❝
在前一篇文章《单细胞测序分析（五）降维聚类&数据整合》中，我们深入探讨了单细胞RNA测序数据的降维聚类方法，以及如何整合不同实验或数据来源的数据，为后续分析提供了坚实的基础。本期，我们将进一步走进单细胞数据分析的另一个关键步骤——过滤双细胞。
什么是双细胞？
在单细胞RNA测序中，我们希望对每个单独的细胞进行测序分析。然而，在样本制备过程中，可能会出现多个细胞聚集在一起的现象，形成所谓的“双细胞”或“多细胞”。双胞的存在可能会对下游分析（如聚类、差异表达等）产生误导，因此在分析过程中识别和过滤双胞是一个重要的步骤。
为什么需要过滤双细胞？
双细胞会导致以下几个问题：
数据误差：两个细胞的基因表达信号混合，结果可能不代表任何一个单独细胞的真实情况。
降维聚类干扰：在降维和聚类分析中，双细胞的表达信息不稳定，会影响聚类结果，进而影响后续的细胞类型注释和功能分析。
增加噪音：双细胞会带来不必要的噪音，影响数据的清晰度和分析的精确度。
DoubletFinder 是一个用于在单细胞 RNA-seq 数据中检测双胞（doublets）的 R 包。它基于 Seurat 对象进行分析，并使用最近邻图（KNN）来识别潜在的双胞。以下是如何在 Seurat 对象 seob 上使用 DoubletFinder 的详细步骤。
