本文详细介绍了在10x Genomics单细胞测序分析中，如何使用cellranger count分别处理每个GEM well的FASTQ数据，然后利用cellranger aggr进行合并。重点讲解了GEM well的概念，以及cellranger aggr的输入文件、参数设置，包括normalize选项和batch correction的功能。此外，还展示了如何构建csv文件以供aggr使用，并列举了成功运行的输出文件内容。
When doing large studies involving multiple GEM wells, run cellranger count on FASTQ data from each of the GEM wells individually, and then pool the results using cellranger aggr.当你的实验涉及到多个GEM well的时候，要分别独立的把你的fastq文件运行cellranger count，之后使用cellranger aggr进行合并。
在之前的文章里，我使用的练习数据(cellranger使用的初步探索(1))，该文献的作者在介绍数据处理的时候也是说明了把每一个fastq文件分别运行cellranger count，再进行整合。
那么问题就来了，什么是GEM wells?
这个问题在我之前的一篇笔记里有涉及过(10×单细胞测序分析练习(一))，这里再加强一下记忆(记性不好)，并且要进行进一步深入的理解，图片来源于陈巍学基因视频(【陈巍学基因】视频56：10X genomics分析单细胞表达)：
这就是10x Genomics芯片，每一个芯片可以测8个样品。每一列就是一个样品。编号为1的，也就是sample well是放样品的；编号为2的一行，是放预制微珠的；编号为3的一行是放油的。最上面的一排孔是在制作好乳浊液之后，回收乳浊液的。
那么上面这个芯片的Gel Beads的孔里放的凝胶微珠是什么结构呢：
每一个凝胶微珠上，都连有一段特定的DNA序列。每一个微珠对应一个bar
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
