如何优雅的给单细胞转录组fastq文件改名

生信技能树

发布于 2023-02-27 21:39:37

1.4K0

发布于 2023-02-27 21:39:37

文章被收录于专栏：生信技能树

一般来说，10X技术的单细胞转录组每个样品最好是有3个fq文件，分别是I1,R1,R2，其中I1理论上也可以抛弃，但是呢，很多情况下，我们同一个样品会有多个R1,R2，因为测序的时候的上机的安排:

就面临改名的问题。比如：

touch {A..X}_S1_L001_R1_001.fastq.gz {A..X}_S1_L001_R2_001.fastq.gz
ls *gz|cat |head

A_S1_L001_R1_001.fastq.gz
A_S1_L001_R2_001.fastq.gz
B_S1_L001_R1_001.fastq.gz
B_S1_L001_R2_001.fastq.gz
C_S1_L001_R1_001.fastq.gz
C_S1_L001_R2_001.fastq.gz
D_S1_L001_R1_001.fastq.gz
D_S1_L001_R2_001.fastq.gz

这个时候假设我们的 A,B,C,D四个fq文件其实是同一个病人的10x，就需要改名；

首先，我们使用如下所示的R代码来模拟的一个情况是：6个病人的样品，但是有24个fq文件：

df = data.frame(patients=paste0('p',rep(1:6,each=4)),
           samples=LETTERS[1:24])
df

每个fq文件都是独立的：

> df
   patients samples
1        p1       A
2        p1       B
3        p1       C
4        p1       D
5        p2       E
6        p2       F
7        p2       G
8        p2       H
9        p3       I
10       p3       J
11       p3       K
12       p3       L

我们其实是需要改名的，代码如下所示：


s=0
p='p1'
apply(df,1,function(x){
  raw=paste0(x[2],'_S1_L001_R1_001.fastq.gz')
 # ifelse(x[1]==p,s=s+1,s=0)
  if(x[1]==p){
    s<<-s+1
  }else{
    s <<- 1
    p <<- x[1]
  }
  print(p)
  new=paste0(x[1],'_S',s,'_L001_R1_001.fastq.gz')
  paste0('mv ',raw," ", new)
})

可以看到，修改名字很成功：

[1] "mv X_S1_L001_R1_001.fastq.gz p6_S4_L001_R1_001.fastq.gz"
 [1] "mv A_S1_L001_R1_001.fastq.gz p1_S1_L001_R1_001.fastq.gz"
 [2] "mv B_S1_L001_R1_001.fastq.gz p1_S2_L001_R1_001.fastq.gz"
 [3] "mv C_S1_L001_R1_001.fastq.gz p1_S3_L001_R1_001.fastq.gz"
 [4] "mv D_S1_L001_R1_001.fastq.gz p1_S4_L001_R1_001.fastq.gz"
 [5] "mv E_S1_L001_R1_001.fastq.gz p2_S1_L001_R1_001.fastq.gz"
 [6] "mv F_S1_L001_R1_001.fastq.gz p2_S2_L001_R1_001.fastq.gz"
 [7] "mv G_S1_L001_R1_001.fastq.gz p2_S3_L001_R1_001.fastq.gz"
 [8] "mv H_S1_L001_R1_001.fastq.gz p2_S4_L001_R1_001.fastq.gz"
 [9] "mv I_S1_L001_R1_001.fastq.gz p3_S1_L001_R1_001.fastq.gz"
[10] "mv J_S1_L001_R1_001.fastq.gz p3_S2_L001_R1_001.fastq.gz"
[11] "mv K_S1_L001_R1_001.fastq.gz p3_S3_L001_R1_001.fastq.gz"
[12] "mv L_S1_L001_R1_001.fastq.gz p3_S4_L001_R1_001.fastq.gz"

把同一个样品会有多个R1,R2，修改为同样的规则，这样后续跑单细胞转录组定量流程就很容易啦。

学徒专业

使用纯shell脚本完成这个改名操作：

touch {A..X}_S1_L001_R1_001.fastq.gz {A..X}_S1_L001_R2_001.fastq.gz

26个fq文件的样品，对应的是6个病人，所以修改名字从S字符串开始递增即可。可以仔细观察fastq文件的名字，就会发现规律，如果以下划线为分隔符，那么

第2列是S开头可以递增
第3列是L开头，可以递增
第五列是R1，R1，I1这样的3种情况

正常走cellranger的定量流程即可，代码我已经是多次分享了。参考：

差不多几个小时就可以完成全部的样品的cellranger的定量流程。基础知识非常重要，我们在单细胞天地多次分享过cellranger流程的笔记（2019年5月），大家可以自行前往学习，如下：

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2023-01-10，如有侵权请联系 cloudcommunity@tencent.com 删除

shell

cell

count

本文分享自生信技能树微信公众号，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同步曝光计划，欢迎热爱写作的你一起参与！

shell

cell

count

登录后参与评论

0 条评论

热度

如何优雅的给单细胞转录组fastq文件改名

如何优雅的给单细胞转录组fastq文件改名

学徒专业

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐