3. 细胞质量控制核心指标：从数字到生物学直觉
做单细胞分析，第一步就是质控。这一步做不好，后面再牛的算法也救不回来。我见过太多人上来就跑流程，结果跑出来的聚类全是死细胞或空液滴。今天咱们就把几个核心指标掰开了揉碎了讲清楚。
质量控制本质上是回答三个问题：这个液滴里是不是真的有一个活细胞？细胞状态怎么样？有没有异常？答案就藏在 UMI 计数、基因检出数、线粒体比例和核糖体比例这几个数字里。
3.1 UMI 计数：你的细胞到底说了多少话
UMI，全称是 Unique Molecular Identifier。每个 mRNA 分子在反转录时都会绑上一个独特的条形码。说白了，UMI 计数就是统计这个液滴里检测到了多少个独特的 mRNA 分子。
这个数字的意义很直接——它告诉你细胞里面正在转录的基因有多少"拷贝数"。为什么在乎这个？
- 太低（<500）：很可能是个空液滴，或者细胞已经裂解到只剩碎片了。我个人习惯把下限设在 500-1000 之间，具体看平台。
- 太高（>20000）：小心双细胞！两个细胞被包在同一个液滴里，UMI 数会翻倍。我遇到过一批 10x 数据，UMI 计数分布出现了一个很长的尾巴，一看就是双细胞污染严重。
- 太整齐：这个有点反直觉。如果所有细胞的 UMI 数都一模一样，反而可疑。真实的细胞群体，UMI 分布应该是偏态的——少数细胞转录活跃，多数细胞安静。
实际操作建议：先看密度图，找 UMI 分布的自然拐点。不要死用教科书阈值。我做过一批 PBMC 数据，拐点在 1200 左右，但同样的参数放到脑组织数据上就完全不对。
小技巧：用 Seurat 的 VlnPlot 看一下 nCount_RNA 分布。如果出现明显的多峰，特别是右侧小峰，基本可以肯定是双细胞。
3.2 基因检出数：转录组的丰富度
基因检出数很好理解——在这个细胞里，有多少种不同的基因被检测到了。它和 UMI 计数是亲戚关系，但含义不同。
UMI 多可能只是因为少数几个高表达基因在疯狂转录，比如 T 细胞的 CD3 家族。而基因检出数多，说明这个细胞的转录组复杂，各种通路都在活跃。
| 场景 | 基因检出数特征 | 可能解释 |
|---|---|---|
| 正常活细胞 | 200-5000（视细胞类型） | 转录活性正常，基因表达多样性好 |
| 空液滴 | <100 | 只有环境 RNA 污染，没有细胞 |
| 死细胞 | 100-300，且 UMI 低 | mRNA 已降解，剩余少量片段 |
| 双细胞 | 异常高（比如 >6000） | 两个细胞的基因集合叠加 |
我曾经处理过一批肝组织样本，基因检出数普遍偏低，大概只有 800-1000。一开始我还以为试剂出了问题，后来才发现是肝细胞太大，10x 微流控芯片捕获效率天然低。你想想看，同样的参数套到 PBMC 上就不合适。
3.3 线粒体比例：细胞是否还活着
这个指标很多人都在用，但真正理解它的人不多。线粒体基因（比如 MT-CO1、MT-ND2 这些）在活细胞中通常占比不高，一般在 5%-15%。
为什么会偏高？我解释给你听：
- 细胞膜破损了，细胞质里的 mRNA 跑掉了，但线粒体是双层膜结构，更耐破损。所以留下来的 RNA 里，线粒体比例就相对升高了。
- 真正的应激反应——有些细胞在受到压力时，会主动上调线粒体基因表达。
避坑指南：我曾经见过一批数据，线粒体比例高达 40%，用户以为是细胞死亡，结果我一看，那是心肌细胞！心肌细胞的能量需求高，线粒体比例天生就高。一定要结合细胞类型来判断阈值。
工业界常见的做法是：
# Seurat 中的质控
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
# 过滤：线粒体比例小于 20%
pbmc <- subset(pbmc, subset = percent.mt < 20)不过这个 20% 真的是经验值。我做过一个神经元的项目，线粒体比例超过 10% 就全是死细胞了。但换成肝细胞，25% 都还有很不错的基因表达谱。
3.4 核糖体比例：翻译活性的晴雨表
核糖体基因，就是那些编码 rRNA 和核糖体蛋白的基因。它们在细胞里有一个特点——表达量极高。一个活跃的细胞里，核糖体 RNA 可能占总 RNA 的 30%-50%。
为什么也要测它？
- 太低了：说明细胞翻译活性很低，可能是静息期或衰老细胞。
- 太高了：超过 60% 时，说明其他基因的表达被压制了。我遇到过几次这种情况，最后发现是测序深度不够，反而只捕获了高表达的核糖体基因。
- 和线粒体比例对照看：如果线粒体比例高但核糖体比例低，这个细胞基本可以确定是濒死的。反过来，两者都高，可能只是细胞代谢特别旺盛。
我的个人经验：计算核糖体比例时，注意物种差异。人类用 "^RP[SL]"，小鼠也是 "^RP[SL]"，但植物、鱼类的基因名命名规则不同。我吃过这个亏，跑了半天发现一个核糖体都没抓到，原来是基因名没对上。
# 计算核糖体比例（人类）
pbmc[["percent.ribo"]] <- PercentageFeatureSet(pbmc, pattern = "^RP[SL]")3.5 联合判断：别只看单一指标
做质控最忌讳的就是盯死一个指标。我见过有人只看线粒体比例，结果把一群低 UMI 但高线粒体的细胞都保留了——后来发现是空液滴污染。
正确的做法是做一个联合过滤逻辑：
# 多条件联合过滤
cells_keep <- rownames(pbmc@meta.data)[
pbmc$nCount_RNA > 500 &
pbmc$nCount_RNA < 20000 &
pbmc$nFeature_RNA > 200 &
pbmc$nFeature_RNA < 5000 &
pbmc$percent.mt < 20 &
pbmc$percent.ribo > 5
]这个组合拳打下来，基本能保证你留下的细胞是高质量的单细胞悬液。我习惯在过滤后再画一个四指标的散点图矩阵，看一眼是否还有异常簇。如果还有，那就还得调。
嗯，记住一点：质控参数没有银弹。不同组织、不同平台、不同实验条件，阈值都不一样。你的目标不是套一个完美的数字，而是通过这几个指标理解你的数据到底发生了什么。当你看到线粒体比例高就想到细胞膜破损，看到 UMI 计数低就怀疑空液滴，看到基因检出数异常高就警觉双细胞——那时你就真正掌握质控了。