seurat提取表达矩阵_单细胞数据分析神器——Seurat

近年来，单细胞技术日益火热，并且有着愈演愈烈的趋势。在2015年至2017年，甚至对某细胞群体或组织进行单细胞测序，解析其细胞成分就能发一篇CNS级别的文章。近两三年，单细胞技术从最开始的基因组，转录组测序，发展成现在的单细胞DNA甲基化，单细胞ATAC-seq等等。测序手段也从早期的10X Genomics、 Drop-seq等，发展为现在的多种多样个性化的方法。研究内容更不仅仅局限于解析细胞群体的成分，而是向研究细胞功能和生物学特性发展。今天小编向大家简单一个实用并且易上手的单细胞数据分析软件——Seurat,大家躺在床上为国家做贡献的同时也能get新技能。

介绍一下今天的主角，Seurat是由New York Genome Center, Satija Lab开发的单细胞数据分析集成软件包。其功能不仅包含基本的数据分析流程，如质控，细胞筛选，细胞类型鉴定，特征基因选择，差异表达分析，数据可视化等等。同时也包括一些高级功能，如时序单细胞数据分析，不同组学单细胞数据整合分析等。今天，小编以官网中提供的单细胞基因表达数据为例，为大家简单介绍一下Seurat软件包中的基础分析流程，希望能够抛砖引玉，祝大家在科研的道路上越走越远。

第一步，数据集导入

在本教程中，我们将分析从10X基因组学免费获得的外周血单个核细胞(PBMC)数据集，来源于Illumina NextSeq 500测得的2700个单细胞转录组数据。首先，我们需要把数据集存储成Seurat可识别的数据格式，

读入的数据可以是一个矩阵，行代表基因，列代表细胞。

library(dplyr)library(Seurat)# Load the PBMC datasetpbmc.data # Initialize the Seurat object with the raw (non-normalized data).pbmc pbmc## An object of class Seurat ## 13714 features across 2700 samples within 1 assay## Active assay: RNA (13714 features)

数据导入成功以后，我们可以看到pbmc对象中包含了一个13714(基因数)X  2700(细胞数)的矩阵，其实在数据导入的时候，数据集中测到的少于200个基因的细胞(min.features = 200)，和少于3个细胞覆盖的基因(min.cells = 3)，就已经被过滤掉了。

第二步，数据质控

质控的参数主要有两个：1.每个细胞测到的unique feature数目(unique feature代表一个细胞检测到的基因的数目，可以根据数据的质量进行调整)2.每个细胞检测到的线粒体基因的比例，理论上线粒体基因组与核基因组相比，只占很小一部分。所以线粒体基因表达比