毫无疑问，Seurat流程是目前单细胞转录组数据分析的主流，但是我们在过去的五年都熟悉了它的V4版本的代码架构，在R语言的cran官网可以看到其历史更新情况：
- https://cran.r-project.org/src/contrib/Archive/Seurat/
最近三年都是V4的版本：
代码语言：javascript复制[ ] Seurat_4.0.0.tar.gz 2021-01-30 01:00 1.4M
[ ] Seurat_4.0.1.tar.gz 2021-03-18 07:30 1.4M
[ ] Seurat_4.0.2.tar.gz 2021-05-21 00:00 1.4M
[ ] Seurat_4.0.3.tar.gz 2021-06-10 23:20 1.4M
[ ] Seurat_4.0.4.tar.gz 2021-08-20 21:10 1.4M
[ ] Seurat_4.0.5.tar.gz 2021-10-17 22:30 1.4M
[ ] Seurat_4.0.6.tar.gz 2021-12-16 18:00 1.4M
[ ] Seurat_4.1.0.tar.gz 2022-01-14 19:32 1.4M
[ ] Seurat_4.1.1.tar.gz 2022-05-02 07:40 1.4M
[ ] Seurat_4.2.0.tar.gz 2022-09-22 00:50 1.4M
[ ] Seurat_4.2.1.tar.gz 2022-11-08 01:00 1.4M
[ ] Seurat_4.3.0.tar.gz 2022-11-19 00:30 1.4M
[ ] Seurat_4.4.0.tar.gz 2023-09-28 10:50 1.5M
我们依赖于这个V4的版本的Seurat流程做出来了大量的公共数据集的单细胞转录组降维聚类分群流程，100多个公共单细胞数据集全部的处理，链接：https://pan.baidu.com/s/1MzfqW07P9ZqEA_URQ6rLbA?pwd=3heo
但是最近其官方版本成为了V5，链接是：https://cran.r-project.org/web/packages/Seurat/index.html
代码语言：javascript复制Version: 5.0.0
Depends: R (≥ 4.0.0), methods, SeuratObject (≥ 5.0.0)
Imports: cluster, cowplot, fastDummies, fitdistrplus, future,
Published: 2023-11-04
Package source: Seurat_5.0.0.tar.gz
Windows binaries: r-devel: Seurat_5.0.0.zip, r-release: Seurat_5.0.0.zip, r-oldrel: Seurat_5.0.0.zip
同时还升级了 SeuratObject 也是V5了，这样的话如果新人开始学单细胞转录组技术分析流程，使用默认的安装代码，就默认安装了V5版本的SeuratObject 和Seurat，非常可怕！！！
- Seurat的默认的安装代码是从CRAN安装：
# 1 directly download from CRAN
# mirror for cran：
options(repos="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
install.packages("Seurat", repos="https://mirrors.ustc.edu.cn/CRAN/")
install.packages("Seurat")
library(Seurat)
这个SeuratObject 是Seurat的底层，所以必须一起弄：
- https://cran.r-project.org/web/packages/SeuratObject/index.html
- https://cran.r-project.org/src/contrib/Archive/SeuratObject/
而且可以看到都是V4版本，都是它的旧版本
代码语言：javascript复制[ ] SeuratObject_4.0.0.tar.gz 2021-01-15 09:50 146K
[ ] SeuratObject_4.0.1.tar.gz 2021-05-08 06:50 145K
[ ] SeuratObject_4.0.2.tar.gz 2021-06-09 11:20 145K
[ ] SeuratObject_4.0.3.tar.gz 2021-11-10 23:20 148K
[ ] SeuratObject_4.0.4.tar.gz 2021-11-23 21:00 149K
[ ] SeuratObject_4.1.0.tar.gz 2022-05-01 16:40 184K
[ ] SeuratObject_4.1.1.tar.gz 2022-08-29 21:50 190K
[ ] SeuratObject_4.1.2.tar.gz 2022-09-20 18:30 190K
[ ] SeuratObject_4.1.3.tar.gz 2022-11-07 19:50 185K
[ ] SeuratObject_4.1.4.tar.gz 2023-09-27 00:30 186K
首先卸载你默认安装的V5版本的SeuratObject 和Seurat
记住：卸载之前一定要重启你的r语言或者rstudio，或者保证你的当前环境下没有加载SeuratObject 和Seurat。
然后就可以简单的使用代码去卸载你默认安装的V5版本的SeuratObject 和Seurat：
代码语言：javascript复制remove.packages(“SeuratObject”)
remove.packages(“Seurat”)
如果你有rstudio软件，也可以在界面自己操作鼠标去卸载两个包。
然后安装旧版本的SeuratObject 和Seurat
- 安装旧版本的SeuratObject 和Seurat需要首先拿到网页链接地址，然后从网页安装
# 4 download from URL
packageurl <- "https://cran.r-project.org/src/contrib/Archive/SeuratObject/SeuratObject_4.1.4.tar.gz"
install.packages(packageurl, repos=NULL, type="source")
packageurl <- "https://cran.r-project.org/src/contrib/Archive/Seurat/Seurat_4.4.0.tar.gz"
install.packages(packageurl, repos=NULL, type="source")
上面的代码一定要记住顺序哦，而且， 如果他们安装的过程中有依赖包的缺失，就需要自己主动先安装那些缺失的包哈！
目前没有看到一定要用最新版Seurat的理由
本来呢以为这个 pseudobulking (AggregateExpression()) 是最新版才有的，详见：https://satijalab.org/seurat/articles/de_vignette
实际上，我之前也分享了：单细胞层面的表达量差异分析到底如何做，提到了pseudobulks方法，而且给出来了多种代码实现方式，详见：单细胞差异分析之pseudobulk的3种实现方法
如果你确实感兴趣，也欢迎读一下官方文档：https://satijalab.org/seurat/articles/essential_commands
我们就不代劳了，要不然到时候大家又批评我们是github文档翻译器。。。。
- Standard Seurat workflow
- Seurat Object Data Access
- Cell, feature, and layer names
- Identity class labels
- Cell metadata
- Expression data (stored as layers in Seurat v5)
- Dimensional reductions
- FetchData
- Subsetting and merging
- Subset Seurat objects
- Split layers
- Split objects
- Merge objects (without integration)
- Merge objects (with integration)
- Pseudobulk analysis
- Visualization in Seurat
- Multi-Assay Features
- Additional resources
文末友情宣传
强烈建议你推荐给身边的博士后以及年轻生物学PI，多一点数据认知，让他们的科研上一个台阶：
- 生物信息学马拉松授课（买一得五） ，你的生物信息学入门课
- 时隔5年，我们的生信技能树VIP学徒继续招生啦
- 144线程640Gb内存服务器共享一年仍然是仅需800
- 千呼万唤始出来的独享生物信息学云服务器
- 生信技能树知识整理实习生又又又开放申请啦（不招了，谢谢）
- 生信共享办公室出租
