单细胞基因集评分实战：从AddModuleScore到irGSEA，8种可视化方法深度解析

1. 单细胞基因集评分入门：为什么需要它？

刚接触单细胞数据分析时，我经常被一个问题困扰：如何判断某个功能基因集（比如缺氧响应通路）在特定细胞亚群中是否活跃？传统差异表达分析只能看单个基因，而生物学功能往往由多个基因协同完成。这就是基因集评分技术的用武之地——它能把一组基因的表达信号整合成单个数值，直观反映通路活性。

举个例子，在研究肿瘤微环境时，我们可能关注"上皮间质转化（EMT）"相关基因集在恶性细胞中的活跃程度。用AddModuleScore计算后，每个细胞会得到一个EMT评分，数值越高表示EMT特征越明显。这种评分比单纯看单个基因（如SNAI1）更可靠，因为生物过程通常涉及多个基因的协同调控。

2. 基础工具：Seurat的AddModuleScore详解

2.1 算法原理拆解

AddModuleScore的工作流程就像做菜时的"调味取样"：首先把基因按表达量从高到低排序（相当于把调料按浓度排列），然后将排序后的基因分成24个区间（类似把调料分成若干组）。对于目标基因集里的每个基因，系统会从相同表达区间的其他基因中随机抽取对照基因（相当于取相似浓度的其他调料作对比），最后用目标基因与对照基因的表达差异来计算评分。

实际操作时常见这个报错：

Error in AddModuleScore(object = seurat_obj, features = gene_list) : 
  could not find function "AddModuleScore"

这通常是因为忘记加载Seurat包，简单运行library(Seurat)即可解决。

2.2 参数配置实战

关键参数features支持三种输入形式：

• 字符向量：c("GeneA", "GeneB", "GeneC")
• 命名列表：list(Pathway1 = c("GeneA","GeneB"), Pathwa