這篇文章我們將介紹從geo數(shù)據(jù)庫(kù)下載單細(xì)胞測(cè)序數(shù)據(jù)后，多種數(shù)據(jù)格式多樣本情況下，如何讀取數(shù)據(jù)并創(chuàng)建seurat對(duì)象。本文主要結(jié)構(gòu)：
一、數(shù)據(jù)下載二、數(shù)據(jù)讀取與seurat對(duì)象創(chuàng)建

• 單樣本情況下各種格式數(shù)據(jù)的讀取，讀取后seurat對(duì)象的創(chuàng)建

• 多樣本情況下各種格式數(shù)據(jù)的讀取，讀取后seurat對(duì)象的創(chuàng)建、合并

一、數(shù)據(jù)下載大家自行去GEO官網(wǎng)(https://www.ncbi.nlm.nih.gov/gds)搜索下載自己想要的單細(xì)胞測(cè)序數(shù)據(jù)。本文后面會(huì)提供數(shù)據(jù)用于示例代碼測(cè)試。

GEO數(shù)據(jù)庫(kù)上提供的單細(xì)胞測(cè)序數(shù)據(jù)常見(jiàn)格式主要有以下幾種:

• 10x?Genomics格式：這是一種由10x Genomics公司開(kāi)發(fā)的專(zhuān)用文件格式，它包含三個(gè)子文件：barcodes.tsv、features.tsv和matrix.mtx。這三個(gè)文件可以用于存儲(chǔ)單細(xì)胞測(cè)序數(shù)據(jù)的細(xì)胞條形碼、基因特征和稀疏表達(dá)矩陣 。

• h5格式：這是一種用于存儲(chǔ)大規(guī)模數(shù)據(jù)的二進(jìn)制文件格式，它可以包含多種數(shù)據(jù)類(lèi)型，如矩陣、表格、圖像等。

• 壓縮文本矩陣(TXT或CSV的GZ文件)：壓縮文本矩陣可以用于存儲(chǔ)單細(xì)胞測(cè)序數(shù)據(jù)的表達(dá)矩陣或元數(shù)據(jù)，它可以減少文件的大小和傳輸時(shí)間 。

• h5ad格式：它專(zhuān)門(mén)用于存儲(chǔ)和分享單細(xì)胞表達(dá)數(shù)據(jù)，它使用Anndata庫(kù)來(lái)創(chuàng)建和讀取。h5ad格式可以與cellxgene或Seurat等工具兼容，進(jìn)行單細(xì)胞數(shù)據(jù)的可視化和分析 。

• h5seurat格式：這是一種基于h5格式的文件格式，它專(zhuān)門(mén)用于存儲(chǔ)和分析多模態(tài)單細(xì)胞和空間分辨率表達(dá)實(shí)驗(yàn)，如CITE-seq或10X Visium等技術(shù)。h5seurat格式可以與SeuratDisk等工具兼容，進(jìn)行單細(xì)胞數(shù)據(jù)的讀寫(xiě) 。

• R數(shù)據(jù)文件(RDS/RDATA文件)：以R語(yǔ)言的數(shù)據(jù)文件格式存儲(chǔ)表達(dá)式矩陣,需要R軟件直接讀取。

二、數(shù)據(jù)讀取與seurat對(duì)象創(chuàng)建單樣本單樣本情況下每種格式的數(shù)據(jù)讀取與seurat對(duì)象創(chuàng)建演示：10x?Genomics格式：演示數(shù)據(jù)的下載：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527

文件下載后解壓，并修改名稱(chēng)，存放路徑如下圖：

讀取文件并創(chuàng)建對(duì)象的代碼參考：

h5格式：演示數(shù)據(jù)的下載：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874

下載后解壓,存放路徑如圖

讀取文件并創(chuàng)建對(duì)象的代碼參考：

壓縮文本矩陣(TXT或CSV的GZ文件)：這兩種文件建議先手動(dòng)加壓到本地查看一下文件內(nèi)容格式。CSV壓縮GZ格式演示數(shù)據(jù)的下載：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=gse130148

下載后文件的存放路徑

CSV壓縮GZ格式示例代碼：

txt壓縮GZ格式示例代碼：

h5ad格式：

下載測(cè)試文件：
https://www.dropbox.com/s/ngs3p8n2i8y33hj/pbmc3k.h5ad?dl=0

R數(shù)據(jù)文件(RDS/RDATA文件)

多樣本

多樣本情況下我們主要關(guān)注10x?Genomics格式和壓縮文本矩陣(TXT或CSV的GZ文件)

10x?Genomics格式多樣本讀取與對(duì)象創(chuàng)建：
測(cè)試數(shù)據(jù)下載：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527

示例代碼：

h5格式多樣本數(shù)據(jù)讀入與對(duì)象創(chuàng)建：測(cè)試數(shù)據(jù)下載：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874

下載后將數(shù)據(jù)解壓：

壓縮文本矩陣(TXT或CSV的GZ文件)多樣本：下載測(cè)試文件：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi下載三個(gè)數(shù)據(jù)演示一下代碼

下載后解壓：

示例代碼：

大家可以使用fread()等更高效的函數(shù)代替文中的read.csv()函數(shù)，但是要注意讀取后數(shù)據(jù)格式是否準(zhǔn)確。

參考鏈接：https://www.jianshu.com/p/5b26d7bc37b7參考鏈接：https://mp.weixin.qq.com/s/M15kWdH8eDONfakNhY-enA