99 空转班第二期|k1.第一节课|k10.Seurat 空转数据分析

这门课解决的是什么问题

空间转录组数据拿到手之后，很多人会卡在同一个地方：聚类跑出来了，图也画出来了，但说不清这些空间区域到底意味着什么，也接不上后续的细胞类型注释、区域间通讯、轨迹推断。这门课针对的就是这个断点——用 Seurat 作为主线工具，把空转数据从原始矩阵一路推到能写进分析报告的结果。它不覆盖湿实验建库，也不教你写一个全新的算法，重点是把已有的成熟方法串成一条能跑通、能解释的分析链。

需要提醒的是，课程内容明显偏向实操流程，而不是统计学推导。如果你的目标是搞懂每个方法的数学原理，这套资料只能算起点，后面还得自己补论文。

适合什么基础的人看

最低门槛是能读懂 R 语言的基本语法，知道数据框、函数参数、循环大概是怎么回事。完全没碰过 R 的人直接进来会比较吃力，建议先花几天把 R 的基础操作过一遍。有单细胞分析经验的人上手最快，因为 Seurat 的对象结构、降维聚类那套逻辑是共通的，空转只是多了一个空间坐标维度。

另外课程里出现了 Python 相关的内容，涉及 scanpy 和基础编程。如果你之前只用过 R，这部分需要额外花时间适应；反过来，Python 背景的人看 R 部分也会有一段磨合期。两种语言都碰过一点的人，学起来最顺。

建议的学习顺序和练习方式

不要按编号从头到尾平推。合理的做法是先建立环境，再打通一条完整链路，最后按需补专题。前半段先把运行环境和基础操作过掉，确保能成功读入一份空转数据并画出基本空间分布图。接着集中看 Seurat 处理空转数据的那部分，这是整门课的主干，把质控、标准化、降维、聚类、空间可视化这几个环节亲手跑一遍，比看十遍讲解有用。

主干跑通之后，再按自己的课题方向挑专题。做区域间相互作用的，重点看细胞通讯和共定位那几块；做发育或分化方向的，重点看轨迹分析；做肿瘤的，拷贝数变异和细胞切割更相关。每一块都建议拿自己的数据或者公开数据集复现一次，只跟着示例跑一遍，换数据就容易出错。

联合分析部分（把单细胞和空转数据整合）属于进阶内容，建议放在主干熟练之后再碰，否则很容易在数据格式对齐上耗掉耐心。整个过程中，把每次报错和解决方式记下来，比收藏一堆代码更有价值。

学完之后能独立做什么

比较现实的目标是：拿到一份空间转录组数据，能独立完成从读取、质控到聚类和空间区域划分的全流程，能识别出不同空间区域的标记基因，并能用细胞通讯或轨迹类方法给出一个初步的生物学解释。这个程度足够支撑一份课题内的分析报告，也够和做实验的同事对话。

但它不会让你变成方法开发者。遇到数据质量差、批次效应重、区域边界模糊的情况，仍然需要查文献和试参数。把这门课当成一套可复用的操作框架，而不是万能答案，预期会更准。