基于10X平台的scRNA-seq数据准备

目录

前言

一、数据下载

二、数据处理

1.解压（sra到fastq）

2.压缩（fastq到fastq.gz）

3.修改fastq名（符合cellranger输入）

总结

---

前言

本文记录了单细胞分析之前的数据准备过程，单细胞数据偏大，可能会耗时。

---

一、数据下载

首先，在GEO上找到自己需要的单细胞数据。利用 爬虫 提取数据对应的SRR号，然后通过 SRAToolkit 工具下载，单发现该工具下载速度太慢，所以用 aria2 下载。

爬虫 代码详见通过爬虫在GEO数据库上获取对应SRR号；

SRAToolkit 代码如下：

prefetch SRR号

 aria2 代码如下：

aria2c -x16 -s16 -j16 --piece-length="16M" --min-split-size="16M" --dir="输出路径" --input-file="路径/downloadlink.txt"

 downloadlink.txt内容为SRR下载链接

二、数据处理

1.解压（sra到fastq）

通过 aria2 下载好的SRR文件是没有.sra后缀的，需要自己补全。sra文件需要解压变成fastq文件，SRAToolkit 里自带解压的工具 fastq-dump，fasterq-dump，解压速度太慢，推荐 pfastq-dump。代码如下：

安装路径/pfastq-dump/bin/pfastq-dump --threads 线程数 --split-3 --outdir 输出路径 存放sra路径/SRRxxxxxx.sra

 对于一个你不知道到底是单端还是双端的SRA文件,一律用--split-3。

2.压缩（fastq到fastq.gz）

普通的压缩命令为gzip，但是单线程进行，速度较慢，推荐用 pigz 多线程进行，节省时间。

pigz -p 线程数 filename

file1="/home/data/fastq.txt"
line=`cat "$file1" |wc -l`
for((i=1;i<="$line"+1;i++))
do
file=$(awk -v vi=$i 'NR==vi{print $1}' "$file1")
pigz -p 96 $file
done

3.修改fastq名（符合cellranger输入）

每个SRR文件会变成解压出三个文件，这三个文件10X官网文档有说明

Cellranger count 的fastq输入文件格式必须要求格式如下：

#[Sample Name]S1_L00[Lane Number][Read Type]_001.fastq.gz
#Where Read Type is one of:
#I1: Sample index read (optional)
#R1: Read 1（barcode+UMI）
#R2: Read 2（转录本reads）
#V2 版本: 26bp + 98bp (16bp 10XBC + 10bp UMI  + 98bp read2) V3 版本: 28bp + 91bp (16bp 10XBC + 12bp UMI + 91bp read2) 

接下来就按照10X的标准去对文件进行改名，在这之前可以查看fastq里序列长度，确定R1，R2

zless -SN SRR21437900_1.fastq.gz | head

cat 构建的fastq.gz的文件名.txt | while read i 
do 
mv ${i}_1*.gz ${i}_S1_L001_I1_001.fastq.gz
mv ${i}_2*.gz ${i}_S1_L001_R1_001.fastq.gz
mv ${i}_3*.gz ${i}_S1_L001_R2_001.fastq.gz
done

 大多数解压后是只有R1，R2两个文件，处理结果同上。

---

总结

到这里数据准备工作完毕，可以进行将数据输入到cellranger中进行下一步处理。