基本 QC 指标逐个拆解

做单细胞空间数据，第一步不是跑聚类，而是看 QC 指标。

我刚开始接触这个领域时，拿到一个 10x 数据就急着往下分析，结果聚类出来的细胞群怎么看怎么不对劲。后来被前辈骂了一顿，才老老实实回来做 QC。

说白了，QC 就是给你的数据做个体检。这章我们把这五个核心指标聊透：UMI 计数、基因数、线粒体比例、核糖体比例、饱和度。

1. UMI 计数：你的细胞到底捕获了多少转录本？

UMI（Unique Molecular Identifier）是每个 mRNA 分子独有的条形码。一个 UMI 对应一个原始 mRNA 分子。UMI 计数就是每个细胞里检测到的转录本分子总数。

为什么看它？

• UMI 太低，说明细胞可能破裂或没捕获到足够 RNA
• UMI 太高，可能是双细胞或多细胞被当成一个细胞

我在项目中遇到过一种情况：某个样本的 UMI 分布出现中间一个驼峰，异常高。后来发现是微流控芯片堵了点，导致多个细胞挤进一个油滴。这种就得通过 UMI 阈值过滤掉。

怎么看具体数值？

我习惯用 Seurat 或 Scanpy 先跑个 violon plot 瞧瞧分布：

2. 基因数：每个细胞检测到多少种基因？

基因数，也叫 feature count。它和 UMI 计数高度相关，但含义不同——UMI 是分子数，基因数是基因种类数。

常见的坑：

• 基因数极低的细胞：可能是空油滴或细胞碎片
• 基因数极高的细胞：双细胞，但有时也可能是巨噬细胞这种自身基因丰富的类型

我记得有一次分析肿瘤数据，发现一群基因数特别高的细胞，我本以为是双细胞要过滤掉。多看了一眼标记基因——结果是肿瘤细胞在增殖，转录活性爆表。嗯，这里要小心，不能一刀切。

3. 线粒体比例：细胞在“求救”还是正常？

线粒体比例 = 线粒体基因的 UMI 数 / 总 UMI 数。通常用百分比表示。

为什么重要？

细胞受损或凋亡时，线粒体会破裂，线粒体 mRNA 大量泄漏到细胞质中。这时候线粒体比例会飙升。一般正常细胞的线粒体比例在 5-20% 之间，具体看组织类型。

我踩过一个坑：用默认的 20% 阈值过滤某个脑组织样本，结果发现一大半细胞被过滤掉了。后来查文献才知道，神经元本身线粒体活性高，比例可能达到 30%。所以阈值要灵活调整。

计算方式参考：

# 在 Seurat 中
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")

# 在 Scanpy 中
pbmc.var["mt"] = pbmc.var_names.str.startswith("MT-")
sc.pp.calculate_qc_metrics(pbmc, qc_vars=["mt"], percent_top=None, log1p=False, inplace=True)

4. 核糖体比例：你的细胞在拼命制造蛋白吗？

核糖体比例和线粒体比例类似，只是统计的是核糖体基因。一般用 ^RP[SL] 或 ^RPL/^RPS 来匹配。

什么情况会异常高？

• 细胞处于高度增殖阶段：比如干细胞、肿瘤细胞
• 样本质量差：核糖体 RNA 降解后，其他 mRNA 丢失，核糖体基因占比被动升高

我建议把核糖体比例和线粒体比例放在一起看：

• 线粒体高 + 核糖体低 → 大概率细胞损伤
• 线粒体高 + 核糖体也高 → 可能是增殖中的细胞，需要结合其他指标

5. 饱和度：你的测序深度够用吗？

饱和度也叫测序饱和度（Sequencing Saturation）。它表示分子捕获效率的极限——测了多少 reads 才检测到一个新 UMI。

计算公式：

饱和度的计算方法有很多种，10x 官方用：
饱和 reads = 1 - (unique UMI reads / total sequencing reads)

比如总 reads 1000，unique UMI 800，饱和 reads 200，饱和度 = 200/1000 = 0.2

指标解读：

• 饱和度低（< 30%）：还能继续加深测序获得更多基因
• 饱和度高（> 70%）：再加测序意义不大，重复 reads 很多
• 特别高（> 85%）：可能文库复杂度低，或者起始 RNA 很少

我见过一个极端案例：某样品的饱和度达到 95%，但基因数却很低。后来发现是文库根本就没建好，大部分 reads 都是接头二聚体。由此可见，饱和度不能单独看，要和基因数、UMI 一起对照。

一张图理解五个指标的关系

下面这个 SVG 把五个指标的核心作用和联动关系画出来了。每个节点代表一个 QC 维度，箭头表示它们如何互相影响。

把这些指标串起来：一个实际案例

去年我做了一个肝脏空间转录组数据集，先用了默认的 QC 参数：UMI 200-5000、基因 200-2500、线粒体 < 20%。结果跑完聚类，发现一群细胞在空间上挤在坏死区，而且表达大量的炎性因子。

我重新检查了 QC 指标，发现这些坏死区细胞的线粒体比例高达 40%，核糖体比例却只有 2%。明显是细胞破裂后的残留信号。我调整了阈值到线粒体 < 15%，这批假细胞就被过滤掉了，后续肿瘤免疫分析才变得可靠。