单细胞 | 如何读懂单细胞转录组高频分析的图片

本文将手把手教你解读单细胞转录组分析中最常见的6类图表，让你快速掌握“看图说话”的精髓，无论是阅读文献还是做汇报都能游刃有余。

单细胞分析中常见的细胞聚类图有UMAP和t-SNE，“核心作用”是把复杂的单细胞关系可视化，帮助你快速识别和沟通细胞群体结构、批次影响与状态连续性；UMAP更适合作为默认主图，t-SNE在强调离散分群与稀有群体时很有价值。

UMAP可视化

tSNE

• 图形要素解析:

散点云：每个点代表一个细胞，位置由降维算法决定

颜色编码

按细胞类型/簇着色：展示细胞分群

按样本/批次着色：评估批次效应

按基因表达着色：定位特定基因的表达区域（下面介绍的FeaturePlot图正是这种）

簇边界：虚线圈或底色区分不同细胞群

簇标签：数字（Cluster 0,1,2...）或细胞类型名称（T cell, B cell...）

• 解读要点：

簇的分离度：是否清晰分离，清晰分开说明异质性明显

簇的形状：重叠可能暗示连续过渡态

批次混合：同类细胞不同批次是否聚在一起

稀有群体：小而独立的点群

• 常见误区：

簇间距离 ≠ 生物学距离

簇大小 ≠ 细胞数量（算法会均一化）

不同图之间的位置不可比较

此外，细胞簇可以进一步分成不同的细胞亚簇。

FeaturePlot可以说是单细胞分析中使用频率最高、信息密度最大的可视化工具之一。它的核心作用是在降维空间（UMAP/t-SNE）上展示特定基因/特征的空间表达分布，让你一眼看出“哪些细胞在表达什么基因”。它可用于细胞类型注释、稀有群发现、状态探索、结果验证，几乎贯穿单细胞分析的全流程。

图：FeaturePlot图

• 图形要素解析:

底图：通常是UMAP/t-SNE的细胞分布

颜色渐变：灰色代表低表达或者无表达，红色代表高表达。

色标（colorbar）：右侧或下方的刻度尺，标注表达值范围

• 解读要点：

特异性：基因是否在特定簇富集

广泛性：是否多个簇都有表达

梯度模式：是否存在表达渐变（提示分化轨迹）

互斥模式：不同基因是否在不同区域表达

细胞比例图是单细胞转录组文章中较为常见的可视化结果，它的核心作用在于揭示不同条件/样本之间，各细胞类型的“相对构成”是否发生了系统性变化？可视化图片类型主要有堆叠柱状图、饼图。

图：细胞比例图（堆叠柱状图和饼图）

• 图形要素解析：

堆叠条形图版本：

X轴：样本或条件分组

Y轴：百分比（0-100%）或绝对数量（X轴和Y轴可交换）

色块：不同细胞类型，高度=占比

连线：添加linker，绘制带有类型流动区间的比率分析图。同样可以直观对比不同样本组细胞类型的变化，类似于桑基图。

图：多种癌症类型中CAF亚型的比例

• 解读要点

主导类型：哪些细胞类型占比最高

组间差异：疾病vs健康（对照vs 处理组）的比例变化

稀有群体：<5%的细胞类型变化

统计显著性：是否考虑了生物学重复

爱基百客云平台可以绘制细胞比例图：云平台 | 玩转单细胞比率可视化

基因表达热图在其他组学中较为常见，也是在单细胞转录组中最常见、最直观的可视化之一。它以颜色强度展示“基因×细胞（或细胞群）”的表达矩阵，用于对比细胞群的标记基因、发现共表达模块、观察分化轨迹中的基因动态等。

基因表达热图

• 图形要素解析：

行：基因（可能聚类排序）

列：细胞或细胞类型

颜色：表达强度（蓝-白-红（或其他）：低-中-高表达；颜色标尺：1.5到-1.0）

树状图：顶部和左侧，显示层级聚类

注释条：顶部色带标注细胞类型/条件

• 解读要点

块状模式：细胞类型特异性基因

渐变模式：连续表达变化

互斥模式：此消彼长的基因组

共表达模块：同步变化的基因群

Dotplot（点图）是单细胞分析中最常用的可视化之一，堪称“信息密度之王”——它用点的大小+颜色同时编码两个维度的信息，在一张图里展示“哪些基因在哪些细胞簇表达、表达多少、覆盖多广”。无论是细胞类型注释、标记基因验证，还是跨条件比较，dotplot都是重要的工具。

用于注释的细胞类型标记基因的缩放平均表达的点图

• 图形要素解析：

X 轴：基因列表（如CD3D、 CD8A、VWF等标记基因）。（X轴和Y轴可交换）

Y 轴：细胞簇/类型（如Cluster 0、T cell、Fibroblast）。

点（dot）：位于交叉位置，代表某基因在某簇的表达情况。

点的大小：表达该基因的细胞比例（Percent Expressed，0-100%）——点越大，簇内表达该基因的细胞越多。

点的颜色：该基因在簇内的平均表达水平（Average Expression，通常是log-normalized或 scaled）），颜色越深/红，表达量越高；越浅/蓝，表达越低。

• 解读要点：

大小优先于颜色：比例（点大小）比强度（颜色）更重要——即使颜色深，若点小（<10% 细胞表达），可能是噪声。

组合判断：单基因不足以定义簇，需2-3个标记组合。

阴性标记同样重要：某基因不表达也是特征（如T细胞不表达CD19）。

关注异常点：某簇意外表达某基因（如上皮簇表达免疫标记）→可能是双胞（doublet）或污染。

• 常见误区:

只看颜色忽略大小：颜色深但点小→ 可能是少数细胞高表达（outlier），不代表簇特征。

基因选择不当：

用管家基因（GAPDH）→全图大点，无区分度。

用低表达基因 →全图小点，看不出差异。

归一化问题：颜色过浅→检查是否log-normalized；过深→可能需z-score标准化。

忽略批次效应：某簇点异常→可能是批次混杂，需整合（Harmony）。

过度解读稀疏点：单细胞dropout（丢失/脱落：某个基因在细胞中实际有表达，但由于技术限制未被检测到，在数据中错误地显示为“0表达”）严重，小点（<5%）可能是技术噪声。

小提琴图是在单细胞转录组分析中常用且信息密度很高的一类图形，用来展示一个连续变量在不同细胞群（例如簇、样本、条件）中的分布情况，便于发现特异性高表达的细胞簇。

• 图形要素解析：

X轴：细胞类型或聚类

Y 轴：基因表达值

小提琴形状：

宽度：对应着该表达水平的细胞数量。

上下范围：最大最小值

形状：

单峰（钟形）：中间宽，两端逐渐收窄，类似正态分布。意味着大多数细胞表达相似，异质性低。

双峰（骆驼峰）：小提琴有两个鼓包（两个局部最宽处），中间有凹陷。意味着簇内有两个亚群，表达量不同。

平坦（矩形）：表达值均匀分布，无明显主峰。

拖尾（长尾）：少数细胞极高或极低表达（离群值）。

• 解读要点：

分布形状优先于峰值高度：形状反映表达模式。

宽度比高度重要：顶部窄尖=少数高表达细胞；底部宽厚=大多数细胞低表达（或不表达）

关注表达分离度（Separation）

底部基线同样关键

真阴性 vs 低表达：

紧贴0值的平线 = 真阴性（如T细胞的CD19）

底部有小“肚子” = 低水平背景表达（可能是技术噪声）

dropout效应：某些细胞真实表达但未检测到，导致0值堆积（需结合dotplot的表达百分比判断）

纵向对比：同一个簇在不同基因间的表达强度变化

横向对比：同一个基因在不同簇间的分布差异

核心原则：小提琴图看“分布形态”，dotplot看“表达普遍性”——两者可以结合使用准确定义细胞类型。

掌握这6类图表的解读，你就掌握了单细胞转录组分析大部分的可视化语言，后期我们继续分享其他单细胞分析图的解读。下次读文献时，不妨用这份指南对照着看，相信你会有新的收获。如果觉得有用，欢迎收藏转发！