单细胞与空间转录组分析全流程：从质控到可视化-代码聚汇网

单细胞与空间转录组分析全流程：从质控到可视化

俺是BOSS我怕谁·2026-08-28·阅读 23 GEO检测（免费）

单细胞测序空间转录组Seurat

|难度：普通|阅读约 14 分钟

1. 单细胞与空间转录组研究的黄金标准：Nature级分析全流程解析

在生物信息学领域，单细胞测序和空间转录组技术正在彻底改变我们对复杂生物系统的认知方式。Nature级别的研究成果往往代表着该领域最严谨的方法学和最具创新性的发现，而其中标准化的分析流程正是确保研究可重复性的关键。本文将完整拆解一篇典型Nature论文中的单细胞空间联合分析全流程，从原始数据到最终可视化，特别聚焦细胞分群标记基因（cluster markers）的鉴定策略与代码实现。

单细胞RNA测序（scRNA-seq）允许我们在单个细胞分辨率上观察基因表达异质性，而空间转录组（Spatial Transcriptomics）则保留了这些细胞在组织中的原始位置信息。两者的结合分析能够回答传统bulk RNA-seq无法触及的关键问题：哪些细胞类型在组织微环境中如何相互作用？它们的空间分布模式与功能有何关联？这些问题的解答需要一套完整的分析流程作为支撑。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 标准分析流程的七大核心模块

2.1 原始数据质控与预处理

单细胞数据通常以FASTQ格式开始，首先需要使用Cell Ranger（10x Genomics官方流程）或STARsolo等工具进行比对和定量。关键质控指标包括：

每个细胞的检测基因数（nFeature_RNA）
每个细胞的UMI总数（nCount_RNA）
线粒体基因占比（percent.mt）

r复制# Seurat中的基础质控代码示例
library(Seurat)
pbmc.data <- Read10X(data.dir = "filtered_gene_bc_matrices/hg19/")
pbmc <- CreateSeuratObject(counts = pbmc.data, 
                          project = "pbmc3k",
                          min.cells = 3,
                          min.features = 200)
pbmc[["percent.mt"]] <- PercentageFeatureSet(pbmc, pattern = "^MT-")
pbmc <- subset(pbmc, subset = nFeature_RNA > 200 & nFeature_RNA < 2500 & percent.mt < 5)

特别注意：线粒体基因占比过高通常提示细胞状态不佳或发生凋亡，但不同组织类型的阈值可能差异很大。例如神经元细胞通常具有更高的基线线粒体基因表达。

2.2 数据标准化与特征选择

标准化步骤消除技术噪音（如测序深度差异），而特征选择则识别最具生物学意义的基因用于下游分析。常用的标准化方法包括：

LogNormalize（Seurat默认）
SCTransform（更先进的负二项式模型）

r复制# SCTransform标准化流程
pbmc <- SCTransform(pbmc, vars.to.regress = "percent.mt", verbose = FALSE)
pbmc <- FindVariableFeatures(pbmc, selection.method = "vst", nfeatures = 2000)

2.3 细胞周期效应校正

细胞周期阶段会显著影响基因表达谱。通过分配细胞周期分数（G1/S/G2M期）并进行回归分析，可以减少这种技术变异：

r复制# 细胞周期评分与校正
cc.genes <- readLines(con = "cell_cycle_genes.txt")
pbmc <- CellCycleScoring(pbmc, 
                        s.features = cc.genes$s.genes,
                        g2m.features = cc.genes$g2m.genes)
pbmc <- SCTransform(pbmc, vars.to.regress = c("percent.mt", "S.Score", "G2M.Score"))

2.4 降维与细胞分群

PCA线性降维后，基于重要主成分进行UMAP/tSNE非线性降维和聚类分析：

r复制# 降维与聚类完整代码
pbmc <- RunPCA(pbmc, features = VariableFeatures(object = pbmc))
pbmc <- FindNeighbors(pbmc, dims = 1:15)
pbmc <- FindClusters(pbmc, resolution = 0.5)
pbmc <- RunUMAP(pbmc, dims = 1:15)
DimPlot(pbmc, reduction = "umap")

经验提示：resolution参数控制聚类粒度，通常需要尝试0.4-1.2之间的多个值。建议使用clustree包可视化不同分辨率下的聚类稳定性。

2.5 分群标记基因鉴定

这是定义细胞类型和功能的关键步骤。常用的差异表达分析方法包括：

Wilcoxon秩和检验（默认）
MAST（考虑dropout事件）
DESeq2（更严格的统计模型）

r复制# 寻找所有cluster的标记基因
cluster_markers <- FindAllMarkers(pbmc, 
                                 only.pos = TRUE,
                                 min.pct = 0.25,
                                 logfc.threshold = 0.25)
top5 <- cluster_markers %>% 
  group_by(cluster) %>% 
  top_n(n = 5, wt = avg_log2FC)
DoHeatmap(pbmc, features = top5$gene) + NoLegend()

2.6 细胞类型注释

基于已知标记基因对聚类进行生物学解释。常用参考数据库包括：

CellMarker
PanglaoDB
Human Cell Atlas

r复制# 典型免疫细胞标记基因示例
immune_markers <- c(
  "CD3D", "CD3E", # T cells
  "CD19", "MS4A1", # B cells
  "CD14", "LYZ", # Monocytes
  "FCGR3A", "MS4A7", # Macrophages
  "NKG7", "GNLY" # NK cells
)
FeaturePlot(pbmc, features = immune_markers)

2.7 空间转录组整合分析

将单细胞数据映射到空间坐标的关键技术包括：

Seurat的锚点转移（anchor transfer）
SPOTlight（细胞类型解卷积）
RCTD（概率模型方法）

r复制# 空间与单细胞数据整合示例
library(SeuratData)
InstallData("stxBrain")
brain <- LoadData("stxBrain")
anchors <- FindTransferAnchors(reference = pbmc, 
                              query = brain,
                              dims = 1:30)
predictions <- TransferData(anchorset = anchors, 
                           refdata = pbmc$seurat_clusters,
                           dims = 1:30)
brain <- AddMetaData(brain, metadata = predictions)
SpatialDimPlot(brain, group.by = "predicted.id")

3. 高级分析技巧与Nature级图表制作

3.1 多模态数据整合

现代Nature论文常整合scRNA-seq、ATAC-seq和空间数据。例如使用Signac分析染色质可及性：

r复制# 多模态分析示例
library(Signac)
pbmc.atac <- readRDS("pbmc_atac.rds")
transfer.anchors <- FindTransferAnchors(reference = pbmc,
                                       query = pbmc.atac,
                                       reduction = 'cca')
predicted.labels <- TransferData(anchorset = transfer.anchors,
                                refdata = pbmc$celltype,
                                weight.reduction = pbmc.atac[['lsi']])
pbmc.atac <- AddMetaData(object = pbmc.atac, metadata = predicted.labels)

3.2 细胞间通讯分析

CellChat等工具可推断细胞类型间的信号网络：

r复制# CellChat细胞通讯分析
library(CellChat)
cellchat <- createCellChat(object = pbmc, group.by = "ident")
CellChatDB <- CellChatDB.human
cellchat@DB <- CellChatDB
cellchat <- subsetData(cellchat)
cellchat <- identifyOverExpressedGenes(cellchat)
cellchat <- identifyOverExpressedInteractions(cellchat)
cellchat <- projectData(cellchat, PPI.human)
cellchat <- computeCommunProb(cellchat)
cellchat <- filterCommunication(cellchat, min.cells = 10)
netVisual_heatmap(cellchat)

3.3 轨迹推断与伪时间分析

Monocle3或Slingshot可重建细胞状态转变轨迹：

r复制# Monocle3轨迹分析
library(monocle3)
cds <- as.cell_data_set(pbmc)
cds <- preprocess_cds(cds, num_dim = 30)
cds <- reduce_dimension(cds)
cds <- cluster_cells(cds)
cds <- learn_graph(cds)
plot_cells(cds, color_cells_by = "cluster")

4. 完整代码框架与实战建议

4.1 模块化分析流程设计

建议将完整流程拆分为多个R脚本：

01_QC_preprocessing.R - 质控与标准化
02_Clustering_annotation.R - 分群与注释
03_Spatial_integration.R - 空间数据整合
04_Analysis_visualization.R - 高级分析与图表

4.2 可重复性保障措施

使用renv管理包版本
设置随机种子（set.seed()）
详细记录参数选择依据
保存中间RDS文件

4.3 常见问题解决方案

批次效应校正：使用Harmony或Seurat的IntegrateData
双细胞识别：DoubletFinder或scDblFinder
低质量聚类：检查标准化步骤和PC选择

r复制# Harmony批次校正示例
library(harmony)
pbmc <- RunHarmony(pbmc, group.by.vars = "batch")
pbmc <- RunUMAP(pbmc, reduction = "harmony", dims = 1:20)

4.4 Nature级可视化技巧

使用ggplot2定制高质量图表
配色方案选择ColorBrewer或viridis
导出矢量图（PDF/SVG）便于编辑

r复制# 高级UMAP可视化
library(ggplot2)
library(patchwork)
p1 <- DimPlot(pbmc, reduction = "umap", label = TRUE) + 
  scale_color_brewer(palette = "Set2") +
  theme_minimal()
p2 <- FeaturePlot(pbmc, features = "MS4A1") + 
  scale_colour_gradientn(colours = viridis::viridis(100))
p1 + p2

在单细胞与空间组学领域，掌握这套完整分析流程意味着你已具备产出高质量研究成果的基础能力。但切记，技术只是工具，真正的科学发现来自于精心设计的实验与深刻的生物学问题。建议初学者从公开数据集（如10x Genomics官网示例数据）开始练习，逐步构建自己的分析流程。当遇到问题时，Seurat官方论坛和Bioconductor支持渠道是极佳的资源。