Seurat v5 single-cell RNA-seq analysis skill/tutorial: 22-stage reference + script templates (QC, doublet detection, clustering, annotation, trajectory, CellChat, pySCENIC, copyKAT, GSEA...)
概览
基于 的单细胞转录组分析全流程整理，涵盖从上游数据处理到下游功能分析的 22 个阶段。既可以作为 直接使用，也可以当作一份可复用的单细胞分析代码教程/模板库。 - — 技能说明与 22 个阶段总览（Claude Code 会读取这个文件来理解何时/如何使用本技能） - — 每个阶段的讲解文档：做什么、为什么这么做、关键参数含义、常见坑 - — 每个阶段的可复用 R/Shell 脚本模板，原教程代码里写死的本地路径、样本名、cluster→细胞类型映射等已经替换成 ，使用前需要根据自己的数据填入实际值 把这个仓库（或其中的 single-cell-analysis-skill 目录）放到 Claude Code 的 skills 目录下，之后在对应项目里提到单细胞转录组分析相关需求时，Claude 会自动读取本技能，帮你从对应的 references/ 和 scripts/ 里找到讲解和代码模板。 按 references/ 里的编号顺序阅读，对照 scripts/ 里同名编号的脚本，把 换成自己的实际路径、样本名、参数后即可运行。 R ≥ 4.4，核心依赖 Seurat(v5)、SeuratObject、ggplot2、patchwork、dplyr、data.table；各阶段专用包（Bioconductor/GitHub来源较多）见对应 references/*.md 开头部分，脚本模板顶部也保留了安装命令（默认注释）。阶段13（pySCENIC）和阶段20（CellRanger）额外需要 Linux 服务器 + conda 环境。 脚本模板中的参数（QC阈值、PC数、resolution、双细胞比例、cluster→细胞类型映射等）来自原始教程数据集的经验值，，实际分析时务必结合自己数据的实际分布调整，不要直接照抄参数跑图。
README
单细胞转录组分析技能包 (Single-cell RNA-seq Analysis Skill)
基于 R + Seurat v5 的单细胞转录组分析全流程整理，涵盖从上游数据处理到下游功能分析的 22 个阶段。既可以作为 Claude Code 技能（Skill） 直接使用，也可以当作一份可复用的单细胞分析代码教程/模板库。
这是什么
这套内容最初来自个人整理的单细胞转录组分析教程代码，重新组织成：
- SKILL.md — 技能说明与 22 个阶段总览（Claude Code 会读取这个文件来理解何时/如何使用本技能）
references/— 每个阶段的讲解文档：做什么、为什么这么做、关键参数含义、常见坑scripts/— 每个阶段的可复用 R/Shell 脚本模板，原教程代码里写死的本地路径、样本名、cluster→细胞类型映射等已经替换成 ``，使用前需要根据自己的数据填入实际值
覆盖的分析阶段
| # | 阶段 | 工具/方法 |
|---|---|---|
| 1 | R 包安装 | CRAN / Bioconductor / GitHub |
| 2 | Seurat 对象结构 | Seurat |
| 3 | 读取单细胞数据 | 10X mtx/H5/RDS/CSV 等多种格式 |
| 4 | QC 质控 | 线粒体/血红蛋白比例、基因数、UMI数 |
| 5 | 双细胞检测 | DoubletFinder |
| 6 | 细胞周期评分 | Seurat CellCycleScoring |
| 7 | 标准化 | LogNormalize / SCTransform |
| 8 | 批次校正 + 聚类降维 | Harmony、clustree、UMAP/tSNE |
| 9 | 细胞类型自动注释 | SingleR |
| 10 | 细胞类型手动注释 | marker基因 + FindAllMarkers |
| 11 | 拟时序轨迹分析 | Monocle2 |
| 12 | 细胞间通讯分析 | CellChat |
| 13 | 转录因子调控网络 | pySCENIC |
| 14 | 多样本整合 | CCA / RPCA / JointPCA / Harmony |
| 15 | 拷贝数变异/恶性细胞识别 | copyKAT |
| 16 | 基因集打分 | ssGSEA (GSVA包) |
| 17 | 基因集打分 | AUCell |
| 18 | GO/KEGG 富集分析 | clusterProfiler |
| 19 | GSEA | clusterProfiler |
| 20 | 上游数据处理 | SRA下载/fastq-dump/CellRanger |
| 21 | 拟时序轨迹分析 | Monocle3 |
| 22 | 多组火山图 | 自定义 ggplot2 函数 |
怎么用
作为 Claude Code 技能
把这个仓库（或其中的 single-cell-analysis-skill 目录）放到 Claude Code 的 skills 目录下，之后在对应项目里提到单细胞转录组分析相关需求时，Claude 会自动读取本技能，帮你从对应的 references/ 和 scripts/ 里找到讲解和代码模板。
作为教程/代码库直接看
按 references/ 里的编号顺序阅读，对照 scripts/ 里同名编号的脚本，把 `` 换成自己的实际路径、样本名、参数后即可运行。
环境要求
R ≥ 4.4，核心依赖 Seurat(v5)、SeuratObject、ggplot2、patchwork、dplyr、data.table；各阶段专用包（Bioconductor/GitHub来源较多）见对应 references/*.md 开头部分，脚本模板顶部也保留了安装命令（默认注释）。阶段13（pySCENIC）和阶段20（CellRanger）额外需要 Linux 服务器 + conda 环境。
免责声明
脚本模板中的参数（QC阈值、PC数、resolution、双细胞比例、cluster→细胞类型映射等）来自原始教程数据集的经验值，不是普适的默认值，实际分析时务必结合自己数据的实际分布调整，不要直接照抄参数跑图。
推荐工具
换一个关键词，或者移除筛选条件。
安装
npx skillfish add wnian738/single-cell-analysis-skill