单细胞测序技术

教程导读：把一条单细胞分析链完整跑通

「细胞×基因矩阵」——做单细胞分析的人，绕来绕去最后都要回到这张表上来。行话把它叫 count matrix：行是细胞，列是基因，格子里的整数记录着某个细胞里某个基因被测到的分子数。整门技术，从湿台上的组织样本，到屏幕上的彩色点云，做的事情说穿了无非是把这张表造出来、洗干净、看明白。本册教程就沿着这条链路拆解：每步给命令、给参数、给判断依据，让你拿到自己的 fastq 数据之后，知道从哪里下手、每步的输出该看什么、出了问题该退回到哪里。

这本教程适合谁

你最好满足这几个条件：会用 Python 或 R 里至少一门；跑过哪怕一次 bulk 转录组分析或者做过 qPCR 之类的基因表达实验，知道"表达量"三个字背后意味着什么；手边有一台内存不低于十六个 G 的电脑，能装 conda 或 R。不需要生物信息学背景——该补的概念（比对、UMI、降维）会在用到的场合现场讲。如果你是拿现成矩阵做二次分析的读者，可以直接从第三章的质控部分切入；如果你要从自己的 fastq 跑起，那就老老实实从第一章读到尾。

全册主线与章法

全册按分析流水线的真实顺序组织，章节之间的依赖是线性的：上一章的输出就是下一章的输入。

• 第一章 动手之前：弄清楚数据的来路。液滴封装怎么把几千个细胞装进一个通道、UMI 怎么消除扩增偏差、AnnData 和 SeuratObject 两种数据容器长什么样，最后把 Scanpy 与 Seurat 双轨环境装好，用测试数据各跑一遍最小流程。
• 第二章 从组织到 fastq：上游实操。样本解离与活性判断、文库结构、测序参数怎么定，直到读懂一份 fastq。
• 第三章 矩阵整形：全册的核心。从 Cell Ranger 计数开始，经过质控三指标过滤、双细胞剔除、归一化、高变基因筛选、PCA 与 UMAP、Leiden 聚类，最后给每个 cluster 打上细胞类型标签。这一章走完，你手里就有了一张可解释的细胞图谱。
• 第四章 图谱之上：轨迹与拟时序、细胞通讯、差异表达与功能富集，把静态图谱变成动态叙事。
• 第五章 超越解离：多组学与空间转录组，补上解离式测序丢掉的信息维度。
• 第六章 应用现场：肿瘤免疫、发育再生、药物研发三类真实场景里的分析套路。
• 第七章 把分析跑稳：常见坑的排错手册与工具生态选型。

关于代码与参数的约定

正文代码以 Python 的 Scanpy 为主线，关键步骤同时给出 R 里 Seurat 的对应写法。所有代码以公开测试数据（如外周血单个核细胞的公开数据集）为对象，直接复制就能跑。参数不是照抄的咒语：每个参数旁边都写了它的量纲、默认值背后的假设、以及什么情况下该改。几个会反复出现的数值先放在这里——线粒体基因比例阈值通常落在百分之五到百分之二十之间；单细胞基因检出数下限常设两百、上限六千上下；主成分个数多在十到五十之间取；聚类分辨率从零点几到一点几之间扫。它们为什么是这些数，第三章逐一拆。

学习建议与常见弯路

单细胞分析的弯路，多数不是"不会跑代码"，而是"跑了代码不看中间结果"。质控阈值抄别人的、PCA 主成分数拍脑袋、聚类分辨率从不调整、注释只靠一张 marker 表——这些做法的共同问题是把分析当成了流水线作业。建议每一章都把代码在自己机器上跑出中间图表，盯着分布看一会儿再往下走。另外，任何一步的结果不满意，都值得先回到质控检查过滤是否过头或不足，这一步的返工成本最低，收益却最大。

再送一条记录纪律：从第一次跑代码起就维护一份分析日志，把每步的参数、版本号、改动理由随手记下。单细胞分析是典型的多参数探索，两周后你几乎必然忘记"当时为什么把分辨率定在一点零"——日志是未来的你留给现在的你唯一的解释渠道。第七章的排错方法，一半建立在日志存在的前提上。

读完并跑完全册，你应当能做到：从一份 fastq 出发独立产出一套带细胞类型标签的聚类图谱，能解释每个阈值为什么这样设，能把图谱继续推进到轨迹、通讯与差异表达，并且在结果异常时有一套系统的排查路径。准备好了就从第一章开始。