當前位置：首頁 > 科技 > 正文

如何直接用Seurat讀取GEO中的單細胞測序表達矩陣

1 常見的單細胞countmatrix

  • Cell Ranger生成的raw count

    Cell Ranger (v3.0)中生成的文件除了bam文件外主要就是如下的三個表格文件(Seurat 的示例文件，2700個pbmc細胞單細胞測序）：

    我們可以利用head命令檢查數據三個表格的内容。

    Barcodes通俗來講就是每個細胞的代碼，組成就是ATCG四個堿基排列組合成的不同的14個堿基組合；

    Gene.tsv或者features.tsv一般是基因的ensembl ID 和symbol

    matrix.mtx說白了就是每個細胞不同基因的表達矩陣，我們利用分别檢查文件的開頭和結尾：

這裡我們可以發現其實就是2700個細胞不同基因的表達（第一列是基因的ID，用于與genes.tsv對應轉換；第二列則是細胞的編号，匹配barcodes.tsv；第三列則是基因的表達量TPM）（沒有表達的基因不做記錄）這三組表格組合成。理解這三個表格組成後我們也不難發現，缺一不可的是matrx.mtx文件，而genes.tsv則一般是用于注釋的基因組通用文件；而如果缺失barcodes.tsv的話，則可以根據matrix判斷細胞數量自己“人為構建出”相應數量不同的barcode表格或者利用samtools從bam文件獲取。當我們把這三個文件後存在一個獨立文件夾後可以直接利用Seurat （v3.0）的Read10X()命令讀取并構建成行名稱為基因名，列名稱為barcode序列(基因名x細胞）的表達矩陣（也就是SeuratObject)進行後續分析。如果我們隻想從這三個表格直接整合成一個（基因名x細胞）的表達矩陣，可以利用以下代碼完成：

library(Matrix)
matrix_dir = "~/filtered_feature_bc_matrix/hg19/" ##根據實際文件夾進行修改
barcode.path <- paste0(matrix_dir, "barcodes.tsv")
features.path <- paste0(matrix_dir, "genes.tsv")
matrix.path <- paste0(matrix_dir, "matrix.mtx")
mat <- readMM(file = matrix.path)
feature.names = read.delim(features.path,
header = FALSE,
stringsAsFactors = FALSE)
barcode.names = read.delim(barcode.path,
header = FALSE,
stringsAsFactors = FALSE)
colnames(mat) = barcode.names$V1
rownames(mat) = feature.names$V1

  • 從公共數據庫中獲取的count matrix

    拿我們常見的GEO數據庫為例，如果是上傳到GEO數據的數據必須要上傳處理後的數據（https://www.ncbi.nlm.nih.gov/geo/info/seq.html），這一方面方便其他研究人員直接更快速的獲取或者驗證最初的高通量測序，減少了下載SRA粗數據并進行重新比對的時間。

    一般來講這些數據往往是整合好的一個count matrix，比如最新上傳的一組造血幹細胞單細胞測序數據（A 3D Atlas of Hematopoietic Stem and Progenitor Cell Expansion by Multi-dimensional RNA-Seq Analysis）（GSE120503），我們看到的處理後數據是單個文件，如下圖所示：

    解壓後我們得到隻有一個叫做“GSM3402061_zebrafish_HSC_counts_change.merge.txt”的文件，而不是Cell Ranger輸出的三個文件。

    我們檢查一下文件的内容：

    其實這就是我們在上一步整合出的（基因 x 細胞）的表達矩陣，那麼如果我們想直接利用Seurat導入這個表達矩陣進行後續分析該如何做呢？

2 Count matrix導入Seur

對于上述的表達矩陣，我們不能直接使用Seurat的Read10X()函數進行讀取，但是要進行後續分析我們可以直接把這個表達矩陣變成SeuratObject。這是一個R讀取表格的基本操作：

setwd("/test/") ##注意工作目錄
library(Seurat) ##version 3.0
library(dplyr)
new_counts <- read.table(file="/test/GSM3402061_zebrafish_HSC_counts_change.merge.txt")
head(new_counts)
mydata <- CreateSeuratObject(counts = new_counts, min.cells = 3, project = "mydata_scRNAseq")

通過以上兩種操作我們就可以完成Cell Ranger産出數據與SeuratObject之間的互相轉換。而利用這種簡單的幾行命令，我們可以較快的從他人上傳好的數據中獲取我們所需的信息（當然這需要我們充分相信合作者或者數據上傳人對于數據處理的數據質量），節省了大量下載和處理數據的時間。

你可能想看：

超多數學動畫：高中、初中、小學！動态數學軟件GeoGebra教程彙總

本文有函數、概率、立體幾何、平面幾何、計算等多個内容，均是使用動态數學軟件GeoGebra制作而成。圓柱、圓錐、球、棱錐的體積公式：以及圓柱表面積、圓錐側面面積，三角形、平行四邊形、梯形、圓面積公式推...

攝影後期如何用snapseed修出通透有層次感的藍天白雲？

下面我就用一張照片作為例子來分享下調出通透有層次感藍天白雲照的後期技巧。首先發現圖片比較暗，點 工具——調整圖片——亮度+100，增強畫面層次感，3.加了對比度後近處的草地變暗了。天空自然需要夠藍。給...

Cell Reseach：caspase11切割gasderminD引發“細胞焦亡” - 基因編輯專區 - 生物谷

這些炎性caspase的激活能夠促進細胞焦亡事件的發生，炎性caspase究竟是如何調節這些細胞事件至今仍然有待解決。該蛋白的切割能夠引發細胞焦亡事件的發生。他們發現這一突變體小鼠不能夠正常發生細胞焦...

(2條消息)cv2.findContours()返回函數詳解， findContours()

但是該函數返回的三個參數具體表示的是什麼呢？其實與輸入參數的thresh原圖沒啥區别,print(np.size(cnts)) # 得到該圖中總的輪廓數量,print(cnts[0]) # 打印出第一...

SEO優化｜2018年百度算法一覽

一、清風算法2.0 清風算法2.0主要打擊的是互聯網上存在欺騙、虛假、惡意引導下載各類軟件的網站。通過搜索引擎找出需要下載的資訊APP，雖然清風算法2.0主要懲罰的是資源下載網站。6月28日百度公告中...

SEER數據庫系列|SEER數據庫基本介紹

美國國家癌症研究所（National Cancer Institute）的SEER數據庫收集了大約30％的美國人口的癌症診斷。從簡單地按人群中器官部位枚舉癌症的發展到包括通過組織病理學和分子亞型（由驅...

四種方法修複U盤“不顯示”“無法訪問”“文件或目錄損壞且無法讀取”

①将U盤插入電腦→②找到U盤。右擊選擇【屬性】→③點擊【工具欄】中的【共享】→④勾選【可共享此文件夾】→⑤點擊【工具欄】中的【開始檢查】→⑥在彈出窗口勾選【磁盤檢查選項】→⑦進行檢查修複：命令修複法:...

【知識點】水位控制中的單沖量和三沖量

水位控制器根據水位測量值與給定值的偏差控制給水閥門，改變給水量來保持汽包水位在允許的操作範圍内。單沖量水位控制是鍋爐汽包水位自動控制中最簡單、最基本的形式，蒸汽流量三個沖量經過PID計算來調節給水閥門...

機器學習算法原理——矩陣微積分，構建你的“黑客帝國”

點積也是為向量和矩陣定義的，左邊的向量/矩陣的列數必須與右邊的向量/矩陣的行數一緻。我們将左邊的一行和右邊的一列向量/矩陣相乘并求和。如果我們想求兩個函數的乘積的導數?這兩個函數都取決于我們想微分的變...

怎麼就成瀕危物種了？滿大街都是銀杏樹！基因測序揭露驚人事實

公園裡、道路旁的銀杏樹下已經能看到掉落的銀杏果，樹齡240年在歐洲很多城市經常可以看到樹齡高達一兩百年的銀杏樹，日本花園中的巨大銀杏在隋唐時期的中日僧侶交流中帶到了日本，1609年德國的植物學家Eng...

四柱六十甲子表,六十甲子納音表,六十甲子順序表

解決問題實用矩陣模型，讓你快速抓住事物本質

擁有将某個地域産生的新智慧讓全世界共享的建構“乍看是二律背反的現象實際可以兼顧:很多解決方案都是從矩陣裡生産出來的?依靠矩陣實現的建構化,同樣是非常容昜看懂的定位框架,搖錢樹産生的現金投給問題兒童這一...

科學家對新疆出土的人類遺骸完成DNA測序，終于解開了起源之謎

這些保存完好的遺骸可以追溯到大約9000年前生活在亞洲的石器時代狩獵采集者，這些遺骸就在小河文化的墓地中被發現。與西方文化中發現的遺骸相似，這些墳墓中還有小米、小麥、動物骨頭和乳制品ーー這是農牧業技術...

三國蜀漢皇帝列表及簡介,三國蜀漢皇帝順序表

東漢末年、天下擾亂、群雄逐鹿。漢室宗親劉備在軍閥混戰中崛起，220年(延康元年)，曹操之子曹丕篡漢，劉備以漢室宗親的身份在四川(蜀地)成都稱帝。延續了漢朝大統，蜀漢始于昭烈帝劉備，但是經過關羽失荊州、...

手把手教你用Stata的Network包實現分類變量網狀Meta分析

Stata是一款非常強大的統計和作圖軟件。網上目前存在的教程多半是用mvmeta包來做網狀Meta，本文将介紹用Stata的Network包實現連續性變量的網狀Meta分析，2. 将要處理的數據在Ex...

如何做一篇合格的類案分析報告 | iCourt

最高人民法院發布關于統一法律适用加強類案檢索的指導意見（試行）。最高院明确提出了人民法院在辦理案件應當進行類案檢索的情形。類案檢索的初衷在于統一司法裁判的尺度。因此最高院在 2017 年 8 月發布的...

集成運算放大器的單電源供電電路

集成運算放大器的單電源供電電路,　　大多數集成運算放大器電略部采用正、負對稱的雙電源供電,集成運算放大器也能正常工作。圖1所示為兩種采用單電源供電的供電電路,　　采用單電源對集成這算放大器供電的常用方...

總結了484個以er為後綴的單詞得出四種加後綴er規則

er▬▶英 [ɜː(r)]美[ɜːr]▬▶int.(思索該說什麼話時發出的聲音)哦，1）abetter▬▶英[ə'betə]美[ə'betə]▬▶abet（v.教唆;rə]美[əb'hɒrə]▬▶ab...

《我的單位觀》心得體會

就像一位長者在真誠地傳授自己的人生經驗。　　文章對單位進行了明确定義，單位是我們顯示自己存在的舞台，單位給予了我們賴以生存和生活的基本物質保障，單位給予了我們有尊嚴的社會身份，自己就沒有體現價值的平台...

一味單方氣死名醫，總結幾種有效的單方

我隻用一味草藥即可藥到病除。馬齒笕二百克水煎服。主治慢性痢疾。止血消癰腫，所以對濕熱洩瀉、痢疾有特效。主治陽痿的。黃芩煎：黃芩是清熱瀉火的一味重要藥材，兼具解毒涼血，燥濕安胎的功效，肺熱咳嗽，癰腫瘡毒...

Nature頭條：中外科學家揭開中國“神秘木乃伊”血統之謎

中國塔裡木盆地出土的幾百具自然保存的神秘木乃伊引起了國際考古學領域的關注。來自吉林大學生命科學學院崔銀秋教授聯合中國科學院古脊椎動物與古人類研究所、韓國首爾國立大學、美國哈佛大學和德國馬克斯普朗克研究...

百度CEO李彥宏的經典創業故事

百度CEO李彥宏坐擁數十億家産，李彥宏在美國工作最得意之時。卻毅然放棄外國公司豐厚待遇和期權“回憶創立百度的心路曆程；李彥宏感觸良多，李彥宏讀書了”李彥宏給班上一位女同學傳紙條；李彥宏能考上陽泉一中讀...

騰訊CEO馬化騰創業故事

馬化騰創立的QQ即時通訊工具，馬化騰、騰訊繼續高飛猛進，成為中國科技界資産最為雄厚的企業家，馬化騰以财富1007億元榮登第一名，馬化騰在模仿間不經意打造了一個龐大的”馬化騰不斷樹敵，他創造的中國最大的...

澳洲之旅-熱帶雨林小鎮Kuranda

2月17日一早旅遊公司的巴士如約來到酒店門口接上我們，吩咐好上車後的座位及到達後目的地的行程和聯絡方式，就由我們獨自乘座觀光列車(ScenicRailway)前往庫蘭達。下站穿過庫蘭達的著名市場我們走...

淺談現代集成電路28nm芯片制造工藝B(後端BEOL)

（防止硼磷矽玻璃中B/P析出影響襯底器件），澱積界面氧化層（IL）和高K介質HfO29.1.6澱積覆蓋層TiN/TaN氮化钛/氮化钽.見圖159.1.7澱積p型功函數氮化钽層約40Å。見圖169.1....

淺談現代集成電路28nm芯片制造工藝A(前端FEOL)

襯底的電子以量子形式穿過栅介質進入栅極，（量子隧穿）栅極漏電導緻功耗增加，單純縮小厚度不能滿足器件性能的要求了，于是采用提高氮氧化矽含氮量以增加介電常數k，開始使用高k介質HfO2代替SiON來改善栅...

癌症尿液篩查監測試劑（URC）

癌症尿液篩查監測試劑（URC）。癌症尿液篩查監測試劑（URC）是目前唯一經國家批準生産的試劑，當被檢者體内有癌細胞活動時，尿液中色氨酸、酪氨酸及其代謝衍生物的含量遠遠超過正常人，此時通過檢測尿液中上述...

數據文件表格細胞基因

上一篇
從螞蟻身上得到的啟示

下一篇
銷售人員的十大心态

有話要說...

最新文章

取消
掃碼支持 支付碼