SoupX 使用说明文档

作者: SeekGene

时长: 4 分钟

字数: 1.1k 字

更新: 2026-10-13

阅读: 0 次

模块简介

SoupX 是用于去除单细胞转录组数据中环境 RNA 污染 (ambient RNA contamination) 的分析模块。

在液滴法单细胞测序中，部分细胞会在解离、建库过程中破裂，释放出游离 mRNA，这些游离 mRNA 悬浮在细胞悬液中并被所有液滴一起捕获，导致一些基因在几乎所有细胞里都出现假阳性高表达，干扰下游的细胞聚类、注释和差异分析。

SoupX 利用空液滴 (empty droplets) 中的游离 RNA 信息，结合聚类结果，估算出每个细胞中混入的环境 RNA 比例，并对表达矩阵进行校正，得到更干净的计数矩阵，从而提高下游分析的准确性。

---

分析原理

1. 估算环境背景谱：从空液滴 (nUMI < 10) 中统计每个基因的计数占比，得到环境 RNA 的基因指纹。
2. 估算污染率 rho：利用聚类结果找到各 cluster 的特异性 marker 基因，对其他 cluster 细胞中这些 marker 的观测计数做回归，估计全局污染比例。
3. 校正表达矩阵：对每个细胞每个基因，减去「污染率 × 细胞总 UMI × 该基因在环境中的占比」对应的环境计数，取整得到干净矩阵。

---

适用场景

• 液滴法单细胞转录组测序数据。
• 组织解离困难、含大量易裂解细胞（中性粒细胞、红细胞、巨噬细胞等）的样本。
• FFPE（石蜡包埋）样本，因降解和破碎，环境 RNA 污染往往更明显。
• 需要在下游聚类、注释、差异分析之前去除背景噪声的场景。
• 同时支持普通单细胞、空间转录组和 ATAC + RNA 双组学数据。

---

云平台参数说明

参数总览

参数	是否必填	含义
分析流程	必填	固定为 SoupX
任务名称	必填	对应任务列表中的任务名称。
样本信息	必填	输入样本名称，其余信息（分析批次编号、 文件OSS 路径）自动填充；一个样本可能存在多个分析批次，注意核对
Rho	选填	环境 RNA 污染率，手动指定后跳过自动估计
描述	选填	任务描述或说明

关键参数详解

Rho（污染率）

• 取值范围理论为 [0, 1]，表示每个细胞测到的 UMI 中来自环境游离 RNA 的比例。
• 建议不填：留空时模块自动估计 ，估计值会被裁剪到 [0.01, 0.8]。
• 若自动估计报错，则回退使用默认值 0.2。
• 手动填写后，将直接使用用户指定值，不再自动估计。

---

结果使用方法

1. 核对污染率是否合理：查看 soupx_rho_info.tsv 中的 rho 值，正常数据通常在 0.02 ~ 0.2 之间。
2. 评估去污效果：查看 soupx_qc_delta.tsv，确认清洗后 nCount 与 nFeature 的下降幅度合理、percent.mt 是否下降。
3. 核查污染来源：查看 <样本名>_soupx_ambient_top.tsv，若 Top 基因以线粒体、血红蛋白、核糖体等高污染基因为主，说明去污方向正确。
4. 下游分析直接使用校正后 RDS：分析完成的数据在“云平台——资源总览——我的数据”下，核对结果后可以直接创建流程进行分析。

---

注意事项

1. rho 建议留空：留空走自动估计更贴合数据本身，手动指定需谨慎，rho 过大会过度扣除表达信号。
2. 一次任务仅支持单一数据类型：空间、多组学、普通单细胞数据不能混在同一个任务里。
3. SoupX 只校正计数、不删细胞：校正前后的细胞数量一致，如需去除低质量细胞应在后续 QC 步骤另行处理。
4. 自动估计的 rho 被限制在 [0.01, 0.8]：若自动估计失败会回退到 0.2，此时结果表「是否回退默认 0.2」会标记为「是」，需关注数据质量。
5. FFPE 样本污染通常偏高：FFPE 数据环境 RNA 较多，若 rho 估计偏高属正常现象，但需结合 QC 变化表判断校正是否合理。