项目概况
本报告是公开数据示例交付物，展示 HST GENOMICS 单细胞转录组标准分析的交付形式。数据为 10x Genomics 官方公开数据集「PBMC 10k v3」（健康人外周血单个核细胞，Chromium v3 化学），输入为 Cell Ranger 输出的过滤后基因-细胞矩阵。
11,037
质控后细胞
22
聚类数
1,950
每细胞中位基因数
9.0%
线粒体比例中位数
分析方法
- 软件：scanpy 1.12.4、anndata 0.13.4、leiden（igraph）1.0.0。
- 质控：保留基因数 ≥ 200、基因数 < 6,000、线粒体比例 < 20% 的细胞；保留在 ≥ 3 个细胞中检出的基因。输入 11,769 个细胞，保留 11,037 个。
- 标准化：每细胞总计数归一到 1e4 后 log1p；以 seurat_v3 方法选 2,000 个高变基因；缩放后做 PCA（50 个主成分）。
- 聚类与降维：前 30 个主成分构建 kNN 图（k=15），Leiden 聚类（分辨率 0.8），UMAP 可视化。
- 标志基因：每簇对其余细胞做 Wilcoxon 秩和检验。细胞类型注释：取每簇显著上调（log2FC>0.5、校正 P<0.05）的前 30 个标志基因，与 11 组经典标志基因集比对，至少 2 个重合才命名；T/NK、B、髓系中两个谱系同时满足的簇标为疑似双细胞；谱系定义基因（CD4、CD8A）在簇内显著下调时不注为对应 T 细胞类型；前 30 个标志基因无重合的簇，若某一标志基因集平均打分 ≥ 0.5 则按该集命名（表 1「注释依据」列标为 score），否则标 Unassigned 并保留编号。双细胞：scrublet 打分，只标记不删除。
质量控制
过滤后每细胞中位基因数 1,950，中位 UMI 6,729，线粒体比例中位数 9.0%。
结果
| 簇 | 注释 | 细胞数 | 疑似双细胞 | 注释依据 | 前 5 个标志基因 |
|---|---|---|---|---|---|
| 0 | CD4 T | 1620 | 1% | CD3D,CD3E,IL7R | IL7R, LDHB, TRAC, TPT1, RPS29 |
| 1 | CD8 T | 684 | 3% | CD3D,CD3E | KLRB1, GZMK, KLRG1, NKG7, GZMA |
| 2 | HSPC | 38 | 0% | CD34,PRSS57,SOX4 | RPS24, RPL7A, HNRNPA1, SOX4, ITM2C |
| 3 | CD4 T | 1118 | 0% | score 0.77 | RPL30, RPL32, RPS3A, RPS14, RPS12 |
| 4 | DC | 193 | 11% | FCER1A,CST3,CLEC10A | HLA-DPA1, CST3, HLA-DPB1, HLA-DRA, HLA-DRB1 |
| 5 | CD14 Mono | 1270 | 0% | score 2.65 | LGALS2, CPVL, PSAP, NEAT1, FGL2 |
| 6 | CD14 Mono | 1671 | 1% | CD14,LYZ,S100A8,S100A9 | S100A8, S100A12, S100A9, MNDA, VCAN |
| 7 | NK | 608 | 4% | GNLY,NKG7,KLRD1 | GNLY, NKG7, PRF1, KLRD1, CTSW |
| 8 | B | 987 | 0% | MS4A1,CD79A,CD79B | IGHM, IGHD, CD79A, CD37, TCL1A |
| 9 | B | 481 | 5% | MS4A1,CD79A,CD79B | MS4A1, BANK1, CD79A, CD37, CD74 |
| 10 | CD8 T | 595 | 2% | CD3D,CD3E,CD8A,CD8B | CCL5, NKG7, IL32, CTSW, GZMM |
| 11 | CD8 T | 372 | 1% | CD8A,CD8B | CD8B, RPS12, RPS3A, RPL32, RPS6 |
| 12 | pDC | 83 | 16% | LILRA4,IL3RA | UGCG, CCDC50, PLD4, IRF8, TCF4 |
| 13 | CD16 Mono | 394 | 11% | FCGR3A,MS4A7,LST1 | LST1, FCGR3A, AIF1, SMIM25, COTL1 |
| 14 | Platelet | 179 | 5% | PPBP,PF4,GP9 | PF4, PPBP, NRGN, CAVIN2, TUBB1 |
| 15 | CD14 Mono | 138 | 1% | CD14,LYZ,S100A8,S100A9 | TYMP, MX1, TNFSF13B, MX2, IFI44 |
| 16 | Plasma | 19 | 5% | MZB1,JCHAIN,TNFRSF17 | MZB1, SUB1, JCHAIN, SSR4, PPIB |
| 17 | B | 95 | 99% | MS4A1,CD79A,CD79B | MS4A1, IGHM, CD79A, IGHD, LINC00926 |
| 18 | CD4 T | 202 | 0% | CD3D,CD3E | IL32, TRAC, B2M, HLA-A, CD3D |
| 19 | Doublet-like (B/CD14 Mono) | 69 | 97% | B: MS4A1,CD79A,CD79B; CD14 Mono: CD14,S100A8,S100A9 | MS4A1, CD79A, IGHM, RALGPS2, CD79B |
| 20 | CD14 Mono | 205 | 94% | CD14,LYZ,S100A8,S100A9 | S100A12, S100A9, S100A8, CD14, VCAN |
| 21 | DC | 16 | 0% | CST3,CLEC9A | CLEC9A, IDO1, C1orf54, HLA-DPA1, HLA-DPB1 |
表 1 各簇的注释与标志基因（完整表见 tables/cluster_markers_wilcoxon.csv）。
双细胞提示：scrublet 判为双细胞的细胞占 5.0%。以下簇的预测双细胞比例超过 50%，但标志基因只指向单一细胞类型，因此保留原注释、计入比例，建议真实项目结合样本情况复核：簇 17（B，99%）、簇 20（CD14 Mono，94%）。
交付物清单
- tables/cell_metadata_umap.csv：每个细胞的质控指标、簇、细胞类型与 UMAP 坐标
- tables/cluster_markers_wilcoxon.csv：各簇标志基因全表
- tables/cell_type_proportions.csv、tables/cluster_marker_scores.csv：细胞类型比例与注释打分
- run_scrna.py、report_lib.py、requirements.txt、README.txt：可复现的完整分析代码、参数与运行说明
- figures/*.png：出版级图；处理后的 h5ad 对象可按需提供
- run_scrna.py：可复现的完整分析代码与参数
方法学段落（可直接改写进论文）
使用 scanpy 1.12.4 处理 Cell Ranger 过滤矩阵。保留检出基因数 ≥ 200、< 6,000 且线粒体读段比例 < 20% 的细胞，以及在 ≥ 3 个细胞中检出的基因。计数归一化至每细胞 10,000 后取 log1p，以 seurat_v3 方法选择 2,000 个高变基因，缩放后进行 PCA。基于前 30 个主成分构建近邻图（k = 15），以 Leiden 算法聚类（分辨率 0.8）并用 UMAP 可视化。各簇标志基因以 Wilcoxon 秩和检验鉴定，细胞类型依据经典标志基因注释。