "seurat5", quiet = TRUE)

避坑提示：我刚开始接触Seurat的时候，直接用了install.packages("Seurat")，结果依赖包版本冲突，排查了大半天。后来养成习惯——单细胞项目都用BiocManager装，省心。

装完之后，记得加载它：

library(Seurat)
packageVersion("Seurat")  # 确认版本

3.2 主要数据结构：Seurat对象

Seurat的核心，说白了就是一个大容器——Seurat对象。里面藏了三层东西：原始表达矩阵、标准化后的数据、还有各种元数据。

创建一个对象很简单：

pbmc.data <- Read10X(data.dir = "filtered_gene_bc_matrices/hg19/")
pbmc <- CreateSeuratObject(
    counts = pbmc.data,
    project = "pbmc3k",
    min.cells = 3,
    min.features = 200
)

你想想看，这段代码同时干了三件事：读数据、过滤掉低质量的细胞和基因、打包成对象。对象里最重要的几个仓（slots），我习惯用一张表说清楚：

Slot 名称	内容	常用操作
`assays`	表达数据（原始/标准化/缩放）	`GetAssayData()`
`meta.data`	每个细胞的属性（UMI数、基因数、分组等）	`pbmc[[]]`
`reductions`	降维结果（PCA、UMAP、tSNE）	`Embeddings()`
`commands`	记录每一步的分析命令	`pbmc@commands`

嗯，这里要注意——千万别搞混 data 和 scale.data。我最早做差异分析时，直接用counts矩阵塞进去，结果找出来的“高变基因”全是噪音。现在养成了习惯：标准化之前，先瞄一眼 pbmc[["RNA"]]$counts 长什么样。

个人习惯：每次处理新数据，我第一步都是 head(pbmc[[]])，看看meta.data里有没有异常值。这能提前发现坏样本。

3.3 基本流程：五步法

Seurat的标准流程我用五个词概括——QC → Norm → HVG → PCA → Cluster。口诀记熟了，操作就快了。

下面是一套经典代码链：

# 1. 质量控制
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5)

# 2. 标准化
pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize", scale.factor = 10000)

# 3. 找高变基因
pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)

# 4. 缩放与降维
pbmc <- ScaleData(pbmc, vars.to.regress = "percent.mt")
pbmc <- RunPCA(pbmc, npcs = 30)

# 5. 聚类与可视化
pbmc <- FindNeighbors(pbmc, dims = 1:10)
pbmc <- FindClusters(pbmc, resolution = 0.5)
pbmc <- RunUMAP(pbmc, dims = 1:10)

你可能会问：为什么先QC再标准化？顺序很重要。QC阶段如果不过滤掉低质量细胞，标准化时会引入很多噪声。我曾经手抖把标准化顺序搞反了，结果UMAP图上细胞全糊成一团——别问我怎么知道的。

核心思想：Seurat的每一步都依赖上一步的结果。QC不过关，后面的批次校正、差异分析都会变形。宁可在QC上多花时间，也不要在最后调整参数。

下面这张SVG图把这个流程串了起来，你跟着箭头走一遍，心里就有谱了。

3.4 避坑与实战建议

流程跑通了，但现实数据从来不会这么老实。分享几个我实战中踩过的坑：

QC 指标别死板：nFeature_RNA 的下限和上限，不同组织差异很大。我做过一批肿瘤样本，正常细胞 200-2500，但肿瘤细胞能到 4000。一刀切会丢掉真实信号。
ScaleData 的参数：默认对全部基因做缩放，大数据时超慢。vars.to.regress 这个参数一定要用，我一般会回归掉 percent.mt 和 cell cycle 分数。
分辨率的选择：findClusters 的 resolution 从 0.2 试到 1.0，用 clustree 包画树状图来决定。我个人习惯先用 0.5 看粗糙结构，再细分。

一句话总结：Seurat 的入门不难，难的是理解每一步到底在干什么。

这章的内容，就是后续所有分析（包括批次校正）的地基。你会跑 RunCCA、FindIntegrationAnchors、SCTransform 这些高级功能——但前提是把基础流程刻进脑子里。