前边咱们在 初试Seurat的V5版块 的推文内部演示了10x单细胞样品的规范3文献的读取✨白蛇 白虎 虎 龍 福 /24k 御守り お守り，况且在使用Seurat的v5来读取多个10x的单细胞转录组矩阵 的推文内部演示了多个10x单细胞样品的规范3文献的读取。
然则留住来了一个悬念， 便是若是咱们的单细胞转录组并不是10x的规范3文献，而是tsv或者csv或者txt等文本文献抒发量矩阵信息，就有点吃力了。接下来咱们以2020的著作：《Single-Cell Transcriptome Analysis Reveals Dynamic Cell Populations and Differential Gene Expression Patterns in Control and Aneurysmal Human Aortic Tissue》例如证据，它的数据集是 https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE155468
不错看到，作家这个本事给出来的是：
浆果儿全集GSM4704931_Con4.txt.gz 9.2 MbGSM4704932_Con6.txt.gz 3.0 MbGSM4704933_Con9.txt.gz 10.0 MbGSM4704934_TAA1.txt.gz 7.7 MbGSM4704935_TAA2.txt.gz 5.8 MbGSM4704936_TAA3.txt.gz 7.2 MbGSM4704937_TAA4.txt.gz 12.5 MbGSM4704938_TAA5.txt.gz 11.7 MbGSM4704939_TAA6.txt.gz 8.1 MbGSM4704940_TAA7.txt.gz 18.7 MbGSM4704941_TAA8.txt.gz 6.4 Mb
是11个单细胞转录组样品，8 patients with ATAA (4 women and 4 men) and 3 controls (2 women and 1 man). 每个样品都是一个寂寥的txt文本文献赋存着其抒发量矩阵信息。
值得肃穆的是这个2020的数据集还被2023的著作援用了，感趣味的不错去望望，Genome-wide association study of thoracic aortic aneurysm and dissection in the Million Veteran Program. Nat Genet 2023 Jul;55(7):1106-1115. PMID: 37308786
前边提到了，若是是莫得样品的txt寂寥读取后，再merge的本事成为的Seurat对象内部的各个样品的抒发量矩阵的分开的，就会导致统统的后头的门径都失败。而它每个样品并不是10x单细胞样品的规范3文献，是以没目的使用前边的计谋。
第一种花式是把每个样品的矩阵对都每个样品的txt仍然是寂寥的读取✨白蛇 白虎 虎 龍 福 /24k 御守り お守り，代码如下所示：
dir='GSE155468_RAW/' samples=list.files( dir ,pattern = 'gz')samples library(data.table)ctList = lapply(samples,function(pro){ # pro=samples[1] print(pro) ct=fread(file.path( dir ,pro),data.table = F) ct[1:4,1:4] rownames(ct)=ct[,1] colnames(ct) = paste(gsub('.txt.gz','',pro), colnames(ct) ,sep = '_') ct=ct[,-1] return(ct)})上头的代码复返了 ctList 这个list，它内部有每个单细胞样品的抒发量矩阵，然则每个样品的基因数目和细胞数目都是不一样的哦。然后提前把矩阵统一之前需要最初把基因数目对都，统一后才构建对象：
lapply(ctList, dim)tmp =table(unlist(lapply(ctList, rownames)))cg = names(tmp)[tmp==length(samples)]bigct = do.call(cbind, lapply(ctList,function(ct){ ct = ct[cg,] return(ct) }))sce.all=CreateSeuratObject(counts = bigct, min.cells = 5, min.features = 300)sce.allas.data.frame(sce.all@assays$RNA$counts[1:10, 1:2])head(sce.all@meta.data, 10)table(sce.all@meta.data$orig.ident) 不错看到，我这个本事作念了一个处置，便是每个样品的基因数目都对都了，若是某个基因在某个样品内部私有其实它不会被筹商，因为我筹商的是绝大部分基因。
因为多个样品统一成为了一个超等大的抒发量矩阵，便是 bigct 这个变量，是以后头径直针对它来使用CreateSeuratObject函数去构建Seurat对象，便是完满的卑鄙分析的输入数据啦。
第二种花式是把矩阵复原成为10x的3文献前边咱们指出来了，它每个样品并不是10x单细胞样品的规范3文献，每个样品都是一个寂寥的txt文本文献赋存着其抒发量矩阵信息，是以没目的使用前边的计谋。然则，咱们其实不错把柄这个txt文献去把它复原成为10x的3文献，早在2020-03-16其实我就写个一个浮松的札记：抒发矩阵逆转为10X的规范输出3个文献，然则阿谁本事的代码略略有点吃力，咱们其实不错把它写成一个函数，接下来让咱们演示一下吧。
每个样品的txt仍然是寂寥的读取，代码如下所示：
dir='GSE155468_RAW/' samples=list.files( dir ,pattern = 'gz')samples library(data.table)ctList = lapply(samples,function(pro){ # pro=samples[1] print(pro) ct=fread(file.path( dir ,pro),data.table = F) ct[1:4,1:4] rownames(ct)=ct[,1] colnames(ct) = paste(gsub('.txt.gz','',pro), colnames(ct) ,sep = '_') ct=ct[,-1] return(ct)})上头的代码复返了 ctList 这个list，它内部有每个单细胞样品的抒发量矩阵，然则每个样品的基因数目和细胞数目都是不一样的哦。接下来咱们构造一个自界说函数，把抒发量矩阵转为10x的3个文献，如下所示：
to10x <- function(ct) { write.table(data.frame(rownames(ct),rownames(ct)),file = 'features.tsv', quote = F,sep = '\t', col.names = F,row.names = F) write.table(colnames(ct),file = 'barcodes.tsv',quote = F, col.names = F,row.names = F) file="matrix.mtx" sink(file) cat("%%MatrixMarket matrix coordinate integer general\n") cat("%\n") cat(paste(nrow(ct),ncol(ct),sum(ct>0),"\n")) sink() tmp=ct[1:5,1:4] tmp tmp=do.call(rbind,lapply(1:ncol(ct),function(i){ return(data.frame(row=1:nrow(ct), col=i, exp=ct[,i])) }) ) tmp=tmp[tmp$exp>0,] head(tmp) write.table(tmp,file = 'matrix.mtx',quote = F, col.names = F,row.names = F,append = T )}比拟浮松，接下来就针对前边的抒发量列表去轮回使用这个函数即可，如下所示：
lapply(samples,function(pro){ # pro=samples[1] pro=gsub('.txt.gz','',pro) print(pro) ct = ctList[[1]] dir.create(pro) setwd(pro) to10x(ct) setwd('../') })说真话，函数驱动后果如实有点低，不外不遑急，反恰是锻练的代码，咱们有时是也曾会继承前边的矩阵统一的面孔，并不需要把抒发量矩阵转为10x的3个文献。收效后不错看到如下所示的文献夹结构：
│ ├── [ 160] GSM4704935_TAA2│ │ ├── [115K] barcodes.tsv│ │ ├── [291K] features.tsv│ │ └── [ 95M] matrix.mtx│ ├── [ 160] GSM4704936_TAA3│ │ ├── [115K] barcodes.tsv│ │ ├── [291K] features.tsv│ │ └── [ 95M] matrix.mtx
值得肃穆的是每个样品这个本事内部的3文献其实是并莫得压缩，是以很消耗空间哦。况且因为这个本事我给出来的名字是features.tsv是以若是思使用Seurat的Read10X读取，就需要把每个样品文献夹内部的3文献gz压缩一下哦！然后把每个样品的文献夹归纳整理到 outputs 文献夹内部，就不错使用如下所示的代码啦。
library(Seurat)tmp = list.dirs('outputs')[-1]tmpct = Read10X(tmp) sce.all=CreateSeuratObject(counts = ct , min.cells = 5, min.features = 300,) 如下所示的文献夹架构哦：
图片
文献夹架构相似的✨白蛇 白虎 虎 龍 福 /24k 御守り お守り，只需有了sce.all对象，后头的降维聚类分群便是咱们之前的代码即可啦。未来中午直播一下这个一起的经由哈！
本站仅提供存储就业，统统本色均由用户发布，如发现存害或侵权本色，请点击举报。