为什么一定要处理测序仪出来的10x技术单细胞转录组测序数据呢

To serve as inputs for cellranger, FASTQ files should conform to the naming conventions of bcl2fastq and mkfastq:

[Sample Name]S1_L00[Lane Number][Read Type]_001.fastq.gz

Where Read Type is one of:

• I1: Sample index read (optional)
• I2: Sample index read (optional)
• R1: Read 1
• R2: Read 2

也就是说，其实跑他们自己的 cellranger 流程，我们只需要准备r1和r2文件即可。即使是这样，也有很多人会准备错误，正常准备好了FASTQ文件后走cellranger的定量流程即可，代码我已经是多次分享了。参考：

• 10X单细胞转录组原始测序数据的Cell Ranger流程（仅需800元）
• 10X的单细胞转录组原始数据也可以在EBI下载
• 一个10x单细胞转录组项目从fastq到细胞亚群
• 一文打通单细胞上游：从软件部署到上游分析
• PRJNA713302这个10x单细胞fastq实战
• 一次曲折且昂贵的单细胞公共数据获取与上游处理
• 只能下载bam文件的10x单细胞转录组项目数据处理
• 不知道10x单细胞转录组样品和fastq文件的对应关系
• 10X单细胞转录组测序数据的 SRA转fastq踩坑那些事
• 10x的单细胞转录组fastq文件的R1和R2不能弄混哦

差不多几个小时就可以完成全部的样品的cellranger的定量流程。但是很多时候，大家是 从公共数据库下载的10x技术单细胞转录组测序数据，而不是自己的测序仪产出的数据，就容易出现

比如：https://kb.10xgenomics.com/hc/en-us/articles/115003802691-How-do-I-prepare-Sequence-Read-Archive-SRA-data-from-NCBI-for-Cell-Ranger- ，需要注意的是使用参数--split-files来替代--split-3 ，就可以生成三个文件。

我们推荐的是对自己的准备好了的FASTQ文件跑一下fastqc软件，如下所示的就是命名错误啦 ：

命名错误

首先，1-26个cycle就是测序得到了26个碱基，先是16个Barcode碱基，然后是10个UMI碱基；这个文件就是R1了，但是它有可能也是在100bp或者150bp里面，因为测序仪就是这样的规格，只能说浪费掉。。。。

然后，27-34这8个cycle得到了8个碱基，就是i7的sample index；这个文件可有可无，就不关心它了。

最后35-132个cycle得到了98个碱基，就是转录本reads，也有可能是150bp长度的碱基啦，取决于测序仪规格，这个时候测序仪就充分利用了，不浪费。

也就是说大家看得到r1文件其实有可能是很小也有可能是跟r2差不多大小，这样的话就会给大家带来困扰，简单的肉眼看两个准备好了的FASTQ文件的碱基长度是不够的，还需要看质量。如下所示的r2文件被弄错了成为了r1，所以r1文件也会被弄错了成为了r2，如下所示：

所以r1文件也会被弄错了成为了r2

但是，我明明是给小伙伴们解释清楚了，但是仍然是有“好奇宝宝”不满意这个测序仪的浪费，认为明明是r1里面的碱基数量那么少，为什么要在150bp里面呢，希望自己切除它：

希望自己切除它

其实cellranger软件本身是有这个功能的， 完全没有必要自己提前处理r1的fq文件，不过呢，这个也确实是值得探索。参考：https://kb.10xgenomics.com/hc/en-us/articles/13179523030925-Why-do-I-have-an-alert-in-my-web-summary-with-Low-Fraction-of-Valid-UMIs-