单细胞RNA‑seq分析概述与Seurat简介

大家好，我是这门课的主讲人。在正式动手跑Seurat之前，我们先聊聊：单细胞测序到底在解决什么问题？Seurat又凭什么成了行业标配？

我们为什么需要单细胞测序？

传统bulk RNA‑seq测的是一个组织的“平均基因表达”。比如取一块肿瘤组织，测出来的是癌细胞、基质细胞、免疫细胞全部混在一起的平均信号。问题来了——如果这片组织里只有5%的细胞是耐药克隆，那么它们在bulk数据里几乎被淹没，根本没法单独分析。

单细胞RNA‑seq（scRNA‑seq）就不一样了。它能一次捕获数千到数万个细胞，每个细胞独立测一遍。说白了，就是给每个细胞做一次“转录组快照”。

我在项目中遇到过一件挺典型的事：有个样本的bulk差异分析结果显示某个免疫检查点基因显著上调，但做了单细胞以后才发现，上调的其实只是少量的CD8+ T细胞，而巨噬细胞里那个基因是下调的。你看，如果光看bulk结果，治疗策略完全会选错方向。

单细胞RNA‑seq数据的特点

你拿到手的数据长什么样？

因为每个细胞捕获到的mRNA分子数非常有限（尤其是10x Genomics数据），所以表达矩阵里绝大多数是零。你想想看，两万个基因，一个细胞可能只表达了不到三千个——这就是scRNA‑seq最头疼的问题：dropout事件。我曾经有一次因为没处理好稀疏矩阵，聚类直接分出了两团“噪声”而毫无生物学意义……后来把参数调了一下，才恢复了正常的细胞亚群。

Seurat是什么？

Seurat是Satija实验室开发的一个R包，专门用来做scRNA‑seq数据分析。从2015年v1到现在v5，它已经成了这个领域事实上的“标准流程”。

• 数据读入：支持10x Genomics、Smart‑seq2、Drop‑seq等多种平台。
• 质控与标准化：过滤低质量细胞、归一化、找高变基因。
• 降维与聚类：PCA、UMAP/t‑SNE可视化、图聚类。
• 差异分析与注释：找marker基因、自动或手动注释。
• 整合分析：多批次或多模态数据的对齐（CCA、RPCA、Harmony）。

我个人习惯先把所有步骤写在一个R脚本里，一行一行跑通，再封装成函数。这样调试起来特别清晰。

Seurat的设计哲学

Seurat把分析过程封装在Seurat对象（SeuratObject）里。你只要学会对同一个对象不断调用函数，它就会往对象里添加新的降维、聚类结果、差异结果。说白了，你不需要手动维护一堆中间矩阵，所有东西都在一个对象里。

举个例子：

# 创建Seurat对象
pbmc <- CreateSeuratObject(counts = pbmc.mtx, project = "pbmc3k")

# 质控与过滤
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5)

# 标准化
pbmc <- NormalizeData(pbmc)

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

# 降维
pbmc <- ScaleData(pbmc)
pbmc <- RunPCA(pbmc)

# 聚类与UMAP
pbmc <- FindNeighbors(pbmc, dims = 1:10)
pbmc <- FindClusters(pbmc, resolution = 0.5)
pbmc <- RunUMAP(pbmc, dims = 1:10)

# 可视化
DimPlot(pbmc, reduction = "umap")

是不是很连贯？每个步骤都往同一个对象里塞东西，最后只需要一行DimPlot就能看到结果。

整体工作流

下面这张图是我自己整理的标准流程路线图。你看一下，后面我们所有的课程都会沿着这个流程走。

流程不是线性的，但核心骨架就是这套。从原始数据到完成聚类注释，每一步都有成熟的函数，我们后面会逐一拆解。

安装与加载

Seurat的安装非常简单，直接在R里运行：

install.packages("Seurat")
# 如果需要最新开发版或额外功能，推荐用remotes安装
# remotes::install_github("satijalab/seurat", "seurat5")

加载的话：

library(Seurat)
packageVersion("Seurat")  # 检查版本，建议 >= 5.0

注意事项

• 内存管理：scRNA‑seq数据集经常超过10万个细胞，内存很容易吃掉32GB甚至更多。我建议至少配16GB RAM，64GB更好。
• 版本差异：Seurat v4和v5的对象结构略有不同，脚本可能会不兼容。本书统一使用Seurat v5，如果你还在用旧版，建议迁移。
• 不要过度优化：刚开始学的时候，按默认参数走一遍，理解每一步做了什么，再慢慢调。我曾经一上来就调分辨率、调nfeatures，结果连基础聚类都看不懂。