单细胞实战(1)数据下载-数据读取-seurat对象创建

这篇文章我们将介绍从geo数据库下载单细胞测序数据后，多种数据格式多样本情况下，如何读取数据并创建seurat对象。

本文主要结构：

一、数据下载

二、数据读取与seurat对象创建

• 单样本情况下各种格式数据的读取，读取后seurat对象的创建
• 多样本情况下各种格式数据的读取，读取后seurat对象的创建、合并

一、数据下载

大家自行去GEO官网(https://www.ncbi.nlm.nih.gov/gds)搜索下载自己想要的单细胞测序数据。本文后面会提供数据用于示例代码测试。

GEO数据库上提供的单细胞测序数据常见格式主要有以下几种:

• 10x Genomics格式： matrix.mtx、genes.tsv和barcodes.tsv文件是10X Genomics单细胞转录组测序数据的标准文件格式。这些文件通常存储在一个目录中，可以使用Read10X函数从R语言中读取。

  • matrix.mtx：这是一个稀疏矩阵文件，其中包含了每个单细胞的基因表达信息。矩阵中的每一行代表一个基因，每一列代表一个单细胞，矩阵中的每个元素表示该基因在该单细胞中的表达量。
  • genes.tsv（或features.tsv）：这是一个文本文件，其中包含了每个基因的信息。每一行代表一个基因，每一列代表一个属性，例如基因名称、基因编号等。
  • barcodes.tsv：这是一个文本文件，其中包含了每个单细胞的条形码信息。每一行代表一个单细胞，每一列代表一个属性，例如条形码序列、细胞类型等。

• h5格式： 这是一种用于存储大规模数据的二进制文件格式，它可以包含多种数据类型，如矩阵、表格、图像等。

• 压缩文本矩阵(TXT或CSV的GZ文件)： 压缩文本矩阵可以用于存储单细胞测序数据的表达矩阵或元数据，它可以减少文件的大小和传输时间 。

• h5ad格式： 它专门用于存储和分享单细胞表达数据，它使用Anndata库来创建和读取。h5ad格式可以与cellxgene或Seurat等工具兼容，进行单细胞数据的可视化和分析 。

• h5seurat格式： 这是一种基于h5格式的文件格式，它专门用于存储和分析多模态单细胞和空间分辨率表达实验，如CITE-seq或10X Visium等技术。h5seurat格式可以与SeuratDisk等工具兼容，进行单细胞数据的读写 。

• R数据文件(RDS/RDATA文件)： 以R语言的数据文件格式存储表达式矩阵,需要R软件直接读取。

二、数据读取与seurat对象创建

单样本

单样本情况下每种格式的数据读取与seurat对象创建演示：

10x Genomics格式：

演示数据的下载：

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527

文件下载后解压，并修改名称，存放路径如下图：

读取文件并创建对象的代码参考：

# 导入Seurat包
library(Seurat)

# 查看当前工作目录
getwd()

# 设置工作目录（将工