单细胞 RNA 分析流程

使用边界

用于 scRNA-seq 或 snRNA-seq。若用户有空间坐标、ATAC、蛋白标签或 multiome，转到 spatial-multiomics-analysis。若只是工具包 API 问题，可转到 analysis-tools/single-cell-toolkit。

可复用资源

• onescience-coder/assets/bio_single_cell_tools/qc_analysis.py：标准 scRNA-seq QC 命令行脚本，支持 h5ad 和 10x h5 输入。
• onescience-coder/assets/bio_single_cell_tools/qc_core.py：QC 指标计算、MAD outlier、过滤等可导入函数。
• onescience-coder/assets/bio_single_cell_tools/qc_plotting.py：QC 分布、阈值和过滤前后图。
• references/scverse_qc_guidelines.md：QC 指标解释、阈值策略、物种/组织注意事项。

标准 QC 请求把 qc_analysis.py 的 coder 资产路径写入 handoff_artifacts；需要自定义阈值或整合到更大流程时同时交接 qc_core.py 和 qc_plotting.py。role 层不直接运行脚本。

推荐流程

1. 明确输入格式：10x matrix/h5、h5ad、Seurat RDS、loom。
2. 计算 QC：n_genes、total_counts、pct_mito、pct_ribo、ambient RNA、doublet score。
3. 过滤：按组织/物种选择阈值；优先保守过滤，保留稀有细胞可能性。
4. 归一化与 HVG：Scanpy/Seurat 标准路线或 SCTransform。
5. 批次整合：Harmony、scVI、scANVI、scArches 等；明确 batch key 和 label key。
6. 降维聚类：PCA、neighbors、UMAP、Leiden，多分辨率比较。
7. marker 和注释：rank genes、参考图谱映射、人工 marker 复核。
8. 输出：过滤后对象、QC 图、UMAP、marker 表、注释表、方法记录。

QC 检查点

• 过滤前后细胞数和基因数。
• 线粒体比例阈值是否符合组织特性。
• doublet 率是否符合平台和上样量。
• 聚类是否由 batch、library size 或细胞周期主导。

交接物

bio_task_family: single-cell-analysis
input_object:
organism_or_taxon:
raw_counts_available:
batch_key:
label_key:
qc_strategy:
integration_strategy:
annotation_strategy:
expected_outputs:
execution_entry:

禁止事项

• scVI/scANVI 需要 raw integer counts；不要用已 log-normalized 的 X 直接训练。
• 不要只凭 UMAP 位置命名细胞类型；必须结合 marker 或 reference。
• 不要用固定 mito 阈值处理所有组织。