单细胞测序一

• 本章开始记录自学单细胞分析，根据b站别人的投稿视频学习的，感谢up！（需要可以去搜索生信单细胞，播放量最高的两个视频）

1. 下载单细胞数据

• GEO数据库里边搜索单细胞的数据，一般需要文件后缀是MTX的数据（里边有三个文件是必须要的）

• 注意很多数据不是单细胞的要好好看一下
  搜索GEO

• 一般是下载这个RAW文件
  RAW文件

• 在这里我们直接搜索GSE106273下载数据

  image.png
  image.png

• 简单理解：barcodes是细胞标记类似样本号；genes是gene ID；matrix为表达量（最后一列）

  
  
  文件解压

2. Seurat4.0系列教程1：标准流程

• 读取方法一

• 把三个压缩文件改名成这样
  image.png

library(dplyr)
library(mindr)
library(tidyverse)
setwd(dir = "D:/桌面/Rwork/single_cell/GSE10627/hg19/")
rm(list = is())
pbmc.data <- Read10X(data.dir = "D:/桌面/Rwork/single_cell/GSE10627/hg19/") #注意压缩包要改名
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc", min.cells = 3, min.features = 200)
#过滤检测少于200个基因的细胞（min.features = 200）和少于3个细胞检测出的基因（min.cells = 3）

• 读取方法二
  直接读取解压缩后的文件

BiocManager::install("multtest")
library(multtest)
if(!require(Seurat))install.packages("Seurat")
if(!require(dplyr))install.packages("dplyr")
if(!require(mindr))install.packages("mindr")
if(!require(mindr))install.packages("tidyverse")
library(Seurat)
library(dplyr)
library(mindr)
library(tidyverse)
#####自动读取cellranger(LINUX)输出的feature barcode matric
rm(list = ls())
pbmc.data <- Read10X(data.dir = "filtered_gene_bc_matrices/hg19/") 
#自动读取10X的数据，是一些tsv与mtx文件
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "biomamba")
# pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3, min.features = 200)
#过滤检测少于200个基因的细胞（min.features = 200）和少于3个细胞检测出的基因（min.cells = 3）

• 读取方法三(readtable读取就行)

library(Seurat)
library(dplyr)
library(mindr)
library(tidyverse)
setwd(dir = "D:/桌面/Rwork/single_cell/GSE84465")
a <- read.table("GSE84465_GBM_All_data.csv.gz")

head(rownames(a))
tail(rownames(a),10)#查看最后10个行名是啥
a=a[1:(nrow(a)-5),]#后5行行名异常 删掉