内存需求与细胞数量的关系
单细胞转录组分析（scRNA-seq）的内存消耗主要取决于细胞数量和基因数量。常用的 Seurat（R）和 Scanpy（Python）在处理表达矩阵时，需要将整个矩阵加载到内存中。
| 细胞数量 | 基因数量 | 推荐内存 | 典型场景 |
|---|---|---|---|
| 5,000 - 10,000 | ~2,000 HVG | 16 GB | 单个样本验证 |
| 10,000 - 50,000 | ~2,000 HVG | 32 GB | 多样本合并 |
| 50,000 - 100,000 | ~3,000 HVG | 64-128 GB | 组织图谱 |
| 100,000 - 500,000 | ~3,000 HVG | 128-256 GB | 大型队列研究 |
| 500,000+（百万级） | ~3,000 HVG | 256-512 GB | 全器官图谱 |
为什么内存消耗这么大
Seurat 在 NormalizeData、FindVariableFeatures、ScaleData 步骤中会生成多个中间矩阵。例如一个 10万细胞 × 2000 基因的矩阵本身约 1.5 GB，但 ScaleData 产生的稀疏矩阵转换、PCA 降维、UMAP 计算等中间步骤会消耗 5-10 倍的内存。
Scanpy 在内存管理上优于 Seurat（支持稀疏矩阵 AnnData），但大规模数据处理仍需要充足内存。
内存不够的常见表现
- R 报错
cannot allocate vector of size X GB - 系统开始使用 swap，分析速度骤降 10 倍以上
- 程序直接被 OOM Killer 终止
解决方案
如果内存不足，可以尝试：降低基因数量（只用 HVG）、分批处理（Seurat 的 future 包并行）、使用 Scanpy 的 backed 模式（磁盘映射）。但根本解决方案是使用内存充足的服务器。