背景
单细胞RNA测序已成为揭示生物系统内细胞异质性的重要技术。随着高通量测序技术的持续发展，相关研究产生了海量复杂数据，给研究者的高效数据处理与分析带来巨大挑战。
jih003@sjtu.edu.cn
dushiyu@nimte.ac.cn
#数据分析平台 #网页工具 #机器学习 #单细胞RNA测序
研究方法
平台实现
图1 分析流程
用户提交的数据历经3个关键分析阶段：数据处理、细胞类型鉴定和下游分析。上述流程得到的可视化结果展示于平台前端页面。
图2 系统概览
SCSEQ主要由4大核心组件构成。视图层负责用户交互；控制层接收视图层的数据与参数，并传递至计算层执行算法或功能；数据层存储所有相关数据与任务记录。
结果与讨论
为解决该问题，本研究开发了交互式网页版生物信息学分析平台SCSEQ。该平台可让无编程基础的用户便捷地处理与分析测序数据。SCSEQ提供涵盖数据预处理、归一化、聚类、降维、差异表达分析、细胞类型鉴定及下游分析的完整工作流；下游分析包括基因富集分析、转录因子分析、细胞间通讯分析、拷贝数变异检测、轨迹推断和泛癌分析。平台支持不同工作流间的信息传递，兼容多种输入格式，可生成图表与表格形式的输出结果。作为一款易用型平台，SCSEQ通过详尽的参数设置与动态交互优化用户体验，支持用户精准调控研究流程、自定义结果图表；同时平台配备完整的使用手册，辅助用户完成参数配置与工作流运行。
SCSEQ与现有平台的基准测试
表1 SCSEQ与现有学术网页版单细胞分析平台的功能对比分析
✓和✗分别表示该网页服务器是否支持对应功能。
SCSEQ的优势
图3 任务信息对话框
该页面展示当前项目下的任务信息，并基于注释方法构建树形视图。
数据分析
图4 基础分析与细胞注释
（A）细胞筛选前后对比图；
（B）聚类结果可视化；
（C）CellTypist注释结果及细胞占比图；
（D）标记基因表格与点图可视化，单个基因在所有细胞群中的表达分布。
图5 高级分析
（A）B细胞的基因本体（GO）富集结果；
（B）基于CellChatDB的细胞间通讯分析；
（C）基于InferCNV的拷贝数变异分析；
（D）细胞及基因表达沿发育轨迹的动态变化。
图6 转录因子分析
（A）调控子活性在注释细胞类型中的点图；
（B）细胞群间平均调控子活性热图；
（C）IRF7调控子活性的UMAP可视化；
（D）IRF7调控子活性在不同细胞类型中的小提琴图。
图7 泛癌分析
（A）泛癌箱线图；
（B）CpG甲基化热图；
（C）基因-免疫浸润相关性热图；
（D）泛癌单因素Cox回归森林图；
（E）泛癌Kaplan-Meier生存分析。
结论
SCSEQ为单细胞转录组测序数据分析提供了直观便捷的解决方案。该平台已在真实数据上完成全流程分析，结果可靠，具备实际应用价值。
访问与开源
在线平台
https://scseq.com.cn/
开源地址
https://github.com/knight-spc/SCSEQ
要点
SCSEQ为单细胞转录组数据分析提供无代码分析流程，可实现从原始数据到发表级可视化结果的全流程处理。
高度集成的系统支持灵活的参数微调与实时交互式可视化，保障下游数据分析的可靠性。
支持基于用户数据集训练模型完成细胞类型注释。
基于检索增强生成（RAG）技术的大语言模型可优化细胞类型注释效果。
详细总结
思维导图
与同类平台功能对比
参考
Gigascience. 2026 Jan 21:15:giag029. doi: 10.1093/gigascience/giag029.
SCSEQ: A web tool for analyzing single-cell RNA-seq data
260121SCSEQ.pdf
注：AI辅助创作，如有不当欢迎指出。内容仅供参考，不构成任何建议。
