Cellranger-单细胞测序数据表达定量

原创 已于 2025-06-20 15:21:12 修改 · 425 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#r语言 #数据分析

于 2025-06-20 15:20:19 首次发布

Cellranger-单细胞测序数据表达定量

Cellranger-单细胞测序数据表达定量

1、Cellranger安装

2、参考基因组下载

3、表达定量

1、Cellranger软件安装

首先进去Cellranger官网进行简单注册，随后根据将其下载到自己的服务器中 Cellranger官网

image-20241025141003299

conda activate base
wget -O cellranger-8.0.1.tar.gz "https://cf.10xgenomics.com/releases/cell-exp/cellranger-8.0.1.tar.gz?Expires=1729879664&Key-Pair-Id=APKAI7S6A5RYOXBWRPDA&Signature=YVKVK113B0AImruKKjdFbTZcUKTGJOY6T-r5j41L9sSxdDoWDQCFoXr-0MdRXoCx5d0ud61bLzZ-vg7vpQXkMYk~Z0CEQqCpFhhkoEeBvzF4RVdyBr2aBosaMAq95firdEhAlzxD-~y0mpXsjO7DjFavsZTUOMPjvu5V9-eaT8ItbnDR06ZkuPi1RoKm3Wv2nrDmz4CJUIUs2vn7YPlZ9-beN6UidysA7WHT86ofcxJX0aPGUvi4t6yLaXaK8ZeTpSvii-wEtaiaXDXBOuo6plhy6hMzAZMS6fYv72oFXHSwPUT8WW6bZaBf8OLkKj6W3hQO5QE5xb1QnbcEXT3d~Q__"
# 官网也提供curl下载

# 检查md5sum值是否完整
md5sum cellranger-8.0.1.tar.gz
# 解压并安装
tar -zxvf cellranger-8.0.1.tar.gz
# 将cellranger添加到环境变量
vim ~/.bashrc
export PATH=/yourpath/cellranger-8.0.1:$PATH # yourpath为你的软件路径
source ~/.bashrc

image-20241025143303812

在终端当中输入cellranger命令检测是否安装成功，出现以下内容即为安装成功

image-20250620135031189

2、下载参考序列

官方提供了几个参考序列，包括人类，小鼠，大鼠和V(D)J参考序列

# Human reference (GRCh38) - 2024-A
wget "https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-GRCh38-2024-A.tar.gz"
# Mouse reference (GRCm39) - 2024-A
wget "https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-GRCm39-2024-A.tar.gz"
# Rat reference (mRatBN7.2) - 2024-A
wget "https://cf.10xgenomics.com/supp/cell-exp/refdata-gex-mRatBN7-2-2024-A.tar.gz"

# Human V(D)J reference (GRCh38)
wget "https://cf.10xgenomics.com/supp/cell-vdj/refdata-cellranger-vdj-GRCh38-alts-ensembl-7.1.0.tar.gz"

# 解压缩
tar -zxvf refdata-gex-GRCh38-2024-A.tar.gz

根据自己的研究需求进行下载

3、原始测序数据下载

可以选择GEO或者NGDC的GSA for Human下载原始数据，此处以GSA为例HRA003293，数据需要申请，可以选择open开放数据

wget -r -nH --cut-dirs=2 --ftp-user=name --ftp-password=password ftp://download.big.ac.cn/gsa-human/HRA003293/
最低0.47元/天 解锁文章
单细胞测序数据分析（3）- cell ranger的下载和使用-学习笔记
leo12354的博客
09-11 7791
参考： 单细胞实战(三) Cell Ranger使用初探 把sra文件转化成fastq格式，并对fastq格式的文件进行质控。 find ./10X -name "*R1*.gz">id-1.txt find ./10X -name "*R1*.gz">id-2.txt cat id-1.txt id-2.txt >id-all.txt cat id-all.txt| xargs fastqc -t 20 -o ./ 得到质控结果。 基本上可以用于下游分析。 接下来就是用 cell
利用cellranger对（人）单细胞数据进行上游分析(实验室日记day1和day2)
Recordarse的博客
11-08 2529
如果测到的细胞数多，但是每个细胞里面的平均reads数少，那么饱和度就不高，反之，饱和度高。但也不是越高越好，背后原理是抽样的原理，到达80%左右就可以代表整个样本。下载命令的某些部分会定期更改，因此复制官网上面的确切命令可能不起作用。Estimated number of cells - 样本测到的细胞数。Mean reads per cell - 每个细胞测到的平均reads。三、对人的参考基因组和注释进行下载和解压（ensembl官网）一、Cellranger以及参考基因组的下载。
【Linux】CellRanger安装与系统环境部署
最新发布
weixin_54004950的博客
09-18 495
本文介绍了在CentOS7虚拟机中安装10xGenomics单细胞分析工具CellRanger的步骤。首先从官网获取最新Linux版本（如cellranger-9.0.1.tar.gz）的带签名下载链接，使用wget命令下载。下载后进行解压，可选择将软件移动到/opt等系统目录。接着通过修改.bashrc文件设置环境变量，将CellRanger路径添加到PATH中，并使用source命令使配置生效。最后通过运行测试命令"cellrangertestrun--id=test_install&quot
单细胞分析（22）——高效使用 Cell Ranger：安装、参数解析及 Linux 后台运行指南
阅读文献，记录学习笔记
03-06 3194
Cell Ranger 是 10x Genomics 开发的一套用于单细胞转录组测序数据处理的软件。它可以对 10x Genomics 平台生成的 `FASTQ` 文件进行对齐、UMI 计数和基因表达量计算，是单细胞 RNA-seq 数据分析的第一步。由于 Cell Ranger 对输入数据格式有严格要求，并且计算资源需求较高，因此在使用时需要注意安装环境、文件命名规范以及后台运行的方式。
cellranger安装以及使用
m0_59974475的博客
04-24 8386
接受cellranger count的输出数据，将同一组的不同测序样本的表达矩阵整合在一起，比如tumor组原来有4个样本，PBMC组有两个样本，现在可以使用aggr生成最后的tumor和PBMC两个矩阵，并且进行标准化去掉测序深度的影响。但是由于病毒基因组太小了，且注释结果只有CDS没有exon，所以曲线救国，将CDS整体替换为exon，也不进行过滤了，直接下一步。虽然安装完毕，但是现在要运行cellranger的话需要在终端输入cellranger的整个路径。自动执行这个命令，需要将“
10X单细胞测序分析软件:Cell ranger，从拆库到定量
热门推荐
悟道西方
07-16 1万+
撰文：周运来，一个读序列天书的公子哥，稳健，潇洒，大方，靠谱。大型测序工厂的螺丝钉，统计草原上的游牧者。(https://www.jianshu.com/u/06ae70ef31bc)...
Cell Ranger
ZHIDIHUAYUAN的博客
06-29 5843
Cell Ranger可处理Chromium single-cell RNA-seq 的输出： （1）align reads, （2）generate feature-barcode matrices （3）perform clustering and gene expression analysis 其包括四个与单细胞基因表达实验相关的pipelines。 cellranger mkfastq cellranger mkfastq将Illumina sequencer生成的raw base call (B
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合
LittleComputerRobot的博客
04-13 1607
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合
单细胞转录组 —— Cell Ranger 原始数据处理
dxs18459111694的博客
10-09 4238
我们前面介绍了单细胞转录组原始数据的处理步骤，以及每一步中涉及的各种问题及解决方案。下面我们将介绍几个常用的原始数据的处理流程。
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合.md
05-12
单细胞RNA测序（scRNA-seq）cellranger count的细胞定量和aggr整合
aggr代码 cellranger_单细胞实战(四) Cell Ranger流程概览
weixin_36352415的博客
12-30 1570
实战演练理论知识学再好，能付诸实践灵活运用才行，所以我们常强调知行合一，实践出真知。实战演练这个栏目就是带大家从头到尾完整复现单细胞文献分析流程。好了，干货多，屁话少，我们来看实战流程。希望大家能有所收获！总的来说，Cell Ranger主要的流程有：拆分数据 mkfastq、细胞定量 count、定量组合 aggr、调参reanalyze，还有一些小工具比如mkref、mkgtf、upload、...
cell_ranger：用于单个单元格数据的cell_ranger
02-11
介绍 mpozuelo / MGI_demux是一种生物信息学分析管道，用于将i5和i7的Illumina数据多路分解。 工作流处理来自FastQ输入（ ， ）的原始数据以进行多路分解，有关结果的更多详细信息，请参见。 该管道是使用构建的， 是一种工作流工具，可以以非常便携的方式跨多个计算基础架构运行任务。 它带有docker容器，使安装变得简单，结果可高度重现。 快速开始 一世。 安装 ii。 安装 ， 或 iii。 开始运行您自己的分析！ 您需要按照“ working_directory / data / fastq / run_id / lane / run_id_lane_read {1,2} .fq.gz”的方式组织fastq文件。 然后从工作目录运行以下指令。 nextflow run mpozuelo/MGI_demux -profile < docker/s
cellranger使用
weixin_57830892的博客
12-19 1426
cellranger cellranger -h cellranger cellranger-6.1.2 Process 10x Genomics Gene Expression, Feature Barcode, and Immune Profiling data USAGE: cellranger <SUBCOMMAND> FLAGS: -h, --help Prints help information -V, --version Prin.
快速上手Cellranger
weixin_47195452的博客
11-09 1960
由于测序仪器的测序能力远大于测试样本序列量，为避免仪器浪费，因此一个lane同时测定多个样品成为很自然的思路。10xBarcode是一段16nt的核苷酸序列(序列空间350万)，在每一个Gel Beads中的Barcode序列都是一致的，在后面Barcode与细胞融合形成水凝珠之后，可以保证一个细胞的所有基因序列都带着相同的Barcode序列，也就可以认定这些序列来自同一个细胞。UMI序列的空间很大，远多于需要检测的原始细胞的mRNA数量，(即使一种mRNA有多条，也是达不到UMI的序列空间的)。
单细胞转录组（4）Cell Ranger
2302_80012625的博客
05-17 1315
使用Cell Ranger进行单细胞数据分析是一个多步骤的过程，包括数据转换、质控、生成基因表达矩阵以及结果解读和可视化。数据转换 BCL2FASTQ使用Illumina提供的bcl2fastq软件将测序仪生成的BCL格式数据转换为FASTQ格式，这是进行下游分析的前提。数据质控利用FastQC等工具对FASTQ数据进行质控，确保数据质量符合分析要求。生成矩阵 COUNT使用Cell Ranger软件对原始数据进行比对和定量分析，生成基因表达矩阵。
2025.03.21【技术前沿】| CellRanger：基因分析的全方位解决方案
03-21 1252
在单细胞基因组学领域，CellRanger是10X Genomics公司推出的一款核心分析工具，它专门设计用于处理和分析来自10X Genomics平台的单细胞测序数据。CellRanger工具的设计理念在于提供一个端到端的解决方案，从原始数据的预处理到最终的基因表达矩阵生成。这个工具集成了数据拆分、基因表达定量、聚类分析等多个步骤，极大地简化了单细胞数据的分析流程。CellRanger是一个强大的工具，它为单细胞基因组学研究提供了一个全面的解决方案。
SCS【2】单细胞转录组 之 cellranger
weixin_41368414的博客
08-09 3416
单细胞转录组 之 cellranger
【小白学生信】cell ranger 初使用
weixin_43784829的博客
08-03 1万+
在学习单细胞转录组的时候，10X占据了市场的主流，它的
利用Cellranger对单细胞数据进行上游分析
weixin_52660253的博客
08-04 2007
当我们从NCBI上下载好相应文章的转录组数据后，便需要对其进行上游分析和下游分析的探究。而由于我们现在测序通常采用10×Genomics单细胞转录组测序技术，其公司开发的Cellranger便成为现在不可或缺的单细胞测序分析软件，在此我们便对其用法进行相应介绍和学习。
cellranger multi—单细胞免疫组库定量两个样本是一起跑还是单个跑
07-03
<think>我们正在讨论的是使用CellRanger multi进行单细胞免疫组库定量，特别是多个样本如何运行。根据用户的问题，我们需要解释如何配置和运行cellrangermulti来处理多个样本的免疫组库数据。关键点：1.Cell Rangermulti是10x Genomics提供的用于同时分析多个文库类型（例如基因表达和免疫组库）的工具。2.对于免疫组库分析，通常包括V(D)J测序数据，而multi可以同时处理来自同一个细胞的基因表达和V(D)J数据。3.当有多个样本时，我们需要为每个样本准备单独的fastq文件，并在配置文件中指定每个样本对应的文库。步骤：1.准备输入文件：每个样本的fastq文件（可能包括基因表达和V(D)J测序数据）。2.创建一个配置文件（CSV格式），其中指定每个样本的文库类型、测序类型、样本名称以及fastq文件路径。3.运行cellranger multi命令，指定配置文件和参考基因组。注意：对于免疫组库分析，我们通常需要两个文库：一个是基因表达（GeneExpression），另一个是V(D)J（VDJ）。在同一个样本中，这两个文库可能来自同一个细胞，但经过不同的建库方式。配置文件示例：假设我们有两个样本：sample1和sample2，每个样本都有两个文库：基因表达和VDJ。配置文件（multi_config.csv）内容如下： ```[gene-expression]reference,/path/to/refdata-gex-GRCh38-2020-A[vdj]reference,/path/to/refdata-vdj-GRCh38-alts-ensembl-5.0.0[libraries]fastq_id,fastqs,feature_typessample1_gene_exp,/path/to/sample1/gene_exp_fastq,Gene Expressionsample1_vdj,/path/to/sample1/vdj_fastq,VDJsample2_gene_exp,/path/to/sample2/gene_exp_fastq,Gene Expressionsample2_vdj,/path/to/sample2/vdj_fastq,VDJ```然后运行命令：```cellranger multi--id=multi_output --csv=multi_config.csv```解释： -[gene-expression]部分指定基因表达参考基因组路径。 -[vdj]部分指定VDJ参考基因组路径。- [libraries]部分列出每个样本的文库，包括fastq文件所在目录和文库类型（GeneExpression或VDJ）。注意：每个样本的基因表达和VDJ文库的fastq文件应该放在不同的目录下，并在配置文件中分别指定。另外，如果同一个样本的基因表达和VDJ数据来自同一次测序（即同一个fastq文件），那么通常不需要分开，但是10x的VDJ分析通常要求单独的文库。因此，一般建议分开建库。如果用户有多个样本，每个样本都有多个文库（比如多个基因表达文库），也可以在同一配置文件中指定，但需要确保每个文库的fastq_id唯一。输出：运行完成后，会在输出目录（multi_output）中生成每个样本的分析结果，包括基因表达和VDJ的整合结果。引用说明：根据用户提供的引用，我们并没有直接关于cellrangermulti的引用，但是引用[5]提到了kbcount（kallisto|bustools）的使用，而这里我们讨论的是CellRanger，所以不直接引用。因此，我们主要基于10xGenomics的官方文档进行回答。由于用户要求参考站内引用，但提供的引用中没有直接相关的，所以我们可以不添加引用标识，或者如果用户有提到相关的内容，我们可以适当关联。但在此问题中，用户提供的引用[3]提到了单细胞测序的广度和深度的权衡，而CellRanger multi可以同时处理多个样本，这有助于提高广度（多个样本）和深度（整合多个文库）。因此，我们可以适当关联。因此，在回答中我们可以提到：根据引用[3]，单细胞测序的广度是指同时测序的细胞、组织或样品的数量。使用cellrangermulti可以同时分析多个样本，从而增加分析的广度。相关问题：根据用户要求，我们需要生成相关问题。因此，回答结构如下：1.解释cellrangermulti处理多个样本的基本方法。2.给出配置文件的示例和运行命令。3.适当关联引用[3]。4.生成相关问题。</think>### Cell Ranger Multi进行单细胞免疫组库定量（多样本运行） 使用Cell Ranger Multi进行单细胞免疫组库定量时，多样本运行需通过**配置文件**统一管理样本和文库信息。以下是关键步骤： #### 1. **创建配置文件（CSV格式）** 配置文件需包含： - 参考基因组路径 - 每个样本的文库类型（基因表达/VDJ） - FASTQ文件路径 - 样本ID 示例配置文件 `multi_config.csv`： ```csv [gene-expression] reference,/path/to/refdata-gex-GRCh38-2020-A [vdj] reference,/path/to/refdata-vdj-GRCh38-alts-ensembl-5.0.0 [libraries] fastq_id,fastqs,feature_types,sample sample1_GEX,/path/to/sample1_gex_fastq,Gene Expression,sample1 sample1_VDJ,/path/to/sample1_vdj_fastq,VDJ-T,sample1 sample2_GEX,/path/to/sample2_gex_fastq,Gene Expression,sample2 sample2_VDJ,/path/to/sample2_vdj_fastq,VDJ-T,sample2 ``` #### 2. **运行命令** ```bash cellranger multi --id=multi_output \ --csv=multi_config.csv \ --localcores=8 \ --localmem=64 ``` - `--id`：输出目录名 - `--csv`：配置文件路径 - `--localcores/--localmem`：计算资源分配 #### 3. **关键配置说明** - **文库类型**：免疫组库需指定`VDJ-T`（T细胞）或`VDJ-B`（B细胞） - **样本标识**：`sample`列确保数据按样本分组 - **数据整合**：Cell Ranger自动关联同一细胞的基因表达和VDJ序列 - **输出结构**：结果包含： - 每个样本的VDJ克隆型（`clonotypes.csv`） - 细胞-抗原受体对应表（`all_contig_annotations.csv`） - 整合的基因表达矩阵（`filtered_feature_bc_matrix`） #### 4. **注意事项** - **FASTQ文件组织**：建议按样本分目录存放，避免路径错误 - **参考基因组**：需分别指定基因表达（`gene-expression`）和VDJ（`vdj`）的参考 - **样本数量**：支持数十个样本并行处理，但需确保足够内存 - **批次效应**：若样本来自不同批次，后续需整合分析（如引用[1]提到的批次校正方法） > **引用关联**：单细胞多组学整合分析（如基因表达+免疫组库）可提升生物学见解的完整性，但需注意不同技术平台的数据整合挑战（引用[4]）。实验设计时需权衡测序**广度**（细胞数）与**深度**（转录本覆盖度），这对免疫组库的克隆型检测灵敏度至关重要（引用[3]）。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值