第1章 Seurat入门：单细胞RNA-seq简介、Seurat包概述、安装Seurat及依赖

欢迎来到《Seurat数据标准化实战指南》。这一章我打算先带你把底子打牢——到底什么是单细胞RNA-seq，Seurat这个包能干什么，以及怎么把它装到你电脑上。你想想看，如果连工具都装不好，后面那些标准化、降维、聚类全白搭。所以咱们从最基础的东西开始，不跳步。

1.1 单细胞RNA-seq简介

单细胞RNA测序，说白了就是把一个个细胞拎出来看它们的基因表达。跟传统bulk RNA-seq不同，单细胞能告诉你每个细胞里哪些基因在活跃地转录。我刚开始做这行时，觉得它跟常规转录组没啥区别，直到跑了一次数据看到不同细胞亚群的表达模式，才真正体会到什么叫「分辨率爆炸」。

单细胞数据长什么样？一个标准的输出是UMI count矩阵：行是基因，列是细胞，每个格子代表某个基因在某个细胞中检测到的UMI数量。这个矩阵通常非常稀疏——大部分格子是0。举个例子：

          细胞1  细胞2  细胞3  ...
GENE_A       2      0      5
GENE_B       0      3      0
GENE_C       1      8      2
...

拿到这个矩阵后，你要做标准化、降维、聚类、注释等一系列操作。而Seurat，就是目前最主流的R包去做这些事。我个人习惯把所有预处理步骤都放在Seurat里完成，因为它的管道统一，不用来回切换工具。

1.2 Seurat包概述

Seurat最初由Rahul Satija实验室开发，现在已经是单细胞分析领域的「标配」了。它提供了从数据读取、质量控制、标准化、降维、聚类到差异表达、可视化的一整套流程。我特别喜欢它的FindClusters + TSNEPlot组合，一次跑完就能看到细胞分群结构。

Seurat的核心数据结构是SeuratObject，它把原始计数矩阵、元数据、降维结果、聚类标签等全部打包到一个对象里。你不需要手动管理一堆零散矩阵。

功能模块	主要函数	说明
数据创建	CreateSeuratObject	从计数矩阵构建Seurat对象
质量控制	PercentageFeatureSet	计算线粒体/核糖体占比等QC指标
标准化	NormalizeData	默认采用LogNormalize，全局缩放因子10000
降维	RunPCA	主成分分析，默认50个PC
聚类	FindClusters	基于共享最近邻图进行Louvain/Leiden聚类
可视化	DimPlot, FeaturePlot	UMAP/tSNE降维图，基因表达特征图

嗯，这里要注意——Seurat的标准化不止一种。默认的NormalizeData就是简单的LogNormalize，但后面章节我们会专门讲更先进的SCTransform和正则化负二项回归。这一章你先记住标准化的位置即可。

1.3 安装Seurat及依赖

安装Seurat其实很简单，但坑不少。我记得有一次帮同事装，他R版本太旧，装了一下午报错。所以第一步：请确认你的R版本>=4.1。最好用最新版。

标准安装方式是从CRAN安装：

install.packages("Seurat")

这行命令会自动下载并安装Seurat以及大部分依赖包。但有几个依赖比较特殊，需要单独处理。尤其是igraph和RcppArmadillo，如果编译报错，通常是缺少系统库。在Ubuntu上你可以先装：

sudo apt-get install libgmp-dev libmpfr-dev libgsl-dev libxml2-dev libssl-dev libcurl4-openssl-dev

在Windows上一般不需要额外配置，但如果你遇到Rtools相关错误，就老老实实安装对应版本的Rtools。我个人习惯直接安装RTools并把它添加到PATH。

安装完成后，验证一下：

library(Seurat)
packageVersion("Seurat")

如果不出意外，你会看到类似[1] ‘5.1.0’的输出。注意版本号，不同版本接口可能有微小差异。本课程以Seurat v5为主，但大部分代码也兼容v4。

1.4 实战案例：安装与验证

光说不练假把式。咱们跑一个最简单的流程，确保从安装到运行都通顺：

# 1. 安装（如果还没装）
if (!requireNamespace("Seurat", quietly = TRUE)) {
  install.packages("Seurat")
}

# 2. 加载包
library(Seurat)

# 3. 生成一个玩具数据集
pbmc_counts <- Read10X(data.dir = "path/to/filtered_feature_bc_matrix")
# 如果你没有真实数据，可以用内置数据集
pbmc_small <- pbmc_small  # Seurat自带的小型PBMC数据

# 4. 创建Seurat对象
pbmc <- CreateSeuratObject(counts = pbmc_small@assays$RNA@counts,
                           project = "pbmc_demo",
                           min.cells = 3,
                           min.features = 200)

# 5. 做一次标准化试试
pbmc <- NormalizeData(pbmc, normalization.method = "LogNormalize",
                      scale.factor = 10000)

# 6. 查看标准化后的数据
GetAssayData(pbmc, slot = "data")[1:5, 1:5]

跑完这段代码，你应该看到类似下面的矩阵：

                AAACATACAACCAC-1 AAACATTGAGCTAC-1 AAACATTGATCAGC-1
AL627309.1               0.0000            0.0000            0.0000
AP006222.2               0.0000            0.0000            0.0000
RP11-206L10.2            0.0000            0.0000            0.0000
RP11-206L10.9            0.0000            0.0000            0.0000
...

说明安装和基本流程都没问题。如果报错，多半是数据路径不对或R包版本冲突。别慌，仔细看错误信息——大部分错误都能在StackOverflow上找到答案。

本章知识图谱

下面这张图帮你梳理了本章的核心逻辑：从单细胞测序数据到Seurat标准化的完整路径。中间涉及的依赖环境等也一并画出来了，方便你对照理解。

这张图把本章三个主要模块串起来了：左上角是单细胞RNA-seq数据基础，中间是Seurat包的定位，右上角是安装细节。下面两个框分别是实战案例和依赖坑点。你跟着这个框架走，思路就不会乱。

好，第一站就到这儿。记住：会安装、会创建Seurat对象、会做一次简单的标准化，这就是本章的硬指标。后面咱们会一步步深入标准化背后的数学原理和高级玩法。