单细胞分析（四）——数据读入

要做单细胞分析，尤其是从公司拿回数据，或者从公共数据库下载的数据，看起来眼花缭乱的分析结果，首先第一步就是要把数据先读入，才能有后续的结果和分析。

image.png

数据应该是什么样子

首先需要知道数据最终要分析之前应该是一个什么样子，那么我们就把得到数据准备成相应的样子即可。

image.png

分析的数据应该是行为基因名称，列是样本（细胞）名称

然后再对这个再把这个数据，转换成seurat对应的对象，进行后续一系列的分析和操作。

标准10X数据的基本知识

barcode信息

10X Genomics数据中的barcode主要存放两个信息：1）单个细胞的信息；2）单个细胞所属的核酸序列信息。

在10X Genomics的单细胞测序中，每一个细胞都被分配一个唯一的barcode，用于标记该细胞所产生的所有reads。这个barcode可以帮助研究人员将每个读取（read）数据分配到其相应的单细胞中去，从而实现单细胞测序。

此外，10X Genomics还可以通过将barcode信息嵌入到核酸序列中，来实现单细胞RNA序列（scRNA-seq）以及单细胞基因组测序（scDNA-seq）数据的产生。在这种情况下，barcode的含义会稍有不同。 它主要用于区分来自不同细胞的核酸片段。将这些片段重新组合后，可以得到单细胞的RNA或DNA序列信息，从而分析单个细胞的转录组或基因组。

features主要信息

在10X Genomics数据中，feature主要存放的是基因或转录本的信息。

在单细胞RNA测序数据中，feature通常用于指代基因或转录本。每个feature都会被分配一个唯一的ID号，用于区分不同的基因或转录本。这个ID号可以帮助研究人员对基因或转录本进行定量分析和比较。

在10X Genomics的分析流程中，feature的信息可以通过基因或转录本的参考基因组或转录组进行获取。通过比对实验数据和参考序列，可得出每个细胞中每个基因或转录本的表达情况。这是进行单细胞分析的重要基础。

同时，10X Genomics还可以根据用户需求来自定义feature信息。用户可以通过提供自己的参考基因组或转录组等方式，来获得更具有自定义性的feature信息，从而实现更加精细化的分析。

可能的数据类型

标准的10X genomics的数据

10X genomics的数据如果是这个样子，那么就可以直接使用Read10X函数直接读取，只需要在这个数据的文件夹即可
这个是示例文件

image.png

scdata <- Read10X(data.dir = "data/GSE96583/stim/")

构建seurat对象即可

scobj <- CreateSeuratObject(counts = scdata, 
                            project = "pbmc_stim", 
                            min.cells = 3, 
                            min.features = 200)
### metadata 增加分组信息
metadata = scobj@meta.data
scobj@meta.data$group = "STIM"

已经整理好的数据

也就是处理好的数据，行是基因名称，列是样本名称，直接读取，并构建seurat对象

# 根据数据的存放位置读取即可，修改文件的名称
scdata <- data.table::fread('data/****.txt.gz',data.table = F) 

### 创建Seurat对象
scobj <- CreateSeuratObject(counts = scdata, 
                            project = "*****",  # 最终会形成到下图的项目名称中
                            min.cells = 3, 
                            min.features = 200)
### metadata 增加分组信息
metadata = scobj@meta.data
scobj@meta.data$group = "**** " #根据个人的样本进行命名
saveRDS(scobj,file = "output/****.rds") #保存为RDS文件，便于读取

image.png

后续分析，和单细胞分析（一）——seurat包单个样本处理 衔接。

基因名称和ID存在的数据

这个时候也是将其处理成上述的数据即可

scdata <- data %>% 
  select(-Gene_ID) %>% 
  distinct(Symbol, .keep_all = T) %>% 
  column_to_rownames('Symbol')

然后按照上面类似的处理步骤读入，并进行分析即可。