不应该让单细胞定量成为数据复用的阻碍

生信技能树

发布于 2023-09-04 15:46:46

1230

发布于 2023-09-04 15:46:46

学员给了一个2023的单细胞文章：《Single-cell RNA sequencing reveals a mechanism underlying the susceptibility of the left atrial appendage to intracardiac thrombogenesis during atrial fibrillation》里面的单细胞转录组数据集仅仅是公开了数据集的fastq文件，并没有表达量矩阵。我们就顺手下载并且处理了。 PS : 这个文章虽然没有表达量矩阵，好歹是公开了数据集的fastq文件，比其它文章良心太多了（93% of authors indicating their data is available upon request do not respond or refuse to share their data.）

首先需要参考 小鼠的5个样品的10x技术单细胞转录组上游定量，走cellranger流程，主要是拿到服务器后配置自己的conda环境，以及下载项目对应的单细胞转录组数据集的fastq文件，如下所示：

ls -lh *z|cut -d" " -f 5-
 48G 6月  12 01:05 SRR18308247_1.fastq.gz
 47G 6月  12 01:39 SRR18308247_2.fastq.gz
 
 45G 6月  12 02:06 SRR18308248_1.fastq.gz
 44G 6月  12 02:32 SRR18308248_2.fastq.gz
 
 41G 6月  12 02:57 SRR18308249_1.fastq.gz
 31G 6月  12 03:15 SRR18308249_2.fastq.gz
 
 47G 6月  12 03:44 SRR18308250_1.fastq.gz
 36G 6月  12 04:07 SRR18308250_2.fastq.gz
 
 41G 6月  12 04:35 SRR18308251_1.fastq.gz
 34G 6月  12 04:56 SRR18308251_2.fastq.gz
 41G 6月  12 05:20 SRR18308252_1.fastq.gz
 37G 6月  12 05:43 SRR18308252_2.fastq.gz

有了这些文件，就需要很简单的改名操作，因为走cellranger流程，它软件要求。。。

ls -lh *z|cut -d" " -f 5-
  22 6月  12 21:51 A1_S1_L001_R1_001.fastq.gz -> SRR18308252_1.fastq.gz
  22 6月  12 21:54 A1_S1_L001_R2_001.fastq.gz -> SRR18308252_2.fastq.gz
  22 6月  12 21:51 A2_S1_L001_R1_001.fastq.gz -> SRR18308251_1.fastq.gz
  22 6月  12 21:54 A2_S1_L001_R2_001.fastq.gz -> SRR18308251_2.fastq.gz
  22 6月  12 21:51 B1_S1_L001_R1_001.fastq.gz -> SRR18308250_1.fastq.gz
  22 6月  12 21:54 B1_S1_L001_R2_001.fastq.gz -> SRR18308250_2.fastq.gz
  22 6月  12 21:51 B2_S1_L001_R1_001.fastq.gz -> SRR18308249_1.fastq.gz
  22 6月  12 21:54 B2_S1_L001_R2_001.fastq.gz -> SRR18308249_2.fastq.gz
  22 6月  12 21:51 C1_S1_L001_R1_001.fastq.gz -> SRR18308248_1.fastq.gz
  22 6月  12 21:54 C1_S1_L001_R2_001.fastq.gz -> SRR18308248_2.fastq.gz
  22 6月  12 21:51 C2_S1_L001_R1_001.fastq.gz -> SRR18308247_1.fastq.gz
  22 6月  12 21:54 C2_S1_L001_R2_001.fastq.gz -> SRR18308247_2.fastq.gz

如果是有自己的服务器要参考 小鼠的5个样品的10x技术单细胞转录组上游定量（文末赠送全套代码），走cellranger流程，是可以拿到表达量矩阵的。

但是文章描述的单细胞转录组数据处理流程有点奇怪：

Cells expressing <800 or >4000 genes per cell, and those with mitochondrial gene percentages >.1 were removed.
Cells with mitochondrial unique molecular identifier (UMI) counts >6% or ribosomal UMI counts >50% were also considered abnormal.
The batch effect was corrected, and the merged object was integrated by running Harmony (version 1.0).

不过文章里面的降维聚类分群还行：