前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >cellranger分析单细胞测序数据

cellranger分析单细胞测序数据

作者头像
生信编程日常
发布2020-04-01 16:04:20
1.3K0
发布2020-04-01 16:04:20
举报

一般从公司拿到单细胞测序原始数据是这样的:

image.png

因此第一步就需要把这些数据按照I1 R1 R2 用zcat追加起来

for i in `ls rawdata/Day1/*gz|cut -d '/' -f3 | cut -d '_' -f 1,2,3 |sort |uniq`;

do
        zcat rawdata/Day1/${i}_I1_001.fastq.gz >> mergedata/Day1/Day1_S1_L001_I1_001.fastq
        zcat rawdata/Day1/${i}_R1_001.fastq.gz >> mergedata/Day1/Day1_S1_L001_R1_001.fastq
        zcat rawdata/Day1/${i}_R2_001.fastq.gz >> mergedata/Day1/Day1_S1_L001_R2_001.fastq
done

cellranger的数据输入为存储数据的文件夹,如:

image.png

注意文件的名字一定命名为: subject1_S1_L001_R1_001.fastq.gz的格式,否则会报错。

cellranger的用法:https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/latest/using/count 制作注释文件https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/latest/advanced/references#mkref 人的和小鼠的注释文件可以从10X官网下载,我这里用的大鼠的需要自己制作。

cellranger count --id=Day1 \
#fastq文件目录
--fastqs=fastq/ \
#注释文件
--transcriptome=cellranger_rn6 \
--sample=Day1 \
--localcores=10

从cellranger得到表达矩阵就可以导入Seurat分析啦

欢迎关注~

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档