数据下载-单细胞转录组分析数据下载和整理scRNA-01

背景：单细胞转录组常规分析流程，01是单细胞转录组数据的下载和整理

• 为何选择单细胞转录组分析
  首先，和常规的样本组织测序相比，单细胞测序能够测到一个肿瘤样本中T细胞B细胞肿瘤细胞等不同单细胞的基因表达量，而常规测序是测到这些不同细胞的平均表达量，无法做一个肿瘤样本中不同细胞类型的差异分析以及互作用分析，只能做肿瘤样本和正常样本的差异分析；其次，如果样本数目过少，就很难做常规测序，而样本数目少单细胞的数目却不少，仍然可以做单细胞测序分析。
• 数据下载
  GEO数据库下载，直接在浏览器输入ncbi geo：
  search.png
  进入ncbi geo数据库的首页：
  GEO首页.png
  在右上角Search搜索框的位置输入自己需要的单细胞转录组数据的关键信息，例如我需要的是乳腺癌的单细胞转录组数据，我的关键信息是breast cancer scRNA-seq，点进回车显示结果：
  results.png
  点进results进入数据详情页面：
  数据详情页面.png
  左侧是一些筛选条件，比如可以筛选最近3个月发表的文章数据，根据自己的需要从中挑选一个合适的文章数据，进入文章数据的详情页：
  文章详情页.png
  将页面下拉，找到单细胞转录组的数据信息并下载：
  数据.png
  这里，将数据GSE235168_RAW.tar上传到服务器。
  那么反过来，如果先发现了一篇文章，如何从文章中下载单细胞转录组的数据呢？直接将文章的PDF文件在网页打开，Ctrl+F搜索GSE，找到文章数据的GSE编号，再到ncbi geo首页进行搜索就可以啦。
  gse.png
• 数据整理
  数据上传到服务器后，使用tar -zxvf GSE235168_RAW.tar -C GSE235168_RAW进行解压，解压后进入该目录，发现目录下有多个以样本名字命名的文件：
  files.png

那么，我们编写R脚本保存这些样本信息：

my.dir="" #'绝对路径 /home/***/04.workflow/05.scRNA_linsr/GSE149655_RAW/
samples=list.files(my.dir, full.names=F, recursive=F) #'路径下的以样本名命名的文件夹
dirs=paste0(my.dir,samples) #'样本名命名文件夹的完整路径
groups=gsub("[^a-zA-Z]","",samples)
meta.data<-data.frame(samples=samples,dirs=dirs,groups=groups)
colnames(meta.data)<-c("orig.ident","dirs","groups")
sub.meta.data<-meta.data[,c("orig.ident","groups")]

得到文件路径与样本批次信息：

samples_info.png
承接上面的脚本，继续整理每个批次的counts矩阵，合并为sc.merge.rds并保存：

datalist<-lapply(dirs,function(x){
      i<-Read10X(x)
      sc<-CreateSeuratObject(i, project=meta.data[which(meta.data$dirs==x),1])
      sc@meta.data$cell.id<-rownames(sc@meta.data)
      sc@meta.data<-left_join(sc@meta.data,sub.meta.data,"orig.ident")
      rownames(sc@meta.data)<-sc@meta.data$cell.id
      return(sc)
})
sc.merge=merge(x = datalist[[1]], y = datalist[2:length(datalist)])
save.rds(sc.merge,"sc.merge.rds")

sc.merge.png

此时的counts矩阵的meta.data$groups的T代表癌症细胞，N代表正常细胞，meta.data$orig.ident保存了细胞的批次信息。此时的counts矩阵未作任何处理，接下来需要批次校正...