3步快速上手scMetabolism：单细胞代谢分析完整指南

scMetabolism是一个专门用于在单细胞分辨率下量化代谢活性的R包，支持人类scRNA-seq数据的代谢活性量化和可视化分析。本文将为单细胞分析初学者提供完整的安装、分析和可视化教程。

1. 环境准备与安装

安装必要依赖包

首先确保安装所有必需的依赖包：

install.packages(c("devtools", "data.table", "wesanderson", "Seurat", "AUCell", 
                   "GSEABase", "GSVA", "ggplot2", "rsvd"))

安装VISION包

devtools::install_github("YosefLab/VISION@v2.1.0")

安装scMetabolism

devtools::install_github("wu-yc/scMetabolism")

2. 数据准备与代谢活性量化

加载示例数据

从官方提供的PBMC单细胞数据集开始：

library(scMetabolism)
library(ggplot2)
library(rsvd)

# 加载示例数据（需提前下载pbmc_demo.rda）
load(file = "pbmc_demo.rda")

代谢活性量化分析

使用AUCell方法进行代谢活性量化：

countexp.Seurat <- sc.metabolism.Seurat(
  obj = countexp.Seurat, 
  method = "AUCell", 
  imputation = FALSE, 
  ncores = 2, 
  metabolism.type = "KEGG"
)

参数说明：

• method：支持VISION、AUCell、ssgsea、gsva四种算法
• imputation：是否进行数据插补处理
• ncores：并行计算线程数
• metabolism.type：KEGG（85条通路）或REACTOME（82条通路）

提取代谢评分矩阵

metabolism.matrix <- countexp.Seurat@assays$METABOLISM$score

3. 代谢可视化分析

降维可视化展示

单细胞代谢活性在UMAP降维空间中的分布

DimPlot.metabolism(
  obj = countexp.Seurat, 
  pathway = "Glycolysis / Gluconeogenesis", 
  dimention.reduction.type = "umap", 
  dimention.reduction.run = FALSE, 
  size = 1
)

代谢通路点图分析

不同细胞群体中代谢通路的活性比较

input.pathway <- c("Glycolysis / Gluconeogenesis", 
                   "Oxidative phosphorylation", 
                   "Citrate cycle (TCA cycle)")

DotPlot.metabolism(
  obj = countexp.Seurat, 
  pathway = input.pathway, 
  phenotype = "ident", 
  norm = "y"
)

代谢活性箱线图

代谢通路在不同细胞类型中的活性分布统计

BoxPlot.metabolism(
  obj = countexp.Seurat, 
  pathway = input.pathway, 
  phenotype = "ident", 
  ncol = 1
)

技术要点总结

1. 方法选择：AUCell方法适合大多数场景，VISION作为默认方法提供更全面的分析
2. 数据质量：高质量的单细胞数据是获得准确代谢评分的关键
3. 并行计算：合理设置ncores参数可显著提升分析速度
4. 通路选择：KEGG数据库包含85条代谢通路，REACTOME包含82条通路

通过这三个简单步骤，即使是单细胞分析新手也能快速掌握scMetabolism的使用方法，实现对单细胞代谢活性的精准量化和可视化分析。