作为单细胞分析最常用的R包，Seurat给分析人员提供了尽可能多的帮助。

这一篇先总结Seurat的数据结构。

版本：3.1.5

直接输入Seurat object的名称，我们可以得到类似如下内容：

An object of class Seurat 13425 features across 39233 samples within 1 assay 

Active assay: RNA (13425 features, 3000 variable features) 3 dimensional reductions calculated: pca, umap, tsne

这个告诉我们当前对象主体是13425（基因数）*39233（细胞数）的矩阵，有一个叫RNA的assay，在这个assay中，我们选择了3000个基因作为variable features（一般用来计算PCA），计算了三种降维：PCA, UMAP, t-SNE。

Assay

The Assay object is the basic unit of Seurat; each Assay stores raw, normalized, and scaled data as well as cluster information, variable features, and any other assay-specific metadata. Assays should contain single cell expression data such as RNA-seq, protein, or imputed expression data.

默认情况下，我们的seurat对象中是一个叫RNA的Assay。在我们处理数据的过程中，做整合（integration），或者做变换（SCTransform），或者做去除污染（SoupX），或者是融合velocity的数据等，我们可能会生成新的相关的Assay，用于存放这些处理之后的矩阵。在之后的处理中，我们可以根据情况使用指定Assay下的数据。不指定Assay使用数据的时候， Seurat给我们调用的是Default Assay下的内容。可以通过对象名@active.assay查看当前Default Assay，通过DefaultAssay函数更改当前Default Assay。Assay数据中，counts为raw，data为normalized，scale为scaled。

调用Assay中的数据的方式为，以调取一个名为PBMC的Seurat对象中Assay integrate中的nomalized数据为例：

PBMC@assays$RNA@data

meta.data

元数据，对每个细胞的描述。一般计算的nFeature_RNA等信息就以metafeature的形式存在Seurat对象的metadata中。计算的分类信息一般以RNA_snn_res.x（x指使用的resolution）存放在metadata中。

调取metadata中metafeature值的方式有多种，以调取一个名为PBMC的对象中stim这个metafeature为例：

方法1：PBMC[["stim"]]

方法2：PBMC$stim

reductions

降维之后的每个细胞的坐标信息。

以调取一个名为PBMC的对象中PCA embedding (也就是坐标)信息为例：

PBMC@[email protected]

rownames(object) 获取的是全部基因

colnames(object)获取的是全部细胞id

VariableFeatures(object)获取当前object的Variable feature

levels(object)获取当前object的分类信息