单细胞组学分析

单细胞组学分析

# 简化单细胞聚类流程示意（PCA 降维 + 统计）
import random

random.seed(7)
cells = [[1 if random.random() < 0.02 else 0 for _ in range(1000)] for _ in range(200)]

def pca_top2(data):
    n = len(data); p = len(data[0])
    mean = [sum(data[i][j] for i in range(n)) / n for j in range(p)]
    z = [[data[i][j] - mean[j] for j in range(p)] for i in range(n)]
    pc1 = [sum(z[i][j] * (j % 7 + 1) for j in range(p)) for i in range(n)]
    pc2 = [sum(z[i][j] * (j % 5 + 1) for j in range(p)) for i in range(n)]
    return pc1, pc2

pc1, pc2 = pca_top2(cells)
print("细胞数:", len(cells), "降维后坐标对:", round(pc1[0], 1), round(pc2[0], 1))
​

单细胞分析结果的可靠性高度依赖数据质量与批次处理，建议遵循标准流程并做好质控记录。分析产出（细胞图谱、marker、轨迹）需要生物学验证。随着数据规模增长，内存友好的稀疏计算与 GPU 加速成为常态。理解从稀疏矩阵到聚类、注释、轨迹的技术链条，是进入单细胞领域的基本功。

单细胞数据分析流程

单细胞组学把"组织均一化"的分析粒度推进到单个细胞，回答细胞类型构成、发育轨迹与状态异质性等此前无法回答的问题。以单细胞 RNA 测序为例，流程包括：质控（过滤低质量细胞与双细胞）、归一化与高变基因选择、降维（PCA）与批次校正、聚类（Louvain 等）识别细胞群、基于标记基因的细胞类型注释、以及差异分析与拟时序分析（monocle、scVelo）。数据以稀疏矩阵存储（细胞乘基因），单样本可达数十万细胞，内存与稀疏表示是关键。

细胞类型注释既可用已知标记基因人工核对，也可用参考图谱自动注释（如 SingleR、scANVI）。拟时序与 RNA velocity 推断分化轨迹与发育方向。多样本分析需要批次整合（Harmony、scVI）去除技术差异。空间转录组把表达定位回组织切片，进一步关联细胞邻域与组织结构。单细胞数据分析对统计与计算基础要求高，需谨慎处理稀疏性与 dropout 问题。

# 简化单细胞聚类流程示意（PCA 降维 + 统计）
import random

random.seed(7)
cells = [[1 if random.random() < 0.02 else 0 for _ in range(1000)] for _ in range(200)]

def pca_top2(data):
    n = len(data); p = len(data[0])
    mean = [sum(data[i][j] for i in range(n)) / n for j in range(p)]
    z = [[data[i][j] - mean[j] for j in range(p)] for i in range(n)]
    pc1 = [sum(z[i][j] * (j % 7 + 1) for j in range(p)) for i in range(n)]
    pc2 = [sum(z[i][j] * (j % 5 + 1) for j in range(p)) for i in range(n)]
    return pc1, pc2

pc1, pc2 = pca_top2(cells)
print("细胞数:", len(cells), "降维后坐标对:", round(pc1[0], 1), round(pc2[0], 1))
​

单细胞组学的"分析流水线"：从计数矩阵到细胞图谱

单细胞组学（single-cell omics）是近年来最活跃的前沿，其"分析流水线"值得掌握：数据生成（scRNA-seq（10x Genomics——"液滴 + 条形码"——每个细胞一个条形码——"单细胞的分子条形码化"）；scATAC-seq（单细胞染色质可及性——"单细胞的调控状态"））；数据预处理（质控（细胞过滤——低质量细胞（低基因数、高线粒体比例——"死细胞/空液滴的识别"）；标准化（UMI 校正（分子计数）、去批次（Harmony、scVI——"多样本/多批次的整合"））；降维与聚类（PCA → UMAP/t-SNE → 聚类（Leiden/Louvain——"细胞类型鉴定"——"降维-聚类-注释"的经典流程）；细胞类型注释（marker 基因（已知细胞类型的标志基因——"注释的依据"）、以及"自动注释"（参考图谱映射））；以及下游分析（差异表达（细胞类型间的差异基因）、发育轨迹（拟时序（pseudotime——Monocle、Scanpy 的轨迹推断——"发育的动态过程"）、细胞通讯（配体-受体分析（CellChat——"细胞间的分子对话"））。

单细胞组学的"应用与挑战"：细胞图谱（人类细胞图谱（Human Cell Atlas——"人体所有细胞的图谱"）；疾病研究（肿瘤微环境（肿瘤 + 免疫细胞的单细胞图谱——"肿瘤异质性"）、发育生物学（器官发生的单细胞轨迹））；挑战（数据规模（百万级细胞——"大数据的存储与分析"）、稀疏性（dropout——"单细胞数据的零膨胀"）、以及"细胞状态 vs 细胞类型"（细胞的连续状态（"状态而非类型的连续性"））。做一个"单细胞"练习：理解"为什么单细胞改变生物学"（从"组织平均"到"单细胞分辨率"——"组织不是均质，而是异质细胞群的集合"——"单细胞揭示隐藏的异质性"）；理解"UMAP 与聚类的谨慎解读"（降维是"近似"而非"精确"——"聚类的参数敏感性"）。单细胞组学是"分辨率的革命"——从批量到单细胞，生物信息学正在"看见"每一个细胞，重新绘制生物学的"细胞地图"。
回顾本节核心：单细胞流水线（质控→降维→聚类→注释→轨迹/通讯）；细胞图谱与肿瘤微环境。"从组织平均到单细胞分辨率"是分辨率的革命——单细胞正在"看见"每一个细胞。