读《Single-cell best practices》2025实践版

跟着运来兄搭建自己的生物信息小书房。趁年轻，读几本硬书，到老了慢慢反刍。

《Single-cell best practices》是咱们生信书房推荐的第66本书。最近在生信技能树上，看再次到这本书(https://www.sc-best-practices.org/preamble.html)，内容确实比第一次关注到这本书更加全面了。周末花时间再次浏览了一下，确实是一本难能可贵的单细胞多组学数据分析的好材料。

关于单细胞数据分析最佳实践(Single-cell best practices)，一直伴随着单细胞数据的发展，概念、工具、方法、流程。这本书主要是文章2023年一篇最佳实践文章观点的实践，这篇文章是：

Heumos, L., Schaar, A.C., Lance, C. et al. Best practices for single-cell analysis across modalities. Nat Rev Genet (2023). https://doi.org/10.1038/s41576-023-00586-w

此正文见刊的时候，我在单细胞天地上全文翻译过：单细胞多组学数据分析最佳实践(2023典藏版)。还记得这个译文里的每一个大的模块中都加了一个运来曰吗？当时的这本书电子版还比较简单，加之Python的还没有现在这么的广泛。两年之后的今天，我们再次走进这本书，在正好的时候。

第一吸引我的是本书每一个章节都有的Motivation。如质控、降维、聚类、注释、差异基因、富集分析、轨迹分析，等等，每个分析的开头都有这部分：与读者沟通，为什么要做这个分析或这个分析试图解决什么样的生物学问题。这是其他很多以工具为中心的教程，所没有的。

而这对单细胞数据分析很重要，没有了这部分，数据分析就降维为工具本身。读者们在读这类资料的时候，很容易陷入唯工具论的泥潭。一个直观的结果就是：为了会而会。在分析单细胞数据的时候，恨不得把自己看到的所有的工具都用上，而不论这个工具适不适合自己的数据。这也是只有hwo没有why的结果。

这本书每一节的开头Motivation在解决这个问题的方向前进了一步：它至少引起我们的思考。

第二点是，本身全部由Python实现。也就是说单细胞多组学的数据分析，单细胞转录组、免疫组、表观组、表面蛋白组，这些都可以用python完成了。这一点在单细胞数据通量越来越高、组学信息越来越多的时候，显然是接过了R语言的接力棒。也就是scanpy接过了Seurat的接力棒。这里让我们感慨一下：

清代赵翼的《论诗五首》
李杜诗篇万口传，至今已觉不新鲜
江山代有才人出，各领风骚数百年。

第三点，就是单细胞多组学部分。在翻译本文原文的时候，运来曾经曰过：

运来曰：在单细胞多模态数据分析框架中，单细胞转录组数据是比较成熟的也是应用最为广泛的，所以单细胞转录组数据在多模态数据中是处于基础和中心位置的，在整合多模态数据的时候，往往需要借助单细胞转录组的数据作为中转站或者背景。虽然还不是很完美，但是单细胞转录组的数据分析，为我们提供了一个相对完整的框架，基于其开发的实验工序和分析工具也启发者其他组学的发展。

这一判断依然成立，在单细胞转录组的基础图谱上，加入其他组学的信息。

第四点，对我来说比较新颖的视角是，本书以单细胞数据为中心建设起来链接批量测序Bulk和空间信息space的桥梁。分别体现在两个章节里：

• 22.Bulk deconvolution 连接单细胞数据与bulk
• 26.Single-cell data resolved in space 连接单细胞数据与空间数据

在以往的认知里，bulk、scrna、Spatial 三者之间在分辨率上是在不同维度的，层次递进的，但是这三个分辨率的数据在本书中得到了统一。

所以这里就引入新的思考：不同组学的数据可以整合在一起分析，那么不同分辨率的数据是不是也可以整合在一起分析呢？如何可以的话， 这会是怎样一种图景呢？这一点我还无法想象出具体的细节，但是朦朦胧胧也有一个方向，也就是在不同分辨率的数据分析中，也是以单细胞数据为中心的。

• 让转录组、基因组、免疫组、蛋白组、表观组、代谢组，都向转录组靠拢吧！
• 让批量测序、单细胞测序、空间测序、亚细胞测序，每种测序都团结在单细胞周围吧！

综上，想做导师掌中宝，就要学好单细胞。

番外。

再啰嗦提一下，单细胞数据分析中的“数据均一化normalize”和“数据标准化scale”的去区别与联系。这两概念经常搞混，有人交替使用，有人认为二者是一个意思，也有人反着用，他们之间各执一词，似乎都有道理。但是二者之间是由区别的，应用的场景也是不同的。

• 数据均一化normalize处理的对象细胞，让细胞之间具有可比性，统一测序深度。
• 数据标准化scale处理的是选出来的高变异基因，为的是跑PCA做准备。所以如果在其他地方跑过PCA也会遇到scale个单词。

这一区分在Seurat的教程官网区分的很明显，毕竟R语言就是为统计而生。而在scanpy的教程官网，就显得模棱两可。在Preprocessing and clustering 3k PBMCs (legacy workflow)中，采用了和Seruat一样的处理先normalize再scale的方法，而在Preprocessing and clustering中直接没有了scale。于是，在github上有这个tissue：

在这本书里，这俩概念直接画上了等号。

反正单细胞数据分析一边是一套又一套的最佳实践，一边又是大量的模棱两可。不变的啊，是科学家手中的生物学问题。最佳实践，也不是金科玉律。

# Preprocessing and clustering 3k PBMCs (legacy workflow)
https://scanpy.readthedocs.io/en/stable/tutorials/basics/clustering-2017.html

# Preprocessing and clustering
https://scanpy.readthedocs.io/en/stable/tutorials/basics/clustering.html

# scanpy scale or not 
https://github.com/scverse/scanpy/issues/2164

# in this book  scales_counts = sc.pp.normalize_total
https://www.sc-best-practices.org/preprocessing_visualization/normalization.html