📚 课程目录第1章课程介绍与目标

质控指标设计：基因数与UMI阈值设置实践指南 - 第1节

为什么基因数与UMI阈值这么重要

做单细胞测序分析这些年，我见过太多人一上来就急着跑聚类、找marker。结果呢？下游画出来的UMAP图看着挺漂亮，可回头一看——基因数只有200，UMI不到500。这样的数据，说白了就是噪声里掺了点信号。

基因数和UMI阈值不是随便拍脑袋定的。它们直接决定了你的细胞过滤是否靠谱。我刚开始做单细胞时踩过这个坑：一次公共数据集分析，因为用了默认的500基因阈值，把一批真实但低表达的中性粒细胞全滤掉了。后来重跑，才发现丢了整整一个细胞群。

  核心观点： 基因数反映细胞复杂度，UMI反映捕获效率。两个阈值设错了，下游结论可能全盘推翻。

阈值设置的两大困境

你拿到一个10X样本，跑完Cell Ranger，barcode矩阵出来了。然后呢？是直接拿1000基因、5000UMI卡？还是用双峰分布自动找拐点？

困境一：不同组织差异巨大。免疫细胞基因数普遍偏低（500-1500），上皮细胞轻松上3000。用一个固定值，就像拿同一把尺去量大象和蚂蚁。

困境二：噪声和真实信号混在一起。空滴（empty droplet）常常带着几十个UMI，而真正的细胞有时UMI也很低（比如细胞周期静息期）。怎么区分？阈值就是那个分界线。

我在一个肿瘤单细胞项目中遇到过：样本里有一群凋亡细胞，基因数和UMI都骤降。如果按常规阈值砍掉，就会漏掉肿瘤微环境里的关键凋亡信号。后来我改用了双阈值 + 基因数-UMI散点图人工校验，才算保住了这群细胞。

课程能帮你解决什么

这门课不讲虚的。我们直接从数据出发，手把手带你把阈值设置这件事做扎实。

理解原理：为什么基因数和UMI的分布是双峰？空滴、死细胞、双细胞在图中长什么样？
学会选阈值的方法：从经验法则到统计模型（如mixture model、knee point检测），再到自动化工具。
掌握避坑技巧：什么时候该放松阈值？什么情况必须收紧？我自己的血泪教训会穿插在每章。
实战练手：用真实10X数据走一遍完整的质控流程，包括代码和参数调优。

一个小提醒： 别把阈值设得太宽松。我见过有人为了保留更多细胞，把UMI阈值降到100，结果下游差异表达分析里全是空滴噪声。记住：宁缺毋滥。

学习路径概览

整个课程分为四个模块，按“原理→方法→实战→进阶”递进。你不需要一次性读完，但建议按顺序来，因为后面的章节会用到前面的结论。

下面这张图是我梳理的完整学习路径——

模块拆解

模块	章节范围	核心内容	你需要什么基础
基础铺垫	1-5	单细胞数据产生、barcode矩阵结构、基因数与UMI的统计含义	基础R/Python即可
噪声识别	6-12	空滴、死细胞、双胞、线粒体污染……每种噪声在基因数-UMI图上的特征	了解散点图、密度图
阈值方法	13-22	手动选点、mixture model、kneedle、inflection、CellBender对比	会运行R/Python脚本
实战与汇报	23-30	完整pipeline实战、批量样本质控、结果可视化与报告输出	能独立写简单分析脚本

注意： 如果你之前没用过Singleron/10X/BD的数据，没关系。我在第2章会详细说明不同平台的barcode结构差异。这部分不搞清楚，后面阈值计算全白搭。

你将会用到的工具

课程里我主要集中在两个生态：Seurat (R) 和 Scanpy (Python)。为什么？因为绝大部分单细胞质控都是在这两个框架里做的。

另外还会用到几个辅助工具：

EmptyDrops (DropletUtils) —— 专门用来区分空滴和细胞的统计包
mixtools / flexmix —— 拟合双峰分布，自动找阈值
Kneedle —— 找拐点的经典算法
CellBender —— 深度学习方法去除空滴噪声

这些工具的安装和基本用法我会在各章给出。你不需要提前装好，跟着做就行。

# 举个例子：R里用DropletUtils计算空滴得分
library(DropletUtils)
sce <- read10xCounts("path/to/filtered_feature_bc_matrix")
e.out <- emptyDrops(counts(sce))
is.cell <- e.out$FDR <= 0.01
# 这个FDR就是我们后续要讲的核心阈值之一

一点个人建议

学质控阈值，最忌讳的是「抄作业」。我看到很多人直接拿别人的代码改个路径就跑，完全不去看散点图长什么样。你想想看，每个样本的基因数分布都不一样，别人的阈值凭什么适用你的数据？

所以我建议你：每学一种方法，就在你自己的数据上画一张图。把基因数、UMI、线粒体比例、核糖体比例都画出来。相信我，眼睛往往比统计检验更敏感。