劉小澤寫于2020.8.13
主要分為兩個(gè)部分：前面用linux處理却邓，后面用R處理
下載數(shù)據(jù)
選用的10X測(cè)試數(shù)據(jù)是：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE108677
數(shù)據(jù)也可以直接通過網(wǎng)盤下載：https://share.weiyun.com/7fo3qgT5
一共是7個(gè)樣本：
目的
將這7個(gè)樣本分別讀取痹兜，并簡單查看一下每個(gè)樣本的結(jié)果如何（比如有多少個(gè)細(xì)胞品嚣，關(guān)注的基因出現(xiàn)在哪個(gè)細(xì)胞等等）
首先是linux部分
第一步：先解壓，然后最好對(duì)每個(gè)樣本新建一個(gè)文件夾
tar -xvf GSE108677_RAW.tar
for i in $(seq 1 7);do mkdir s_${i} ;done
第二步：把各自的10X數(shù)據(jù)三個(gè)必備文件放在對(duì)應(yīng)的文件夾中
for i in $(seq 1 7);do mv *_${i}_*gz s_${i} ;done
# 查看一下
ls s_1
# 每個(gè)樣本都是這三個(gè)文件：barcodes辕近、genes孕锄、matrix
GSM2910017_sample_1_barcodes.tsv.gz GSM2910017_sample_1_genes.tsv.gz GSM2910017_sample_1_matrix.mtx.gz
第三步：重命名
10X的數(shù)據(jù)讀取是使用Read10X函數(shù)，它必須接受特定的命名格式曲聂。否則會(huì)看到類似下面的報(bào)錯(cuò)：
# Error in Read10X(data.dir = dir) :
# Barcode file missing. Expecting barcodes.tsv.gz
它必須要求每個(gè)樣本都是下面這樣的簡單命名：
因此，我們需要做的就是：對(duì)每個(gè)樣本文件夾中的每個(gè)文件去掉前綴蛇受，只保留后面的信息
對(duì)于超過三個(gè)的數(shù)據(jù)量句葵，就要用到循環(huán)處理
下面的腳本中find是在mac下厕鹃，如果是linux可能需要稍作調(diào)整
# 兩個(gè)循環(huán)嵌套兢仰，先找文件夾乍丈，再重命名
# ##*_是向后取：取最后一個(gè)_后面的部分
# 與之相反是：%%_* 它是向前劝呀：取第一個(gè)_前面的部分
for i in $(seq 1 7);do find s_${i}/ -name "*gz" | while read n ;do mv $n s_${i}/${n##*_};done ;done
第四步：解壓
for i in $(seq 1 7);do gunzip s_${i}/* ;done
接下來是R語言部分
可以簡單看看各個(gè)樣本的細(xì)胞數(shù)量轻专，以及關(guān)注的基因有沒有在樣本中出現(xiàn)
rm(list = ls())
options(stringsAsFactors = F)
library(Seurat)
# 依然是一個(gè)循環(huán)
for (i in 1:7){
# i=1
dir=paste0('data/s_',i)
test=Read10X(data.dir = dir)
if('Pigr'%in%rownames(test)){
cat('Now is: ', dir,'\n')
print(dim(test))
cat('Cell location is: ','\n')
print(which(test['Pigr',]!=0)) #Pigr出現(xiàn)在第幾個(gè)細(xì)胞
cat('Expression is: ','\n')
print(test['Pigr',test['Pigr',]!=0]) # Pigr表達(dá)量
cat('\n\n')
}
}
歡迎關(guān)注我們的公眾號(hào)～_～
我們是兩個(gè)農(nóng)轉(zhuǎn)生信的小碩，打造生信星球察蹲，想讓它成為一個(gè)不拽術(shù)語请垛、通俗易懂的生信知識(shí)平臺(tái)。需要幫助或提出意見請(qǐng)后臺(tái)留言或發(fā)送郵件到jieandze1314@gmail.com
