单细胞转录组数据分析入门-3-Seurat 对象详解和常用命令

Seurat 对象的数据结构是一个 **S4 对象**，它整合了单细胞 RNA 测序的原始数据、样本信息、分析结果等多种数据。

什么是 S4 对象

**S4 对象**是 R 语言中的一种高级面向对象编程机制，用于更复杂的对象和数据结构。相比于基础的列表（如 R 的 S3 对象），S4 对象具有更严格的规则，包括：

**明确的类定义**：每个 S4 对象的结构通过 `setClass` 定义，包含字段（slots）和类型限制。

**字段和方法**：通过 `@` 操作符访问字段，例如`object@field`。

**验证机制**：对象创建时会验证字段和数据类型是否符合定义。

Seurat 对象的基本组成

以下是一个典型的 Seurat 对象：

Seurat 对象的结构详解

assays

`assays` 是 Seurat 对象的核心，存储了基因表达矩阵以及其他相关数据。本例中，有一个名为 `RNA` 的 Assay。 `RNA` 的详细结构如下：

`layers`：存储多个层的数据。

`counts.GSE150703` 和 `counts.GSE173079` 是未归一化的原始计数矩阵，存储为稀疏矩阵格式（`dgCMatrix`）。

`i` 和 `p`：稀疏矩阵的内部索引，用于高效存储。

`Dim`：矩阵的行（基因）和列（细胞）维度。

`x`：非零元素的值。

`data.GSE150703` 和 `data.GSE173079` 是归一化后的基因表达矩阵。

`scale.data`：标准化后的矩阵，常用于降维和聚类分析。

`cells` 和 `features`：记录细胞和基因的相关信息。

`meta.data`：Assay 层级的元数据，包含变量基因的均值、方差等信息。

`key`：标记该 Assay 的前缀键，用于识别它的数据。

meta.data

这是一个数据框，存储与每个细胞相关的元信息。

示例中的字段：

`orig.ident`：样本来源。

`nCount_RNA`：每个细胞的总 RNA 计数。

`nFeature_RNA`：每个细胞检测到的基因数。

`percent_mito`：线粒体基因的比例，通常用于质量控制。

`percent_ribo`：核糖体基因占比，通常用于质量控制。

`percent_hb`：血红蛋白基因占比，通常用于质量控制。

active.assay

表示当前活跃的 Assay，本例中是 `RNA`。它控制 Seurat 函数操作的数据来源。

active.ident

每个细胞当前的分类标签，是一个因子型向量。在本例中，包含 8 个分组（如 `NORM`、`OIR`），这些分组可以用于下游分析和绘图。

graphs

存储细胞之间的图结构，支持聚类和邻近分析。本例中，`graphs` 列表为空，表明暂未进行此类分析。

neighbors

存储细胞间邻居信息，通常由最近邻算法计算得出，用于降维和聚类。本例中，`neighbors` 列表为空。

reductions

存储降维结果。本例中有一个 PCA（主成分分析）结果：

`cell.embeddings`：细胞在 PCA 空间中的坐标。

`feature.loadings`：基因对主成分的贡献。

`stdev`：每个主成分的标准差。这些数据用于可视化（如`DimPlot`）和聚类。

images

存储空间转录组学数据的图像信息。本例中为空，表明未涉及空间转录组学分析。

project.name

Seurat 对象的项目名称，本例为 `SeuratProject`。可用于标记和区分不同的数据集。

misc

存储用户自定义的信息。本例中为空，可用于存储额外的分析结果或注释。

version

记录 Seurat 包的版本号，本例为 `5.0.2`。这有助于保证分析结果的可重复性和兼容性。

commands

记录分析过程中执行的主要命令及其参数。例如：

`NormalizeData.RNA`：记录归一化步骤，使用了 `LogNormalize` 方法。

`FindVariableFeatures.RNA`：记录高变基因筛选过程，选择了 2000 个基因。

`ScaleData.RNA` 和 `RunPCA.RNA`：记录了标准化和 PCA 的参数。这些信息便于追踪分析流程和复现结果。

tools

存储插件或扩展分析的结果。本例中为空。

基于本例的分析提示

`meta.data` 是质量控制的重要部分，可通过筛选 `nFeature_RNA` 和 `percent_mito` 等字段过滤低质量细胞。

`reductions` 的 PCA 结果是降维和聚类的基础，可以使用 `DimPlot` 进行可视化。

`commands` 记录了关键分析步骤，便于复现和审查。