2026版单细胞测序scRNA-seq入门实战（十六）：AUCell基因集活性分析——给每个细胞的“基因程序”打分

本节概览：

AUCell简介：了解AUCell的核心思想及其与常规差异/富集分析的本质区别。
为什么单细胞需要AUCell：解析单细胞数据稀疏性背景下基因集活性评分的独特价值。
数据准备：从Seurat对象出发，准备表达矩阵与自定义基因集。
核心分析：构建基因排序 → 计算AUC分数两步流程。
结果可视化：使用Seurat原生VlnPlot和FeaturePlot展示基因集活性。
结果解读：如何从AUC分数中识别细胞类型特异激活的基因程序。

在前几节中，我们完成了细胞注释、差异分析和功能富集，回答了“细胞是什么”“差异基因有哪些”等问题。但在实际研究中，常遇到更具体的需求：“某个基因集在哪些细胞中活跃？”

AUCell 通过在每个细胞内对基因独立排序，评估目标基因集在排序列表中的富集位置，为每个细胞计算一个活性分数，从而解决该问题。

本文将从已注释的Seurat对象出发，使用纯R语言完成AUCell分析的完整流程，并直接用Seurat内置的VlnPlot和FeaturePlot 进行可视化。

一、AUCell的核心思想

1.1 什么是“基因集活性”？

在单细胞数据中，我们关心的是：某个预定义的基因集合（如某个通路的全部基因、某个细胞类型的标志基因、某个转录因子的靶基因等）在单个细胞中是否整体高表达。

这与常规的“差异表达”不同——差异表达关心的是单个基因在不同细胞间的表达差异；而基因集活性关心的是一组基因在单个细胞内部的整体表达趋势。

1.2 AUCell的工作原理

AUCell的核心算法分为三步：

第一步：对每个细胞内部的基因进行排序

对于每个细胞，将所有基因按照表达量从高到低排序。这个排序完全在细胞内部进行，不涉及细胞间的比较。

第二步：评估基因集在排序列表中的位置

对于每个目标基因集（如“小胶质细胞标志基因”），检查该基因集中的基因在排序列表中的分布位置。如果这些基因集中出现在列表的前列（高表达区域），说明该基因集在该细胞中活跃。

第三步：计算恢复曲线下面积（AUC）

AUCell通过计算恢复曲线（recovery curve） 下的面积来量化这种富集程度。AUC值越高，代表该基因集在该细胞中的激活程度越高。

二、准备工作：安装与加载R包

2.1 安装AUCell

# AUCell安装
# 通过BiocManager安装
if (!requireNamespace("BiocManager", quietly = TRUE)) {
  install.packages("BiocManager")
}
BiocManager::install("AUCell")

2.2 加载R包与数据

# 1. 加载R包
rm(list = ls())
library(Seurat)
library(ggplot2)
library(dplyr)
library(AUCell)          # 核心包
# 2. 读取数据
scRNA <- readRDS("4_scRNA_celltype.rds")

# 查看细胞类型
table(scRNA$cell_type)

数据简介：该数据集包含小鼠中枢神经系统的多种细胞类型，包括神经元（Neuron）、星形胶质细胞（Astrocyte）、少突胶质前体细胞（OPC）、小胶质细胞（Microglia）等。

三、准备基因集

AUCell的输入之一是需要评估的基因集。我们可以直接定义自己关注的基因集，比如细胞类型标志基因：

# 自定义基因集

my_gene_sets <- list(
  "Neuron_Markers" = c("Rbfox3", "Tubb3", "Stmn2", "Snap25", "Syp"),
  "Astrocyte_Markers" = c("Aqp4", "Gfap", "Slc1a3", "Aldh1l1", "Agt"),
  "Microglia_Markers" = c("Cx3cr1", "P2ry12", "Tmem119", "Cd68", "Aif1"),
  "OPC_Markers" = c("Pdgfra", "Cspg4", "Olig2", "Sox10", "Nkx2-2")
)

# 查看基因集
names(my_gene_sets)

四、核心分析：AUCell两步流程

4.1 提取表达矩阵并构建基因排序

# 提取标准化表达矩阵
# 从Seurat对象提取log-normalized数据
expr_mat <- GetAssayData(scRNA, assay = "RNA", layer = "data")

# 确保矩阵格式：基因为行，细胞为列
dim(expr_mat)
# 构建基因排序（核心步骤1）

# AUCell_buildRankings 对每个细胞内部的基因进行排序
cells_rankings <- AUCell_buildRankings(
  expr_mat,
  plotStats = TRUE,        # 显示排序统计信息
  splitByBlocks = TRUE     # 分块处理，节省内存
)

# 查看排序对象
cells_rankings

这一步做了什么？

对每个细胞，将所有基因按表达量从高到低排序
存储排序结果供后续使用
plotStats = TRUE 会显示一个统计图，帮助评估数据质量

4.2 计算AUC分数

# 计算AUC分数（核心步骤2）
cells_AUC <- AUCell_calcAUC(
  geneSets = my_gene_sets,
  rankings = cells_rankings,
  nCores = 1,
  aucMaxRank = nrow(cells_rankings) * 0.1  # 使用前10%的基因
)

# 提取AUC矩阵（基因集 × 细胞）
auc_matrix <- getAUC(cells_AUC)
dim(auc_matrix)  # 基因集数 × 细胞数

aucMaxRank参数说明：

默认使用排序列表中前5% 的基因来计算AUC
本教程设置为 前10%（nrow(cells_rankings) * 0.1），可以根据你的生物学问题调整
如果基因集较小，可以提高此值以捕获更多信号；如果基因集较大，可以降低此值以增强特异性

4.3 将AUC分数添加到Seurat对象

为了方便直接使用Seurat的可视化函数，我们将AUC矩阵添加到metadata中：

# 将AUC分数添加到metadata
# 转置AUC矩阵（行为细胞，列为基因集）
AUC_matrix_t <- t(getAUC(cells_AUC))

# 添加为meta.data
scRNA <- AddMetaData(scRNA, metadata = as.data.frame(AUC_matrix_t))

# 检查新增的列
head(scRNA@meta.data)

现在，每个基因集的AUC分数都作为一列存在于 scRNA@meta.data 中，可以直接用于可视化。

五、结果可视化

5.1 小提琴图：展示基因集在不同细胞类型中的活性分布

使用Seurat自带的VlnPlot，直接在metadata列上绘图：

dir.create("AUCell")
setwd("AUCell")
# 小提琴图：各基因集在不同细胞类型中的AUC分布
# 直接使用VlnPlot，features为基因集名称，group.by为细胞类型
p1<-VlnPlot(scRNA, 
        features = names(my_gene_sets), 
        group.by = "cell_type",
        ncol = 2,                  # 2列分面
        pt.size = 0,               # 不显示点（可选）
        combine = TRUE) + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))
ggsave("AUCell_violin_plot.pdf", p1,width = 10, height = 6)

小提琴图解读：

每个基因集一个小提琴分面，横轴为细胞类型，纵轴为该基因集的AUC分数
预期结果：Neuron_Markers 应在神经元中AUC最高，Astrocyte_Markers 应在星形胶质细胞中最高，以此类推
这直接验证了你的细胞类型注释的合理性

5.2 FeaturePlot：在UMAP上展示基因集活性

将AUC分数映射到UMAP空间，直观看到基因程序在组织中的分布：

# FeaturePlot展示单个基因集的活性
# 选择感兴趣的基因集（如小胶质细胞标志基因）
p2<-FeaturePlot(scRNA, 
            features = "Microglia_Markers", 
            order = TRUE, 
            cols = c("grey90", "red")) +
  ggtitle("Microglia Marker Gene Set Activity")
ggsave("AUCell_FeaturePlot_Microglia.pdf", p2,width = 8, height = 6)
# 展示多个基因集
p3<-FeaturePlot(scRNA, 
            features = names(my_gene_sets), 
            order = TRUE, 
            cols = c("grey90", "red"),
            ncol = 2)
ggsave("AUCell_FeaturePlot_all.pdf", p3,width = 10, height = 8)

FeaturePlot解读：

颜色越红，表示该基因集在该细胞中的活性越高
观察活性热点是否与特定细胞群重叠

六、结果解读与生物学意义

6.1 从小提琴图看基因集特异性

检查每个基因集的AUC分数是否在对应的细胞类型中最高
如果某个标志基因集的AUC分布在多种细胞类型中都很高，说明该基因程序可能不是完全特异的

6.2 从FeaturePlot看基因集的空间分布

某个基因集的AUC热点是否与特定细胞群重叠？
如果重叠，说明该基因程序在该细胞群中被特异激活
这可以帮助发现新的细胞亚群或功能状态

6.3 活性 vs 表达量：为什么不一样？

可能会发现：某个基因在细胞类型A中的表达量并不高，但其基因集的AUC分数却很高。这是完全正常的——因为AUC分数是基于一组基因的整体排名计算的，反映的是该基因程序的集体激活状态而非单个基因的丰度。

💡 重要提示：AUCell提供的是基因集水平的活性，而非单个基因的表达量。这对于理解细胞功能状态至关重要。

七、常见问题与注意事项

7.1 AUCell运行很慢怎么办？

减少基因数量：过滤低表达基因（在<3个细胞中表达的基因）
减少细胞数量：随机抽样500-1000个细胞进行探索性分析
设置splitByBlocks = TRUE：分块处理，节省内存
使用nCores参数：设置多核并行

7.2 基因集太大或太小怎么办？

太大（>5000基因）：AUCell的富集信号可能被稀释，考虑使用更特异的基因集
太小（<10基因）：统计效力不足，建议合并相关基因集或使用其他方法

7.3 Seurat v5兼容性

本教程使用 layer = "data" 来提取表达矩阵，兼容Seurat v5。

八、总结

至此，我们完成了从Seurat对象到AUCell基因集活性分析的完整流程：

步骤	函数/操作	输出
准备基因集	自定义列表	基因集列表
构建排序	`AUCell_buildRankings()`	排序对象
计算AUC	`AUCell_calcAUC()`	AUC矩阵（基因集×细胞）
添加metadata	`AddMetaData()`	每个细胞都有AUC分数
小提琴图	`VlnPlot()`	基因集在细胞类型中的分布
空间分布	`FeaturePlot()`	基因集活性在UMAP上的分布

在单细胞研究中，AUCell填补了“如何评估基因集在单个细胞中的活性” 这一分析空白。它直接回答“这个基因程序在哪些细胞中被激活” 这一核心生物学问题。

这里是两栖生物手册，中科院生物医学博士，持续记录生物医学实验和生物信息学笔记，干湿结合两不误～正努力成为最贴心负责的生信数据分析者和实验技术分享者，欢迎大家关注～