课前准备--单细胞突变矩阵的获得与有害位点的识别

作者，Evil Genius

22号马上上课了，该准备的基本都准备完毕，静待上课就可以了。当然期间还会根据情况进行更新

单细胞测序数据生成的bam文件，经过cellsnp-lite分析时候拿到如下的文件：

关于这个cellsnp-lite，我发现很多人的用法都是错误的，这个会在课上详细说一下该怎么用。

首先是call snp 的文件

大家注意这个文件，还是根据基因组的位点找到的突变信息，并没有注释到具体的基因，以及是否引起氨基酸的变化，所以我们需要注释一下，拿到如下的结果

这个时候就拿到突变的氨基酸变化信息，至于变化时候有害，需要额外的注释，或者数据库查找，这个之前分享过，下图是示例：

大家可以查阅，比如clinvar、oncokb、my cancer genome等数据库。

接下来就是要拿到单细胞的突变矩阵，如下图：

拿到完整的信息之后，就可以跟文章一样纳入单细胞的基础分析之中了。

好了，拿到cellsnp-lite的分析结果，我们首先来注释位点的氨基酸变化,软件是ANNOVAR，做过外显子的应该都很熟悉的

table_annovar=table_annovar.pl脚本路径
humandb=humandb数据库路径

perl $table_annovar  \
    --buildver hg38 \
    --otherinfo \
    --nastring . cellSNP.base.vcf $humandb \
    -protocol refGene \
    -operation g \
    --vcfinput --remove > test.log 2>&1

即可得到单细胞突变的注释文件

接下来是矩阵的整理

import scipy.io as sio
matrix_data = sio.mmread('cellSNP.tag.AD.mtx')
matrix_data = pd.DataFrame(matrix_data.todense())

###barocde
barcode = pd.read_csv('cellSNP.samples.tsv',sep = '\t',header=None)
matrix_data.columns = barcode.iloc[:,0]

处理注释文件

anno = pd.read_csv('cellSNP.base.vcf.hg38_multianno.txt',sep = '\t')
anno['index'] = anno['Gene.refGene'] + '.' + anno['Start'] + '.' + str(anno['Ref']) + '.' + str(anno['Alt'])

matrix_data.index = anno['index']

matrix_data.to_csv('single.snp.xls',sep = '\t')

生活很好，有你更好