Souporcell 开源项目教程

Souporcell 开源项目教程

souporcellClustering scRNAseq by genotypes项目地址:https://gitcode.com/gh_mirrors/so/souporcell

1、项目介绍

Souporcell 是一个用于混合基因型单细胞RNA测序实验的聚类方法。它不需要事先知道单个细胞的SNP基因型，能够有效地对混合样本进行解复用。Souporcell 主要由六个步骤组成，包括重新映射（使用 minimap2）、候选变异位点调用（使用 freebayes）、细胞等位基因计数（使用 vartrix）、通过基因型对细胞进行聚类（使用 souporcell.py）、双细胞调用（使用 troublet）以及调用聚类基因型和推断环境RNA的量（使用 consensus.py）。

2、项目快速启动

安装 Souporcell

首先，克隆 Souporcell 仓库到本地：

git clone https://github.com/wheaton5/souporcell.git

将 Souporcell 目录添加到你的 PATH 中。你需要确保以下工具在你的 PATH 中：samtools、bcftools、htslib、python3、freebayes、vartrix 和 minimap2。推荐使用 conda 环境进行安装：

conda env create -f /path/to/souporcell/souporcell_env.yaml
conda activate souporcell

还需要安装 Rust 并编译两个 Rust 二进制文件：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
cd /path/to/souporcell/souporcell && cargo build --release
cd /path/to/souporcell/troublet && cargo build --release

运行 Souporcell

假设你已经准备好了输入文件（如 possorted_genome_bam.bam 和 barcodes.tsv），你可以运行 Souporcell：

souporcell -a alt_matrix.mtx -b barcodes.tsv -n num_clusters -r ref_matrix.mtx

3、应用案例和最佳实践

应用案例

Souporcell 可以用于分析来自多个捐赠者的混合样本，特别是在没有 SNP 基因型信息的情况下。例如，在研究癌症细胞的异质性时，可以使用 Souporcell 来区分来自不同捐赠者的细胞。

最佳实践

• 数据准备：确保输入的 BAM 文件和 barcodes 文件是正确的，并且与 CellRanger 的输出格式一致。
• 参数调整：根据实验的具体情况调整 num_clusters 参数，以匹配实际的捐赠者数量。
• 结果验证：使用其他软件（如 Vireo）的结果来验证 Souporcell 的聚类结果。

4、典型生态项目

Souporcell 可以与其他单细胞分析工具结合使用，形成一个完整的分析流程。例如：

• CellRanger：用于初始的单细胞测序数据处理。
• Seurat：用于单细胞数据的进一步分析和可视化。
• Vireo：用于验证 Souporcell 的聚类结果。

通过这些工具的结合使用，可以实现从原始测序数据到最终生物学结论的完整分析流程。

souporcellClustering scRNAseq by genotypes项目地址:https://gitcode.com/gh_mirrors/so/souporcell