cellranger 操作笔记-1：分析数据命名规则

韩建刚（CAAS-UCD）

已于 2022-06-12 17:52:52 修改

阅读量6.1k

点赞数 3

分类专栏：单细胞分析文章标签：生物信息学

于 2021-06-04 09:04:40 首次发布

本文链接：https://blog.csdn.net/flashan_shensanceng/article/details/115718180

版权

单细胞分析专栏收录该内容

18 篇文章 15 订阅

订阅专栏

1. 明确.fastq.gz文件路径，修改文件名称（Specifying Input FASTQ Files for 10x Pipelines），文件必须符合cellranger相关命名规则

[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
R2: Read 2

*注：I1是optional，因为我的数据中没有I1 reads

主要涉及到以下四个命令：

--fastqs  ##fastq.gz文件的绝对路径，如果测序数据在多个文件夹中，用逗号（,）分隔多个路径
--sample  ##可选择参数（optional），想要分析的某个样品或多个样品（逗号分隔）
--libraries	 ##feature-barcode analysis需要该参数，用于描述输入文库的.csv文件的绝对路径
             ##需要注意的是不能和--fastqs或--sample参数同时使用
--lanes	  ##大的测序数据量（如150G）需要在不同泳道（lane）上测序，该参数可以指定分析特定泳道的数据

不同的测序公司交付测序数据的保存路径，以及测序文件的命名规则千差万别，因此10X特别对测序文件路径和命名规则做出了说明，下面是我的数据交付路径：

测序得到的最最最原始数据是.bcl文件，也就是一个个的荧光信号信息，可以用cellranger mkfastq或bcl2fastq命令转换为我们最熟知的.fastq.gz文件，不同命令和参数生成的测序文件路径以及名称存在差异：

案例1：不同样品测序数据在不同样品名文件夹下，与上边我的文件路径和命名规则相同，路径结构和参数设置如下：

MKFASTQ_ID
|-- MAKE_FASTQS_CS
`-- outs
    |-- fastq_path
        |-- HFLC5BBXX
            |-- test_sample1
            |   |-- test_sample1_S1_L001_I1_001.fastq.gz
            |   |-- test_sample1_S1_L001_R1_001.fastq.gz
            |   |-- test_sample1_S1_L001_R2_001.fastq.gz
            |   |-- test_sample1_S1_L002_I1_001.fastq.gz
            |   |-- test_sample1_S1_L002_R1_001.fastq.gz
            |   |-- test_sample1_S1_L002_R2_001.fastq.gz
            |   |-- test_sample1_S1_L003_I1_001.fastq.gz
            |   |-- test_sample1_S1_L003_R1_001.fastq.gz
            |   `-- test_sample1_S1_L003_R2_001.fastq.gz
            |-- test_sample2
            |   |-- test_sample2_S2_L001_I1_001.fastq.gz
            |   |-- test_sample2_S2_L001_R1_001.fastq.gz
            |   |-- test_sample2_S2_L001_R2_001.fastq.gz
            |   |-- test_sample2_S2_L002_I1_001.fastq.gz
            |   |-- test_sample2_S2_L002_R1_001.fastq.gz
            |   |-- test_sample2_S2_L002_R2_001.fastq.gz
            |   |-- test_sample2_S2_L003_I1_001.fastq.gz
            |   |-- test_sample2_S2_L003_R1_001.fastq.gz
            |   `-- test_sample2_S2_L003_R2_001.fastq.gz
        |-- Reports
        |-- Stats
        |-- Undetermined_S0_L001_I1_001.fastq.gz
        ...
        `-- Undetermined_S0_L003_R2_001.fastq.gz

--fastqs=MKFASTQ_ID/outs/fastq_path   ##全部样品

--fastqs=MKFASTQ_ID/outs/fastq_path1,MKFASTQ_ID/outs/fastq_path2  ##多个flowcells上测序的全 
                                                                  ##部样品
--fastqs=/PATH/TO/bcl2fastq_output    ##bcl2fastq命令生成的.fastq.gz路径

--fastqs=MKFASTQ_ID/outs/fastq_path \
--sample=test_sample1                 ##sample1在全部泳道（lane1-3）的测序数据

--fastqs=MKFASTQ_ID/outs/fastq_path \
--sample=test_sample1 \
--lanes=1                             ##sample1在泳道1（lane1）的测序数据

fastqs=MKFASTQ_ID/outs/fastq_path \
--sample=test_sample1,test_sample2    ##将sample1和sample2作为合并样品进行分析

案例2：同一样品的测序文件在多个文件夹下（包含4个sample index），路径结构和参数设置如下：

bcl2fastq_output
|-- HFLC5BBXX
    |-- SI-GA-A1_1
    |   |-- SI-GA-A1_1_S1_L001_I1_001.fastq.gz
    |   |-- SI-GA-A1_1_S1_L001_R1_001.fastq.gz
    |   `-- SI-GA-A1_1_S1_L001_R2_001.fastq.gz
    |-- SI-GA-A1_2
    |   |-- SI-GA-A1_2_S2_L001_I1_001.fastq.gz
    |   |-- SI-GA-A1_2_S2_L001_R1_001.fastq.gz
    |   `-- SI-GA-A1_2_S2_L001_R2_001.fastq.gz
    |-- SI-GA-A1_3
    |   |-- SI-GA-A1_3_S3_L001_I1_001.fastq.gz
    |   |-- SI-GA-A1_3_S3_L001_R1_001.fastq.gz
    |   `-- SI-GA-A1_3_S3_L001_R2_001.fastq.gz
    |-- SI-GA-A1_4
    |   |-- SI-GA-A1_4_S4_L001_I1_001.fastq.gz
    |   |-- SI-GA-A1_4_S4_L001_R1_001.fastq.gz
    |   `-- SI-GA-A1_4_S4_L001_R2_001.fastq.gz
|-- Reports
|-- Stats
|-- Undetermined_S0_L001_I1_001.fastq.gz
|-- Undetermined_S0_L001_R1_001.fastq.gz
`-- Undetermined_S0_L001_R2_001.fastq.gz

--fastqs=MKFASTQ_ID/outs/fastq_path      ##全部样品

--fastqs=MKFASTQ_ID/outs/fastq_path \    ##单独分析每一个文件夹下测序数据
--sample=SI-GA-A1_1,SI-GA-A1_2,SI-GA-A1_3,SI-GA-A1_4

--fastqs=MKFASTQ_ID/outs/fastq_path \    ##只分析第一个sample index
--sample=SI-GA-A1_1

案例3：感觉与案例1相似，但是显得特别乱

fastq_path
|-- Reports
|-- Stats
|-- test_sample_S1_L001_I1_001.fastq.gz
|-- test_sample_S1_L001_R1_001.fastq.gz
|-- test_sample_S1_L001_R2_001.fastq.gz
|-- test_sample_S1_L002_I1_001.fastq.gz
|-- test_sample_S1_L002_R1_001.fastq.gz
|-- test_sample_S1_L002_R2_001.fastq.gz
|-- test_sample_S1_L003_I1_001.fastq.gz
|-- test_sample_S1_L003_R1_001.fastq.gz
|-- test_sample_S1_L003_R2_001.fastq.gz
|-- Undetermined_S0_L001_I1_001.fastq.gz
...
`-- Undetermined_S0_L003_R2_001.fastq.gz

--fastqs=MKFASTQ_ID/outs/fastq_path   ##所有样品，mkfastq

-fastqs=/PATH/TO/bcl2fastq_output     ##所有样品，bcl2fastq

--fastqs=MKFASTQ_ID/outs/fastq_path \ ##test sample数据
--sample=test_sample

--fastqs=MKFASTQ_ID/outs/fastq_path \  ##test sample，lane1数据
--sample=test_sample \
--lanes=1

案例4：路径结构和参数设置如下：

PROJECT_FOLDER
|-- MySample_S1_L001_I1_001.fastq.gz
|-- MySample_S1_L001_R1_001.fastq.gz
|-- MySample_S1_L001_R2_001.fastq.gz
|-- MySample_S1_L002_I1_001.fastq.gz
|-- MySample_S1_L002_R1_001.fastq.gz
|-- MySample_S1_L002_R2_001.fastq.gz

--fastqs=/PATH/TO/PROJECT_FOLDER   ##所有样品

--fastqs=/PATH/TO/PROJECT_FOLDER \ ##某一样品
--sample=MySample


--fastqs=/PATH/TO/PROJECT_FOLDER \ ##MySample的lane1
--sample=MySample \
--lanes=1