📚 课程目录第2章 Seurat包安装与简介

2. Seurat 包安装与简介

这一章我们聊聊 Seurat 本身。很多初学者一上来就急着跑分析，结果卡在安装上半天——嗯，我当年也踩过这个坑。先把环境搭好，后面才顺心。

2.1 Seurat 是什么？

Seurat 是 Satija 实验室开发的 R 包，专门做单细胞 RNA-seq 数据的分析。你可以把它想成一个“细胞级的数据分析工作台”。从原始表达矩阵到降维聚类、差异分析、整合去批次，它都给你配好了工具。

我个人习惯把它拆成三个核心模块：

质控与预处理 —— 过滤死细胞、双细胞、低质量细胞
降维与聚类 —— PCA、t-SNE、UMAP、聚类分群
整合与去批次 —— 我们的课程重点，Canonical Correlation Analysis (CCA) 和互近邻 (MNN) 校正

下面这张图能帮你快速建立知识框架：

表：Seurat 版本与 R 环境要求

Seurat 版本	R 版本最低要求	主要改进
v4.x	R >= 4.0	支持多模态、整合流程稳定
v5.x (开发版)	R >= 4.2	内存优化、速度提升、新整合方法

2.2 安装 Seurat

安装前先确认你的 R 版本。我遇到过不少同学用 R 3.6 硬装 Seurat 4，结果各种报错。最简单的办法：运行 R.version 看一眼。

# 查看 R 版本
R.version.string
# 输出示例："R version 4.2.3 (2023-03-15)"

如果 R 版本 >= 4.0，直接通过 CRAN 安装：

install.packages("Seurat")

但 CRAN 上的 Seurat 更新有延迟。我个人习惯用 GitHub 开发版，因为它包含最新的 bug 修复和整合算法优化。不过开发版需要额外装 devtools：

install.packages("devtools")
devtools::install_github("satijalab/seurat", ref = "develop")

⚠ 警告： 安装过程如果卡在编译 C++ 代码，很可能是系统缺少开发工具。Windows 用户要去安装 Rtools（必须匹配你的 R 版本）。macOS 用户则要确保 Command Line Tools 已安装：

xcode-select --install

我曾经帮一位同学远程排查了半小时，最后发现他 Rtools 路径没配好……所以，这一步别偷懒。

2.3 验证安装与加载

安装完成后，一定要加载测试一下，避免后面分析到一半才发现缺包。

library(Seurat)
# 如果没报错，说明基本安装成功
packageVersion("Seurat")
# 输出示例：[1] ‘4.3.0’

💡 提示： 我建议额外安装两个常用包，它们会出现在本课程的很多代码中：

install.packages("dplyr")
install.packages("ggplot2")

虽然 Seurat 内部已经依赖了部分 tidyverse，但显式加载可以避免命名空间冲突。

2.4 核心数据结构：SeuratObject

Seurat 的数据组织方式很独特。它用一个 S4 对象（SeuratObject）装下所有信息：表达矩阵、元数据、降维坐标、分析结果……全在一个盒子里。

比如，你用 Read10X() 读进来的数据，会变成一个 SeuratObject。里面包含：

assays —— 存储原始和标准化表达量（默认是 RNA assay）
meta.data —— 细胞级别的注释列（样本来源、批次、细胞周期评分等）
reductions —— PCA、UMAP 坐标等

最简单创建一个 SeuratObject 的示例：

# 假设你已经有一个稀疏矩阵 mat（基因×细胞）
pbmc_obj <- CreateSeuratObject(
  counts = mat,
  project = "PBMC_3k",
  min.cells = 3,      # 至少在3个细胞中表达的基因才保留
  min.features = 200  # 每个细胞至少检测到200个基因
)
# 查看对象概况
pbmc_obj

表：CreateSeuratObject 常用参数

参数	含义	建议值
min.cells	基因至少在 n 个细胞中出现	3 ~ 5
min.features	细胞至少检测到 n 个基因	200 ~ 300
project	给项目起个名字（存储在 meta.data 中）	自定

👉 我的实战建议： 质控阶段的 min.features 不要设得太高。比如某些组织（像脑组织）本身表达基因数就偏低，设 500 会过滤掉很多真实细胞。我一般先设 200，做完 QC 再看分布图调整。

2.5 Seurat 的安装常见问题

这里把最常见的坑整理成列表，你遇到类似问题时可以直接对照：

报错 "package ‘Seurat’ is not available" —— 多半是 R 版本太老或没连 CRAN 镜像。先 update.packages() 再试。
编译错误 "ld: library not found for -lgfortran" —— macOS 缺少 gfortran 库。去 https://mac.r-project.org/tools/ 下载安装。
加载后某些函数找不到（如 NormalizeData） —— 可能你同时加载了其他包（比如 dplyr）冲突了。用 Seurat::NormalizeData() 显式调用，或调整包加载顺序。

⚠ 曾经踩过的坑： 有一次我帮学生排查，他明明装了 Seurat，但 library(Seurat) 提示“不存在”。后来发现他装了几百个包，R 重启后加载路径混乱了。解决办法：remove.packages("Seurat")，清除缓存，再重新安装。有时重启 R session 就能解决。

2.6 小结

到这一步，你的 R 环境里应该已经成功装上 Seurat 并跑通了基础测试。你掌握了：

Seurat 的定位和三大分析模块
两种安装方式（CRAN / GitHub 开发版）
核心数据结构 SeuratObject
创建对象的基本参数和避坑点