单细胞数据挖掘实战：文献复现（一）批量读取数据

生信开荒牛

12022.07.28 11:24:52字数 343阅读 764

最近开始接触单细胞数据，网上也有很多学习资料，琳琅满目，我也挑了一些视频资料进行学习，不过感觉还是需要进行实战训练才能更好地掌握这些知识，所以选了一篇2021年发表在nature communications的文章进行学习。

文献：

Single-cell RNA sequencing reveals functional heterogeneity of glioma-associated brain macrophages

GSE：GSE136001

一、数据下载并整理

下载数据：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE136001

1.png

2.png

整理数据

每个样本都有barcodes, features和matrix三个文件，这是cellranger的标准三个文件。

每个样本单独新建一个文件，由于文章需要区分性别和组别，所以命名如下图。

每个样本里的三个文件分别重命名如下图。（Read10X函数读取必需这样命名才能读入）

3.png

上面的操作也可以通过下面的R代码来实现

fs = list.files('./GSE136001_RAW/',pattern = '^GSM')samples <- substr(fs,1,10)lapply( unique(samples), function(x){ y = fs[grepl(x,fs)] folder = paste0('./GSE136001_RAW/',strsplit(y[1],split = '-f')[[1]][1]) #创建文件夹 dir.create(folder,recursive = T) #重命名子文件夹并移动到相应的文件夹中 file.rename(paste0('./GSE136001_RAW/',y[1]),file.path(folder,"barcodes.tsv.gz")) file.rename(paste0('./GSE136001_RAW/',y[2]),file.path(folder,"features.tsv.gz")) file.rename(paste0('./GSE136001_RAW/',y[3]),file.path(folder,"matrix.mtx.gz"))})

二、读入数据

加载R包

if(!require(BiocManager)) install.packages("BiocManager",update = F,ask = F)if(!require(Seurat))install.packages("Seurat")if(!require(Matrix))install.packages("Matrix")if(!require(ggplot2))install.packages("ggplot2")if(!require(cowplot))install.packages("cowplot")if(!require(magrittr))install.packages("magrittr")if(!require(dplyr))install.packages("dplyr")if(!require(purrr))install.packages("purrr")

介绍两种方式读取原始数据（来自 cellranger 的基因/细胞计数矩阵）

一、Read10X函数批量读取

samples <- dir(path="./GSE136001_RAW/", pattern="^GSM")for (i in samples){ assign(paste0("samples_raw_data", i), Read10X(data.dir = paste0("./GSE136001_RAW/", i)))}

二、通过barcodes, features和matrix三个文件进行批量读取

samples <- dir(path="./GSE136001_RAW/", pattern="^GSM", full.names=T, recursive=T, include.dirs=T)samples_raw_data <- lapply(samples, function(s) { matrix_dir = s # 设置barcodes, features和matrix三个文件的路径 barcode_path <- paste0(matrix_dir, "/", "barcodes.tsv.gz") features_path <- paste0(matrix_dir, "/", "features.tsv.gz") matrix_path <- paste0(matrix_dir, "/", "matrix.mtx.gz") # 读取表达矩阵，基因名和barcodes mat <- readMM(file = matrix_path) feature_names = read.delim(features_path, header = FALSE, stringsAsFactors = FALSE) barcode_names = read.delim(barcode_path, header = FALSE, stringsAsFactors = FALSE) # 设置行名和列名 colnames(mat) = barcode_names$V1 rownames(mat) = feature_names$V2 # V1 - ENSMUSG, V2 - gene_names # 输出gene/cell表达矩阵（行名为基因名，列名为细胞 mat})names(samples_raw_data) <- substr(samples, 17, nchar(samples))

7人点赞

单细胞学习

更多精彩内容，就在简书APP

"小礼物走一走，来简书关注我"

共1人赞赏

生信开荒牛生信小白一枚，我不是牛人，我只是一头开荒牛，希望大家能在我的学习基础上更进一步，共同提高！

总资产40共写了1.6W字获得133个赞共120个粉丝