数据与环境准备
BioF3 的每一章都配有可直接运行的 R 脚本。这一篇统一说明：每个脚本要什么数据、数据放在哪、怎么一次性装好所需的 R 包。
数据目录约定
所有脚本默认去同一个数据根目录里找数据，避免每个项目再重新下载：
~/biof3-data/
├── pbmc3k/ # 单细胞 module01~07 用
├── pbmc5k-citeseq/ # 单细胞 module07（CITE-seq 真实示例）用
└── pbmc10k-scatac/ # 单细胞 module10（scATAC-seq 真实示例）用
脚本里读这个路径的方式：
data_root <- Sys.getenv("BIOF3_DATA_DIR",
file.path(path.expand("~"), "biof3-data"))
pbmc_dir <- file.path(data_root, "pbmc3k")
怎么换位置：
# 临时：当次运行覆盖
BIOF3_DATA_DIR=/mnt/shared/biof3-data Rscript scripts/module03_complete_sci.R
# 长期：写进 shell 配置
echo 'export BIOF3_DATA_DIR=/mnt/shared/biof3-data' >> ~/.zshrc
数据清单
需要下载的数据
这三份数据由 10x Genomics 提供，前两份可以在笔记本上跑，scATAC 数据大一点、磁盘占用需要留意：
| 数据集 | 用在哪 | 体积 | 说明 |
|---|---|---|---|
| PBMC 3k | 单细胞 01 ~ 07、06 配套脚本、07 配套脚本 | ~35 MB | 10x Genomics 第一代示例，贯穿 scRNA-seq 主线 |
| PBMC 5k CITE-seq | 单细胞 07 CITE-seq 真实示例 | ~75 MB | RNA + 32 个抗体的 TotalSeq-B panel |
| PBMC 10k scATAC v2 | 单细胞 10 scATAC-seq 真实示例 | ~200 MB | peak matrix + singlecell.csv（不含 fragments） |
脚本会在首次运行时自动下载，之后缓存。如果想先一次性把三份都下好、之后离线跑，用下面的一键准备脚本。
用 Bioconductor 内置数据的模块
下面这些模块不需要手工下载任何数据，装好对应的 Bioconductor 包就能跑：
| 模块 | 用的数据包 |
|---|---|
| 单细胞 08 TCR/BCR | scRepertoire（自带 contig_list 和 scRep_example） |
| 单细胞 09 空间转录组 | SeuratData::stxBrain（首次 InstallData 一次，本地缓存） |
| bulk 02 DESeq2 / 03 富集 / 04 可视化 / 07 多工具对比 | airway |
| bulk 05 LRT 时间序列 | fission |
| bulk 06 批次效应 | bladderbatch + airway |
一键准备脚本
配套脚本 biof3_prepare_data.R 一次性完成：
- 检查 R 版本（推荐 R ≥ 4.3）
- 从 CRAN + Bioconductor 装所有脚本用到的 R 包
- 下载 PBMC 3k / 5k / 10k 三份数据到
~/biof3-data/ - 加载 SeuratData 的
stxBrain（空间转录组）
Rscript scripts/biof3_prepare_data.R
默认会把数据放在 ~/biof3-data/。换目录：
BIOF3_DATA_DIR=/mnt/shared/biof3-data Rscript scripts/biof3_prepare_data.R
脚本里每一步都是幂等的：装过的包、下过的数据不会重复下载。
R 包清单
按脚本粗分：
单细胞主线（module01~07）：Seurat、SeuratObject、Matrix、ggplot2、dplyr、patchwork、RColorBrewer
单细胞专题：
- module05 轨迹：
slingshot、RColorBrewer、viridis - module06 通讯：
CellChat（GitHubjinworks/CellChat）、patchwork - module07 CITE-seq：
Seuratv5 及以上（用到CreateAssay5Object） - module08 TCR/BCR：
scRepertoire - module09 空间：
SeuratData、stxBrain.SeuratData - module10 scATAC：
Signac、EnsDb.Hsapiens.v86、GenomicRanges
bulk RNA-seq：DESeq2、edgeR、limma、airway、fission、bladderbatch、sva、clusterProfiler、org.Hs.eg.db、enrichplot、DOSE、ggrepel、pheatmap、EnhancedVolcano、apeglm
biof3_prepare_data.R 会把这些全部装好。如果只跑某几章，按需装对应包即可。
国内网络的注意事项
几个国内环境下常见的坑，解决办法：
1. Bioconductor 主站直连有时慢
BiocManager::install() 默认用 Bioconductor 官方源。如果下载很慢，临时手动指定镜像：
options(
repos = c(
BioCsoft = "https://bioconductor.org/packages/3.22/bioc",
BioCann = "https://bioconductor.org/packages/3.22/data/annotation",
BioCexp = "https://bioconductor.org/packages/3.22/data/experiment",
CRAN = "https://mirrors.tuna.tsinghua.edu.cn/CRAN"
),
timeout = 600
)
install.packages("DESeq2")
上面这段写死了 BioC 版本（3.22 对应 R 4.5），也是 biof3_prepare_data.R 内置的 fallback。装完之后回到默认 BiocManager 继续用。
2. CellChat 不在 CRAN / BioC
GitHub 直接装：
# CRAN 上装依赖
install.packages(c("sna", "ggnetwork", "collapse"))
# GitHub 装 CellChat
if (!requireNamespace("devtools", quietly = TRUE)) install.packages("devtools")
devtools::install_github("jinworks/CellChat")
如果 devtools::install_github 连不上，从 https://codeload.github.com/jinworks/CellChat/tar.gz/HEAD 下 tarball 手动 R CMD INSTALL 也可以。
3. SeuratData 和 msigdbr 的数据服务器在海外
SeuratData::InstallData("stxBrain")约 136 MB，从 AWS 拉，可能慢msigdbr26.x 起从 Zenodo 拉数据，国内直连常超时。如果 bulk03 需要 MSigDB，临时换成clusterProfiler自带的 GO/KEGG 富集也完全够用
目录结构总览
把上面这些合起来，一个完整的学习环境长这样：
~/biof3-data/ # 数据（脚本共用）
├── pbmc3k/
├── pbmc5k-citeseq/
└── pbmc10k-scatac/
~/BioF3/ # 代码（git clone 或者直接下脚本）
├── scripts/
│ ├── biof3_prepare_data.R
│ ├── module01_complete_sci.R
│ ├── bulk02_deseq2_sci.R
│ └── ...
└── static/scripts/ # 和 scripts/ 内容一致，供下载使用
~/R/x86_64-apple-darwin20/4.3/ # R 包库（自动管理）
├── Seurat/
├── DESeq2/
└── ...
数据根目录和代码根目录完全分开，数据集换机器 / 换项目都能共享。
常见问题
Q：脚本一直在下载同一份数据
A：检查 ~/biof3-data/ 目录是否存在。脚本会用 file.exists() 检测是否已下载；如果你换了路径、删了缓存，它就会重新下。
Q：磁盘不够，能不能把数据放在外置硬盘
A：可以，把外置硬盘路径写进 BIOF3_DATA_DIR 即可，脚本会跟着去找。
Q：装一个包失败，整个脚本断了
A：biof3_prepare_data.R 每装一个包都用 tryCatch 包着，失败会打印 warning 但不会中断。装完最后会报告哪些包失败。
参考资源
离线资料下载
手册 HTML / PDF 已在后台预生成，点击后直接下载网站静态资源。