单细胞数据分析流程概述
主要分析步骤：
原始数据处理与质控：
原始测序文件（FASTQ格式）。
步骤：
比对： 将测序读段定位到参考基因组（如STAR, Cell Ranger）。
计数： 统计每个细胞中每个基因的分子数（UMI/reads），生成“表达矩阵”（行为基因，列为细胞，值为表达量）。
关键质控指标：
每个细胞的检测基因数： 过低可能代表死细胞或空液滴。
每个细胞的分子总数（UMI计数）： 过低同上，过高可能代表双细胞。
线粒体基因比例： 高比例通常表明细胞受损或死亡。
核糖体基因比例： 异常高低可能提示特定状态。
输出： 过滤掉低质量细胞/基因后的干净表达矩阵。
数据标准化：
目的： 消除技术偏差（如测序深度差异），使细胞间表达量可比。
常用方法：
LogNormalize（Seurat）,SCTransform（正则化负二项回归 - Seurat）, 或基于深度的缩放因子（如Scanpy）。
特征选择：
目的： 识别最能代表细胞间生物学变异的基因（高变基因），用于后续降维，减少噪音。
方法： 通常选择表达变异系数高（均值-方差关系）的基因（如Seurat的
FindVariableFeatures， Scanpy的pp.highly_variable_genes）。
数据缩放与线性降维：
缩放： 对基因表达进行中心化（均值为0）和标准化（方差为1），使所有基因在后续分析中权重相等（PCA要求）。
主成分分析： 将高维数据投影到低维空间（主成分PCs），捕获主要的变异来源。通常选择前10-50个PCs用于下游分析。
细胞聚类：
目的： 基于基因表达谱的相似性，将细胞划分为不同的群体（簇）。
步骤：
构建细胞邻域图： 在PC空间（或缩放后的基因空间）计算细胞间的相似性（如K近邻图）。
聚类算法： 在邻域图上识别紧密连接的细胞群体（如Louvain, Leiden算法 - Seurat的
FindClusters, Scanpy的tl.leiden）。
输出： 每个细胞被分配到一个簇。
非线性降维与可视化：
目的： 在2D或3D空间中直观展示细胞之间的关系和聚类结构。
常用方法：
t-SNE： 擅长保留局部结构，簇间距离无意义。
UMAP： 通常能更好地保留全局结构，运行更快，是目前主流。
输出： 散点图（如UMAP图），每个点代表一个细胞，颜色代表其所属的簇。
细胞类型注释：
目的： 为每个聚类簇赋予生物学意义（如细胞类型、状态）。
方法：
Marker基因鉴定： 寻找在每个簇中特异性高表达的基因（如Seurat的
FindAllMarkers）。参考数据库比对： 利用已知细胞类型的单细胞参考图谱（如Human Cell Atlas, Mouse Cell Atlas）进行自动注释（如SingleR, scmap, Seurat的
Azimuth）。手动注释： 结合Marker基因、已知生物学知识和文献进行判断。
关键： 这是将数据转化为生物学洞见的核心步骤！
差异表达分析：
目的： 比较不同细胞群（如不同细胞类型、处理组 vs 对照组、疾病 vs 健康）之间基因表达的差异。
方法： 专门为单细胞数据设计的统计方法（如MAST, Wilcoxon rank-sum test, DESeq2 - 需谨慎使用）。
下游分析：
轨迹推断： 重建细胞在连续过程（如分化、激活、细胞周期）中的动态变化（如Monocle3, PAGA, Slingshot）。
细胞通讯分析： 预测不同细胞类型之间通过配体-受体对的相互作用（如CellChat, CellPhoneDB）。
功能富集分析： 对差异表达基因或特定细胞群的基因集进行通路、功能注释（如GO, KEGG, GSEA）。
整合分析： 合并多个样本或批次的数据，以进行比较或增加统计功效（如Harmony, Seurat的
IntegrateData, BBKNN, scVI）。亚群再分析： 对感兴趣的特定细胞类型进行更精细的亚聚类和分析。
常用工具：
Seurat (R): 目前最流行、功能最全面的工具包。
Scanpy (Python): 功能强大且灵活的Python生态系统工具包。
Cell Ranger (10x Genomics): 官方配套软件，处理10x数据从原始FASTQ到表达矩阵。
其他：Monocle (R - 轨迹), CellPhoneDB (Python - 通讯), SCANPY (Python), Scater/Scran (R), Bioconductor生态等。
总结： 单细胞数据分析是一个迭代探索的过程，从原始数据出发，经过严格质控、标准化、降维、聚类、注释，最终通过各种下游分析揭示细胞异质性、动态变化和功能关系，从而深入理解组织、发育和疾病的复杂性。选择合适的工具和参数，并结合生物学背景知识进行解读至关重要。
|
|
