企业官网建设流程全解析

做单细胞分析这几年，最常被问的问题就是：“我拿到了10X Genomics下机的FASTQ文件，然后呢？”说实话，这个问题背后藏着一整套流程——从原始测序数据到最终能在文章里放出来的UMAP图，中间隔着Cell Ranger比对定量、Seurat降维聚类、可视化调参等一堆环节，每一步都能让人卡上几天。

这篇博文就按照我自己跑通的实际路径来写：从拿到FASTQ开始，一路走到UMAP可视化，把中间每一步为什么要这么做、参数怎么定、踩过哪些坑，都尽量讲清楚。适合刚接触10X Genomics单细胞数据分析、手里有数据但不知道怎么下手的初学者，也适合已经跑过流程但想回头看看某些环节原理的同行。

1. 整体流程设计与核心思路拆解

1.1 从FASTQ到UMAP，到底经历了什么

一张10X Genomics的文库，下机之后你拿到的是FASTQ文件。FASTQ只是把每个读段（read）的碱基序列和质量值堆在一起，本身毫无生物学意义。你要做的，是把这些序列“放回”到基因组上，搞清楚每个读段来自哪个细胞、哪个基因，然后才能进入真正的数据分析环节。

整个流程可以拆成两大段：

• 上游处理：用Cell Ranger把FASTQ比对到参考基因组，得到基因表达矩阵。这一步解决的是“每个细胞里有哪些基因被检测到了、表达量是多少”。
• 下游分析：用Seurat或其他工具读入表达矩阵，经过质控、标准化、降维、聚类，最终画出UMAP图。这一步解决的是“样本里有哪些细胞类型、每种类型的分子特征是什么”。

我见过的初学者最容易犯的错误，就是直接跳过上游的理解，拿到表达矩阵就开始跑Seurat。这会导致一个很尴尬的局面：下游分析出了问题，你根本不知道是上游比对参数不合适，还是下游阈值没调对。所以我把两部分都写进来，哪怕你用的是公共数据集，也建议把上游流程的产出逻辑搞清楚。

1.2 为什么选择Cell Ranger + Seurat这套组合

目前10X Genomics官方数据最标准的处理工具是Cell Ranger，这一点没什么争议。它是10X自家开发的，针对Chromium平台的文库结构做了深度优化，比对效率和准确性都是最优的。虽然也有STARsolo、alevin等替代方案，但在做10X数据时，Cell Ranger依然是最稳的起点，尤其是它产出的filtered_feature_bc_matrix文件夹，可以直接被Seurat、Scanpy等下游工具读取，生态非常完善。

下游分析我选Seurat而不是Scanpy，主要理由是：

• Seurat的文档和社区教程非常丰富，遇到问题基本都能搜到答案。
• R语言的数据框操作对生信背景的人来说更顺手，可视化体系（ggplot2生态）也更成熟。
• Seurat的FindAllMarkers、SCTransform等函数在单细胞分析里的表现经过了大量验证，结果更容易被审稿人接受。

当然，如果你更熟悉Python，Scanpy也完全够用，分析思路是相通的。我这里以Seurat为例，但讲到的逻辑同样适用于Scanpy。

提示：Cell Ranger输出的表达矩阵是一切下游分析的基础。建议永远保留filtered_feature_bc_matrix原始输出，不要在上面直接做修改，所有的过滤操作都在Seurat里以“子集化”的方式完成，这样可复现性最强。

2. 上游准备：Cell Ranger环境搭建与比对定量

2.1 硬件与软件准备

Cell Ranger对计算资源的要求不低。以10X标准文库（大约5000-10000个细胞）为例，比对参考基因组（human GRCh38）时，建议至少分配8核CPU、64GB内存。如果细胞数多（比如10万+），内存需求会直线上升，128GB都不宽裕。

我自己的建议是：

• 尽量在Linux服务器上跑，macOS也能装，但性能受限。
• 确认服务器磁盘空间充足，原始FASTQ + Cell Ranger产出，单个样本往往要占100GB以上。
• 用nohup或screen把任务挂后台，避免ssh断开导致任务中断。

安装Cell Ranger只需要从10X官网下载压缩包解压即可，没有复杂的依赖。但注意，它依赖tar版本，新版Cell Ranger要求GNU tar，不要在精简版容器环境里直接跑，否则会报莫名其妙的错误。

2.2 mkfastq要不要跑

如果你的FASTQ文件是直接从测序平台拿到的，通常有两种情况：

1. 测序公司已经根据10X的文库index把FASTQ拆分好了，你拿到的就是一个样本一个文件夹，里面是*_R1_001.fastq.gz和*_R2_001.fastq.gz。
2. 你拿到的是整个lane的原始BCL文件，或者是一个包含多个样本混合数据的FASTQ，需要自己拆分。

第一种情况，直接跳过mkfastq，进入count。第二种情况，需要用cellranger mkfastq根据样本index拆分。

实际项目中，我遇到第二种情况的比例其实不低。有些测序公司图省事，不帮客户拆分样本，直接把混样数据给你。这时候mkfastq的正确用法是：

cellranger mkfastq --run /path/to/bcl_dir \ --csv sample_sheet.csv \ --output-dir /path/to/fastq_output

sample_sheet.csv里需要包含Lane、Sample、Index三列。这个文件格式很严格，少一列都会报错。我的经验是，先看一眼RunInfo.xml里实际用的index序列，确认和sample_sheet.csv里的Index列一致，再开跑。否则样本拆分出来全是空的，或者不同样本互相污染，排查起来非常痛苦。

2.3 count命令与关键参数详解

进入核心的比对定量环节，命令如下：

cellranger count --id=Sample1 \ --transcriptome=/path/to/refdata-gex-GRCh38-2020-A \ --fastqs=/path/to/fastq_dir \ --sample=Sample1 \ --expect-cells=8000 \ --localcores=16 \ --localmem=128

几个参数需要特别说明：

• --id：输出文件夹名字，建议用样本名命名，方便后续管理。
• --transcriptome：参考基因组目录。10X官网可以下载预构建的refdata-gex-GRCh38-2020-A（人类），物种不对会直接报错。
• --sample：必须和FASTQ文件名里的样本名匹配，Cell Ranger会自动识别。
• --expect-cells：预期的细胞数。这个参数影响测序饱和度的估算和过滤阈值的自动判断，不要随意填。如果你不确定，可以先跑一个小的cellranger count试运行，从web_summary.html里看实际捕获的细胞数，再用更准确的expect-cells重跑一遍。
• --localcores和--localmem：控制资源占用，设成服务器能承受的上限即可。

跑完后重点关注两个文件：

• web_summary.html：整体质控报告，包含测序饱和度、Q30碱基比例、细胞数、中位基因数等关键指标。我习惯先看这个，确认质量没问题再做下游。
• filtered_feature_bc_matrix文件夹：里面是过滤后的表达矩阵，包含barcodes.tsv.gz、features.tsv.gz、matrix.mtx.gz三个文件，就是Seurat读入用的数据。

2.4 web_summary.html结果怎么判断

这个环节很多初学者容易忽略，直接拿表达矩阵就去跑下游了。但实际上，上游质量直接决定下游分析能不能做。我一般重点看这几个指标：

• Estimated Number of Cells：和expect-cells是否接近。差太远说明捕获效率有问题。
• Mean Reads per Cell：每个细胞平均读数。10X官方建议5000以上，太低的话基因检出率不高。
• Median Genes per Cell：每个细胞检测到的中位基因数，人类PBMC一般在1200-2000之间，如果低于500，要警惕数据质量。
• Fraction Reads in Cells：有效细胞中读数占比，通常应大于70%。这个比例低说明背景RNA污染严重。
• Q30 Bases in Barcode：barcode和UMI的测序质量，建议大于65%。

只要这几个指标在合理范围内，就可以放心进入下游分析。如果某一项明显异常，建议先排查上游，别急着往下走。

注意：Cell Ranger跑出来的raw_feature_bc_matrix是未经过滤的完整矩阵，filtered_feature_bc_matrix是根据Cell Ranger自动判定的细胞barcode过滤后的矩阵。Seurat分析应使用filtered版本，否则会带入大量空液滴（empty droplets）的噪声。

3. Seurat分析起步：数据读入与对象构建

3.1 R环境准备与Seurat安装

Seurat基于R语言，建议使用R 4.x版本。安装Seurat本身不复杂，但依赖包比较多，国内网络环境下经常会出现安装超时的问题。解决方法是配置镜像源：

options(repos = c(CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")) install.packages("Seurat")

如果安装过程中报错缺少某个依赖包，直接用install.packages()补装即可。Bioconductor系列的包用BiocManager::install()安装。建议同时安装tidyverse、patchwork，后面数据处理和画图会非常方便。

3.2 读取Cell Ranger数据：Read10X与CreateSeuratObject

Seurat读取10X数据有专门的函数：

library(Seurat) library(dplyr) library(patchwork) data_dir <- "path/to/filtered_feature_bc_matrix" data <- Read10X(data_dir) obj <- CreateSeuratObject(counts = data, project = "Sample1", min.cells = 3, min.features = 200)

Read10X会自动识别文件夹里的三个文件，返回一个稀疏矩阵。CreateSeuratObject是构建Seurat对象的入口，这里有两个参数值得细讲：

• min.cells = 3：一个基因至少在3个细胞里有表达才会被保留。这个过滤能去掉那些在极少数细胞中零星检测到的基因，减少噪声。
• min.features = 200：一个细胞至少检测到200个基因才会被保留。这个过滤能去掉那些基因检出数过低的barcode——大概率是空液滴或者破碎细胞。

用默认值没问题吗？大多数场景下没问题，但如果你处理的是极端情况（比如超低质量样本），建议先不设过滤，把数据读进来看看分布再决定。实际操作中，我是先读取不过滤的完整对象，画一下nFeature_RNA的分布图，再决定阈值。

3.3 手工构建矩阵的替代方案

有时候你的数据来源不是标准的Cell Ranger产出，比如从GEO下载的公共数据，是一个现成的表达矩阵文件。这种情况下就不能用Read10X了，需要手工读入：

expr_mat <- read.table("expression_matrix.tsv", header = TRUE, row.names = 1, sep = "\t", as.is = TRUE) expr_mat <- as(as.matrix(expr_mat), "dgCMatrix") # 转为稀疏矩阵 obj <- CreateSeuratObject(counts = expr_mat)

需要注意的是，从公共数据库下载的数据，基因名格式可能五花八门（有的是Ensembl ID，有的是基因symbol，有的带版本号）。建议统一用Seurat::RenameGenesSeurat或者HGNChelper包把基因名转换为标准symbol，否则后面找marker基因时会非常痛苦。

4. 质控过滤：决定分析质量的关键一步

4.1 为什么线粒体基因比例是重要的质控指标

拿到Seurat对象后，第一件事就是计算每个细胞的线粒体基因比例。原理很简单：细胞凋亡或破碎时，胞浆内的mRNA会降解流失，但线粒体基因因为线粒体结构相对稳定，会相对富集。所以线粒体比例高，往往意味着这个细胞状态不健康。

在Seurat中计算线粒体比例的标准做法是：

obj[["percent.mt"]] <- PercentageFeatureSet(obj, pattern = "^MT-")

人的线粒体基因以MT-开头，小鼠则是mt-。如果你分析的是其他物种，比如斑马鱼或果蝇，需要先用grep确认线粒体基因的命名规则，这一行代码里的正则表达式要对应调整。

4.2 nFeature、nCount和percent.mt的联合过滤

画三个指标的小提琴图和散点图，看看分布情况：

VlnPlot(obj, features = c("nFeature_RNA", "nCount_RNA", "percent.mt"), ncol = 3) plot1 <- FeatureScatter(obj, feature1 = "nCount_RNA", feature2 = "percent.mt") plot2 <- FeatureScatter(obj, feature1 = "nCount_RNA", feature2 = "nFeature_RNA") plot1 + plot2

过滤阈值没有统一标准，必须结合数据分布来判断。我通常的起步阈值是：

• nFeature_RNA > 200 & nFeature_RNA < 6000：过滤掉双细胞和空液滴。上限6000是根据经验定的，超过这个值的很可能是两个细胞被同一个barcode捕获了。
• percent.mt < 20：过滤掉破碎细胞。不同组织阈值差异很大，血液样本可以卡5%，肿瘤组织或者保存条件不好的样本，20%已经是比较宽松的标准了。

实际执行：

obj <- subset(obj, subset = nFeature_RNA > 200 & nFeature_RNA < 6000 & percent.mt < 20)

这里特别提醒：阈值一定要结合自己的数据分布来定。我见过有人用固定阈值直接把好数据过滤得七七八八，也见过阈值太松导致聚类结果里大量死细胞团块。灵活一点，以分布图的拐点为准。

4.3 双细胞过滤要不要做

双细胞（doublet）是指同一个液滴里包了两个细胞，这在10X建库中不可避免，比例通常在0.4%-0.8%/千个细胞左右。如果不处理，双细胞会形成独立的“伪cluster”，干扰后续细胞类型注释。

常用的双细胞预测工具有DoubletFinder、scDblFinder等。以DoubletFinder为例：

library(DoubletFinder) ## 先做标准预处理 obj <- NormalizeData(obj) obj <- FindVariableFeatures(obj) obj <- ScaleData(obj) obj <- RunPCA(obj) ## 预测双细胞 nExp <- round(ncol(obj) * 0.04) # 假设双细胞率为4% obj <- doubletFinder_v3(obj, pN = 0.25, pK = 0.09, nExp = nExp, PCs = 1:20)

双细胞过滤要不要做，取决于你后续分析的精度要求。如果只是做初步探索，可以不做；如果要做精细的细胞亚群分析，建议做。我自己一般会做，因为双细胞对聚类的影响往往比想象中大。

5. 标准化、高变基因筛选与PCA降维

5.1 为什么不能直接用原始表达量比较

单细胞的测序深度差异很大，有的细胞测到5万条UMI，有的只有5000条。如果直接用原始counts做比较，测序深度高的细胞会在所有基因上都“显得”表达量更高，而这完全不是生物学差异，而是技术噪声。

Seurat的标准化逻辑是：先算出每个细胞的总UMI，把每个基因的counts除以总UMI，再乘以一个缩放因子（默认10000），然后做log1p变换。这一套下来，测序深度的影响就被消除了，不同细胞之间可以公平比较。

obj <- NormalizeData(obj, normalization.method = "LogNormalize", scale.factor = 10000)

5.2 SCTransform和LogNormalize怎么选

Seurat里其实有两套标准化方案：经典流程的LogNormalize和更新一些的SCTransform。前者是每批处理一个细胞，后者会用正则化负二项回归模型，把测序深度的影响更彻底地回归掉，同时还能顺便识别高变基因。

我个人的经验是：

• 常规分析用LogNormalize就够了，稳定、速度快、资料也多。
• 如果数据存在明显的技术差异（比如不同批次合并），或者细胞类型之间的测序深度差异特别大，用SCTransform效果更好。

SCTransform的调用方式：

obj <- SCTransform(obj, vars.to.regress = "percent.mt")

注意：用SCTransform后，obj的内部结构会变化，后续的FindVariableFeatures和ScaleData都不需要再跑了，它的输出已经包含了标准化后的数据和特征选择结果。

5.3 高变基因筛选的意义

表达矩阵里有两万多个基因，但并非所有基因都对区分细胞类型有贡献。大部分基因在所有细胞里表达水平差不多，属于“背景基因”。如果让它们参与聚类，反而会淹没真正的差异信号。

FindVariableFeatures会计算每个基因在不同细胞间的离散程度，挑出变异最大的前2000个基因（默认），作为后续PCA输入。

obj <- FindVariableFeatures(obj, selection.method = "vst", nfeatures = 2000)

这里不推荐把nfeatures调到很高（比如5000以上），因为计算时间会增加，但聚类效果并不会显著提升。2000是经过大量验证的平衡点。

5.4 PCA：把高维数据压缩到几十个维度

写到这里，很多新手会困惑：既然已经筛选出2000个高变基因了，为什么不直接用这些基因做聚类，还要跑PCA？

原因是这2000个基因之间高度相关——很多基因的表达模式是同步的。PCA的作用就是把这种相关性提取出来，用少数几个“主成分”来代表整体的变异模式。

obj <- ScaleData(obj, vars.to.regress = "percent.mt") obj <- RunPCA(obj, npcs = 50, verbose = FALSE)

npcs = 50表示计算前50个主成分。实际上不需要全部用上，前面十几个PC通常已经捕获了绝大部分生物学差异。接下来的问题是：用多少个PC做后续分析。

最常用的方法是看ElbowPlot：

ElbowPlot(obj, ndims = 50)

图中PC贡献方差的比例会有一个明显的“拐点”，拐点之后的PC贡献变得非常平缓，通常意味着它们主要是噪声。我一般选拐点前1-2个PC的区间，比如拐点在15，就选dims = 1:15。

如果要更严格一点，可以用JackStraw做显著性检验：

obj <- JackStraw(obj, num.replicate = 100) obj <- ScoreJackStraw(obj, dims = 1:50) JackStrawPlot(obj, dims = 1:20)

不过JackStraw速度慢，大数据集会跑很久。日常分析用ElbowPlot就够用了。

提示：ScaleData默认会把所有基因都做缩放，这在内存消耗上非常奢侈。如果只想跑PCA，可以只对高变基因做缩放，方法是ScaleData(obj, features = VariableFeatures(obj))，速度会快很多。

6. 聚类与细胞类型注释：从数字到生物学意义

6.1 KNN图、Louvain算法与分辨率的选择

PCA降维后，每个细胞被表示成几十个维度的坐标。聚类的第一步，是根据这些坐标找到每个细胞的“邻居细胞”——欧氏距离最近的那些。然后基于这些邻居关系构建KNN图，再用Louvain算法对图结构进行划分，找到连接紧密的细胞群落。

在Seurat里，两步分别对应：

obj <- FindNeighbors(obj, dims = 1:15) obj <- FindClusters(obj, resolution = 0.5)

resolution参数直接决定聚类的“细粒度”。数值越大，分出的cluster越多；越小，cluster越少。这个参数没有标准答案，通常：

• 刚开始探索时用0.5左右，看整体细胞分群情况。
• 对某个亚群进一步细分时，可以subset出该群细胞，再跑一遍FindClusters，用更高的resolution（比如0.8或1.0）进行分析。

有一点要留意：Louvain算法本身有随机性，不同seed可能导致聚类结果略有差异。正式分析时建议设置随机种子（set.seed(1)），保证结果可复现。

6.2 marker基因鉴定：FindAllMarkers的用法与参数

聚类完成后，每个cluster只是一个编号，它们代表什么细胞类型，需要靠marker基因来判定。FindAllMarkers会为每个cluster找到相对于其他所有cluster表达显著上调的基因：

markers <- FindAllMarkers(obj, only.pos = TRUE, min.pct = 0.25, logfc.threshold = 0.25)

几个参数的含义：

• only.pos = TRUE：只保留上调的marker，因为注释细胞类型主要看哪些基因在该群中高表达。
• min.pct = 0.25：基因至少在25%的细胞中有表达才会被测试。过滤掉那些只有极少数细胞表达的基因，减少计算量。
• logfc.threshold = 0.25：表达差异倍数的阈值（log2尺度），低于这个值的不算显著变化。

跑完后，可以用dplyr按cluster和avg_log2FC排序，挑出每个cluster最有代表性的top 5-10个marker：

top_markers <- markers %>% group_by(cluster) %>% top_n(n = 10, wt = avg_log2FC)

然后画一个热图或者气泡图，直观检查marker是否合理：

DoHeatmap(obj, features = top_markers$gene) + NoLegend()

6.3 手动注释还是自动注释

拿到marker列表后，需要结合背景知识判断每个cluster是什么细胞类型。比如PBMC数据里，CD3D、CD3E高表达的是T细胞，MS4A1是B细胞，NKG7、GNLY是NK细胞，LYZ是单核细胞。

人工注释的缺点是耗时，而且容易受主观判断影响。更高效的方式是先用自动注释工具做一个初步预测，再结合marker人工确认。

常用的自动注释工具有：

• SingleR：基于纯细胞系参考数据，通过相关性打分预测细胞类型，优点是速度快。
• CellTypist：基于已标注的人体细胞图谱，用机器学习模型预测，准确率较高。
• Garnett：基于marker基因和分类器，适用于自定义参考集。

我的一般流程是：先用SingleR跑一遍，得到一个粗略的注释结果，然后和FindAllMarkers的结果做对比。如果两者一致，基本可以确定细胞类型；如果不一致，再去查原始文献或数据库确认。这样做既能提高效率，也能降低错误注释的风险。

6.4 无法区分的cluster怎么处理

实际分析中经常遇到某个cluster的marker基因不明确，既不像T细胞也不像单核细胞。这时不要强行给它安一个名字，先做以下排查：

1. 把这个cluster的top marker列出来，搜索已知数据库（CellMarker、PanglaoDB）。
2. 检查它的percent.mt是不是偏高——如果是，很可能是没过滤干净的死细胞群。
3. 检查它是不是两个细胞类型的过渡态——比如增殖中的T细胞，会同时表达T细胞marker和增殖marker（如MKI67）。

如果是过渡态或低质量群，可以在后续分析中根据实际需要，选择保留或者去除。

7. UMAP可视化：把几十维的数据变成一眼能看懂的图

7.1 为什么选UMAP而不是tSNE

PCA把数据降到15-20维后，仍然无法直接作图。UMAP和tSNE都是把这十几维的数据进一步压缩到2维（或3维），便于可视化。

两者的核心区别是：tSNE擅长保留局部结构，但全局结构会失真；UMAP在保留局部结构的同时，也能较好保留全局拓扑关系，而且计算速度更快。对于单细胞数据，绝大多数情况下UMAP是更优的选择。

在Seurat中运行UMAP非常简单：

obj <- RunUMAP(obj, dims = 1:15, n.neighbors = 30, min.dist = 0.3)

这里有两个调整频率最高的参数：

• n.neighbors：考虑多少个邻近细胞。值越大，图上细胞团越松散，全局结构更明显；值越小，局部结构越精细，团更紧凑。一般范围是5-50，默认30。
• min.dist：细胞点之间允许的最小距离。值越大，点分布越松散；值越小，团内点越紧密。一般范围是0.01-0.5，默认0.3。

有不少人在这里纠结参数。我的建议是，先用默认值跑一遍，如果成团效果不理想（比如所有细胞挤成一坨，或者完全散开没有分群），再适当调整min.dist。大多数情况下默认参数就够了，不必为了“更漂亮”而乱调，因为figure的审美有时不如结果的可解释性重要。

7.2 DimPlot与FeaturePlot的读图方法

降维完成后，画图：

p1 <- DimPlot(obj, reduction = "umap", label = TRUE, pt.size = 0.5) p2 <- FeaturePlot(obj, features = c("CD3D", "MS4A1", "NKG7", "LYZ"), ncol = 2, pt.size = 0.5) p1 + p2

DimPlot展示的是聚类和注释结果，一个颜色代表一个cluster。FeaturePlot展示的是某个基因在各细胞中的表达量，颜色越深代表表达量越高。

读图时有个常用技巧：把DimPlot里的cluster分布和FeaturePlot里marker基因的表达模式叠在一起看。比如某个cluster在CD3D图中恰好是颜色最深的区域，那这个cluster大概率是T细胞。这种“聚类图+marker表达图”的组合，是单细胞数据可视化中最常用的验证方式。

7.3 交互式可视化：把静态图变成能探索的界面

UMAP静态图用于最终发表没问题，但在探索阶段，我更推荐用交互式可视化工具。UCSC Cell Browser是一个非常好用的单细胞可视化工具，它可以把Seurat对象导出为网页格式，支持在浏览器里缩放、点选细胞、查看基因表达。

导出方式：

library(UCSCCellBrowser) CB <- cbBuild(seurat.obj = obj, output.dir = "cellbrowser_output", experiment.title = "Sample1", gene.matrix = obj@assays$RNA@counts)

对于一个数据可视化项目来说，交互式界面带来的信息增量不是一点半点。你可以实时查询任意基因的表达分布，还能按cluster、按样本筛选，这对快速理解数据结构帮助极大。

从某种程度上说，UMAP可视化和我们平时做数据可视化大屏的思维是相通的——目的是让人能在最短时间内从复杂数据里抓住关键信息。单细胞数据的UMAP图加上交互式浏览器，本质上就是一种“单细胞版的可视化大屏”，只不过这里的“看的人”不只是你自己，还有合作者和审稿人。

7.4 也可以试试这些可视化图表

单细胞分析里，UMAP虽然是最常用的图，但绝不是唯一的选择。不同的数据类型和分析目的，适合不同的可视化方式：

• 小提琴图（VlnPlot）：展示某个基因在不同cluster中的表达分布，比FeaturePlot更精确，适合展示marker基因的差异表达。
• 火山图：展示cluster之间差异表达基因的显著性和倍数变化，适合展示组间差异。
• 气泡图（DotPlot）：同时展示多个marker基因在多个cluster中的表达水平（气泡大小）和阳性细胞比例（气泡颜色），是细胞类型注释中最常用的图表之一。
• 细胞轨迹图（Monocle3等）：展示细胞分化过程中的连续状态变化，适合发育生物学研究。

8. 常见问题与排查技巧实录

8.1 问题速查表

我把这几年被问到最多的问题整理成了一个表格，方便大家快速定位：

8.2 独家避坑技巧

最后分享几个“纸上不写但实战极有用”的经验：

技巧一：先跑小数据测试流程。不要一上来就跑全部细胞。先用subset抽5000个细胞把整个流程跑通，确认代码没问题、结果合理，再跑全量数据。能省下大量调试时间。

技巧二：随时保存中间结果。Seurat对象可以用saveRDS(obj, "obj_processed.rds")保存，尤其是QC后、聚类后各存一份。数据分析不是一锤子买卖，经常需要回头调整参数。有保存的中间结果，就不用每次从头跑。

技巧三：善用sessionInfo()记录环境版本。单细胞分析涉及的R包版本更新很快，不同版本的Seurat跑出的结果可能有细微差异。记录环境版本，既能保证自己结果可复现，也能在投稿时应对审稿人关于“软件版本”的提问。

技巧四：注意基因名的物种差异。很多marker基因在人和小鼠中的命名大小写不同，比如人的CD3D在小鼠中是Cd3d。当你从网上找marker列表时，务必先确认物种，再统一基因名格式，否则FeaturePlot会画不出任何内容。

我个人在实际操作中最深的体会是：单细胞分析流程看似固定，但每一步的参数选择都需要结合自己的数据特性来灵活调整。不要盲目照搬教程里的阈值，也不要看到别人用什么参数就直接复制——把自己的数据分布看清楚、把每一步的原理弄明白，才是跑通全流程的关键。

这个流程本身还可以继续向很多方向扩展，比如做细胞轨迹分析、细胞通讯分析、转录因子调控网络推断等。但无论做多复杂的分析，从FASTQ到UMAP这一步的地基一定要打牢。手里有一份质量可控、注释清晰的细胞图谱，后续所有高级分析才有意义。