东方天意单细胞分析环境

要解决的具体问题

Seurat 的标准单细胞流程看起来直接，但环境准备很容易在非交互场景翻车：桌面应用、CI 子进程或未初始化的 shell 里，conda 可能已安装却没有出现在 PATH；即使执行了激活，后续自动调用也可能没有真正更新环境，导致编译型依赖报 x86_64-conda-linux-gnu-cc: not found。另一个常见问题是 install.packages() 即使安装失败也返回成功，若只检查退出码，会误以为核心包已经可用。

这个技能面向「只想跑标准 Seurat pipeline」的场景，而不是把单细胞分析全家桶一次装齐。

技能如何工作

技能先定位真实的 Conda 可执行文件，并把路径固定为 CONDA_EXE，后续自动化步骤都用该绝对路径，而不是依赖 shell 初始化或交互式 conda activate。若系统中存在 Conda，但 PATH、CONDA_EXE 和登录 shell 配置都没有指向它，技能不会全盘扫描或猜目录，而是向用户索要可执行文件路径并用版本命令确认。

确认 Conda 后，技能使用独立环境名 scrnaseq-lite，避免与用户已有的完整 scrnaseq 环境冲突。接着配置 R，并只安装标准流程需要的最小集合：Seurat、SeuratObject、ggplot2、patchwork、dplyr。每一步都要求验证完成状态，尤其是 R 包安装后会通过已安装包清单复核，而不是只看退出码。

适用边界与注意点

它覆盖的是 QC → normalize → PCA → cluster → UMAP → marker genes → plot 这条主链，适合标准 Seurat 工作流和轻量复现。它主动跳过了 harmony/batchelor 等批次校正、monocle3/slingshot/tradeSeq 等轨迹推断、DoubletFinder 等双胞检测、SingleR/scmap 等注释、DESeq2/edgeR/limma 等 bulk DE、clusterProfiler/fgsea/GSVA/enrichR 等富集、CellChat 细胞通讯，以及 scran/scater/scuttle、Python/scanpy 和示例数据。

如果后续需要这些能力，应转向完整的 create-singlecell-env，或在 scrnaseq-lite 中按需补装对应包；不要把它当成通用的单细胞分析底座。