单细胞分析过程遇到的问题(一)

单细胞分析过程遇到的问题

Read10x

利用Read10X这个函数导入数据是真的一波三折

1. 首先这个函数是不能导入压缩包形式的文件的，我卡在这里很久，主要也是由于教程太坑人了
   如果导入压缩文件，那就会出现下面的报错，也就是找不到文件地址
   
   一定得解压缩，然后就会出现三个文件，这是10x的标准文件（而且这个命名也是很重要的，一定得跟下面这三个一样，后面说）
   

2. 文件的命名也很重要
   这个数据集解压缩得到的三个文件命名是下面这样，这是10x v3版本
   

然后就不断出现下面的报错

我就去查了一下，发现是命名的原因

将文档重命名之后就可以运行了

参考文章
Barcode file missing. Expecting barcodes.tsv.gz - 简书 (jianshu.com)
刘小泽学习组合多个单细胞转录组数据 - 简书 (jianshu.com)
Seurat 4 源码解析 4: step1 读入10x数据到内存 Read10X(data.dir=) - 知乎 (zhihu.com)
单细胞分析seurat包学习笔记1 - 简书 (jianshu.com)

sce.all=merge(x=sceList[[1]],
              y=sceList[ -1 ],
              add.cell.ids =  gsub('_gene_cell_exprs_table.txt.gz','',gsub('^GSM[0-9]*_','',samples) )     )

刚开始我看到这句代码时，感觉很奇怪，为什么x一定要选取第一个样品，y就是剩下的样品。其实并不用，只要确保 x 参数是单细胞样品列表中的一个元素即可，可以使用其他任意样品作为 x 参数。也是可以的，最后得到的结果也是一样的。
sce.all_1=merge(x=sceList[[3]], y=sceList[-3])


得到的结果是一样，但还是推荐第一个样本作为x，这是为什么呢？接下来我们看下为什么？

> head(sce.all@meta.data, 10)
                        orig.ident nCount_RNA nFeature_RNA
H001_AAACCCAAGCACTCCG-1       H001       2680         1548
H001_AAACCCACACCGTCGA-1       H001      13725         4266
H001_AAACCCACACGGGTAA-1       H001       5091         2504
H001_AAACCCACAGATCCTA-1       H001       7770         2856
H001_AAACCCACAGCTGGTC-1       H001       1826         1084
H001_AAACCCACAGGTTCCG-1       H001      52893         7531
H001_AAACCCACATGAGTAA-1       H001      23244         6014
H001_AAACCCAGTCCAGAAG-1       H001       4737         1888
H001_AAACCCAGTGCCGTTG-1       H001      12693         4239
H001_AAACCCAGTGTGTGGA-1       H001       4983         2211

行的名字是细胞的名字

> head(sce.all_1@meta.data, 10)
                        orig.ident nCount_RNA nFeature_RNA
H001_AAACCCAGTATGATCC-1       H003       5567         2502
H001_AAACGAACACAAATGA-1       H003      14882         3995
H001_AAACGAACACGACGAA-1       H003       6351         2322
H001_AAACGAACATGCTGCG-1       H003      20569         4359
H001_AAACGCTAGCAGGTCA-1       H003      12237         3740
H001_AAACGCTCAGGGTTGA-1       H003       9009         2816
H001_AAACGCTCATGCAGCC-1       H003       7864         2726
H001_AAACGCTGTAATTAGG-1       H003      14658         3940
H001_AAACGCTGTGCATGAG-1       H003      13155         3532
H001_AAACGCTTCGCCGATG-1       H003       7674         2614

可以看到这里行的命名是以H001为开头的，为什么呢，这是由于gsub(‘gene_cell_exprs_table.txt.gz’,‘’,gsub('^GSM[0-9]*’,‘’,samples) )，如果想换成H003，需要将代码改一下，但没这个必要，还是从1开始看起来比较好处理。所以还是以第一个样品作为x。至于别的样品可以作为x理解就好了。

add.cell.ids = gsub('_gene_cell_exprs_table.txt.gz','',gsub('^GSM[0-9]*_','',samples) )
这句代码也是需要好好理解一下。那首先需要看下gsub这个函数。

gsub 的第一个参数是需要被替换的字符串，第二个参数是替换字符串的字符（即为空字符串）。第三个参数是需要替换的字符串，即 samples 列表。

它执行了两次字符串替换操作：
第一次：gsub(‘^GSM[0-9]_‘,’',samples)，表示删除以 'GSM[0-9]_’ 开头的字符串。
第二次：gsub(‘_gene_cell_exprs_table.txt.gz’,‘’,…)，表示删除以 ‘_gene_cell_exprs_table.txt.gz’ 结尾的字符串。
因此，最终结果是删除了列表 samples 中所有元素的指定字符串后的结果。最终结果可以用作单细胞样品的标识符。