单细胞分析

线粒体比例设 5% 还是 10%?用云生信agent给 2,700 个单细胞做一次质控比较

作者:发布于 2026-11-20约 9 分钟阅读
线粒体比例5%还是10%:云生信agent公开PBMC质控实操

单细胞分析刚开始,很多人就会遇到同一个选择:教程把线粒体比例设在 5%,自己的数据要不要照抄?如果改成 10%,多留下来的细胞究竟是什么样?

这次我们换用一套真实公开的 PBMC 数据,在云生信agent里上传细胞级质控表,通过聊天要求它检查数据、比较三套阈值、画图并交付明细。核心问题是:阈值改变了哪些细胞,以及这些变化值不值得继续检查。

云生信agent PBMC质控实操:三套阈值、两张原图、逐细胞清单
云生信agent PBMC质控实操:三套阈值、两张原图、逐细胞清单

这次分析从哪里开始?

数据来自 10x Genomics 的 3k PBMCs from a Healthy Donor,包含一位健康供者的外周血单个核细胞。官方页面报告检测到 2,700 个细胞,提供的文件按 CC BY 4.0 许可发布。

我们下载其 filtered gene-barcode matrix,实际读到 32,738 个基因行、2,700 个细胞列。这里的 filtered 指 Cell Ranger 已识别的细胞条形码集合;它不表示本文的线粒体与基因数质控已经完成。本次没有从 FASTQ 重新比对或定量,也没有做空液滴识别。

上传前,我们从该矩阵计算出下面三项指标,再把 2,700 行 CSV 交给 agent。矩阵到质控表的数据准备在上传前完成;agent 实际执行的是表格检查、阈值比较、绘图和结果解释。下载包保留原始公开矩阵、准备脚本和上传表,可以回溯每一项数字。

字段 本例的计算方式 要避免的误解
nCount_RNA 每个细胞所有基因的 UMI 计数之和 不是测序 reads 总数
nFeature_RNA 每个细胞计数大于零的基因行数 不是显著表达基因数
percent_mt 基因名以 MT- 开头的 UMI 数 / 总 UMI 数 × 100 是计数占比,不是线粒体基因种类占比

本例在计算指标前没有再筛掉“仅少量细胞表达”的基因,使用矩阵中的全部基因行;检出 13 行 MT- 前缀基因。不同软件流程如果提前过滤了基因,分母和检出基因数可能发生变化,因此比较结果前要先统一口径。

把“帮我质控”变成可核查的提问

我们在聊天中明确了固定条件、候选阈值和输出文件。下面是可以复制的核心提问,完整提交文本也在下载包里。

请先检查 barcode 是否唯一、有无缺失值,计数和基因数是否为正整数,线粒体比例是否在 0—100。固定 200<nFeature_RNA<2500,分别叠加 percent_mt<3、<5、<10。输出每套规则保留与剔除的细胞数、比例,以及两类失败规则的交集。给每个细胞保留三套通过标记;单独列出从 5% 放宽到 10% 后额外纳入的细胞。绘制独立的质控散点图和保留细胞数条形图,提供 PNG、PDF、CSV 和实际代码。先给可确认方案,不删除原始数据。

质控分析方案已确认,聊天区局部截图
质控分析方案已确认,聊天区局部截图

这里使用严格不等式:基因数恰为 200 或 2,500、线粒体比例恰好达到某个阈值,都不通过对应条件。参数写清楚之后,读者和代码才能计算出同一份名单。

5% 和 200—2,500 这组数字可以在 Seurat 官方 PBMC 教程中找到。本文把 3% 和 10% 加进来作为比较方案,用于观察这套数据对阈值的敏感程度;没有把三个方案中的任何一个宣布为通用标准,也没有复现教程后续的聚类和注释。

确认方案后,agent 在平台计算环境运行,生成两张独立图及结果表。对于已经有质控表的人,这一步可以直接围绕研究问题推进,不必先在自己的电脑上搭好绘图环境。

本次 13 项输入检查的失败数均为 0,才进入后续统计。文章中的筛选结果还经过独立复算,核对了全部 8,100 个“细胞×阈值”通过标记,以及新增细胞名单。

方案检查时,我们还追加了一次具体要求:颜色范围覆盖全部线粒体比例,避免高值被色标上限压在同一种颜色里;柱子使用深色,让白色数字保持清楚。这类展示细节也可以在对话中说明,确认后再执行。

通过聊天要求使用完整色标范围和清晰数字标注的局部截图
通过聊天要求使用完整色标范围和清晰数字标注的局部截图

第一张图:先看细胞分布,再谈阈值

PBMC细胞的UMI总数、检出基因数与线粒体比例散点图
PBMC细胞的UMI总数、检出基因数与线粒体比例散点图

下载散点图原始 PDF

每个点代表一个细胞,横轴是 UMI 总数(对数轴),纵轴是检出基因数,颜色表示线粒体计数占比。横线标出本次固定的基因数上下界。正文直接使用生成的 PNG,不让读者去界面小预览里找坐标。

这批细胞的 UMI 总数中位数为 2,197,检出基因数中位数为 817,线粒体比例中位数约 2.03%。这些是本批数据的描述,不是细胞质量的合格证。

UMI 数和检出基因数帮助我们定位值得复查的细胞。一个基因数很高的点,需要结合样本复杂度、细胞类型及专门的双细胞检测进一步判断;仅凭它越过 2,500,不能直接宣布它是双细胞。线粒体比例偏高也只提供质控线索,不能单独确定细胞的死亡状态。

第二张图:从 5% 放宽到 10%,多留下 51 个

三套线粒体阈值对应的保留细胞数条形图
三套线粒体阈值对应的保留细胞数条形图

下载阈值比较图原始 PDF

三套方案始终使用同一个基因数范围,变化的只有线粒体比例阈值。

线粒体条件 保留细胞 剔除细胞 保留比例
<3% 2,257 443 83.59%
<5% 2,638 62 97.70%
<10% 2,689 11 99.59%

把阈值从 3% 放宽到 5%,多保留 381 个;从 5% 放宽到 10%,又多保留 51 个。这里值得继续看的,是边界附近那些新增细胞,而不只是柱子变长了多少。

保留率高,不等于数据质量更好。放宽阈值自然会减少剔除,但新增细胞是否适合后续分析,还需要其他证据。同样,不能为了让保留率达到某个好看的数字,反过来挑选质控参数。

剔除了多少,为什么不能把两列直接相加?

如果一个细胞同时违反基因数条件和线粒体条件,直接相加会重复计数。因此我们要求 agent 同时输出失败集合的交集。

线粒体阈值 基因数条件失败 线粒体条件失败 同时失败 最终剔除
3% 5 439 1 5+439-1=443
5% 5 57 0 5+57=62
10% 5 6 0 5+6=11

3% 这一行就是一个容易漏掉的细节:两类失败数加起来是 444,最终剔除应为 443。把交集写出来,读者可以直接核算,也能解释为什么自己的表与简单相加不一致。

这次基因数下界没有排除细胞,5 个不满足基因数条件的细胞都在上界之外。它们被这套示例规则标记,并不代表已经完成对其生物学身份或技术异常的判定。

追问:多留下来的 51 个细胞是什么样?

我们把从 5% 放宽到 10% 额外纳入的细胞单独列出,保留条形码和三个质控指标。这比只报告“多了 51 个”更有用,因为下一步可以按名单回到表达矩阵检查。

指标中位数 全部 2,700 个细胞 额外纳入的 51 个
UMI 总数 2,197 1,130
检出基因数 817 476
线粒体计数占比 2.03% 5.65%

新增集合的 UMI 和检出基因数中位数都低于全体细胞的中位数。这是一个值得复查的信号,但不能直接推出“51 个全是低质量细胞”:细胞类型组成也可能影响 RNA 含量,而且这 51 个细胞本来就是按线粒体比例所在区间选出的。

更稳妥的下一步,是检查这些细胞的表达谱、标记基因和其他质控证据,观察它们在后续嵌入或聚类中的分布;如果有多个样本,应分别查看样本内分布。这次只到阈值比较和名单交付,不把尚未执行的细胞注释写成结果。

为了确认解释没有越界,我们在同一会话继续追问:

新增的51个细胞,能仅凭这张质控表判定为低质量或某种细胞类型吗?请只根据本次结果,用100字以内说明能说什么、还缺什么;不新增分析任务。

在同一会话追问新增细胞应如何判断
在同一会话追问新增细胞应如何判断
agent说明质控表支持的判断及尚缺证据,聊天区局部截图
agent说明质控表支持的判断及尚缺证据,聊天区局部截图

这一步让聊天从“生成一张图”继续走到“图能支持什么判断”。判断的边界也应该跟着图表一起交付。

图表之外,要拿到能继续分析的文件

成果区提供原始PNG、PDF和数据文件,局部截图
成果区提供原始PNG、PDF和数据文件,局部截图

下载本次完整材料:公开矩阵、数据准备脚本、上传表、分析代码、CSV、PNG 和 PDF

包内保留每个细胞在三套条件下的通过标记,以及新增 51 个细胞的名单。原始表没有被覆盖。正文已经列出主要参数和结果,读者无需先下载或放大截图才能理解结论;需要复算时再使用附件中的 README。

这次实操展示了一个具体的聊天分析过程:先把模糊的“帮我质控”拆成明确规则,再让 agent 在云端执行、画图、解释边界,并交付可核查的名单。对已有结果表、但还拿不准参数如何影响数据的人,这样的小问题很适合作为起点。

你也可以准备一份带有样本或细胞编号的质控表,先问:“改这个阈值,会影响哪些样本或细胞?请把名单和原因列出来。” 进入云生信agent,尝试自己的数据问题。

把知识用于当前任务

把方法直接跑起来

使用单细胞在线分析入口,减少环境配置和重复操作。

打开单细胞工具仍有疑问,联系客服 ↗