单细胞实战(1)数据下载-数据读取-seurat对象创建

2023-10-08 07:40

本文主要是介绍单细胞实战(1)数据下载-数据读取-seurat对象创建,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

这篇文章我们将介绍从geo数据库下载单细胞测序数据后,多种数据格式多样本情况下,如何读取数据并创建seurat对象。

本文主要结构:

一、数据下载

二、数据读取与seurat对象创建

  • 单样本情况下各种格式数据的读取,读取后seurat对象的创建
  • 多样本情况下各种格式数据的读取,读取后seurat对象的创建、合并

一、数据下载

大家自行去GEO官网(https://www.ncbi.nlm.nih.gov/gds)搜索下载自己想要的单细胞测序数据。本文后面会提供数据用于示例代码测试。

图片

GEO数据库上提供的单细胞测序数据常见格式主要有以下几种:

  • 10x Genomics格式: matrix.mtx、genes.tsv和barcodes.tsv文件是10X Genomics单细胞转录组测序数据的标准文件格式。这些文件通常存储在一个目录中,可以使用Read10X函数从R语言中读取。

    • matrix.mtx:这是一个稀疏矩阵文件,其中包含了每个单细胞的基因表达信息。矩阵中的每一行代表一个基因,每一列代表一个单细胞,矩阵中的每个元素表示该基因在该单细胞中的表达量。
    • genes.tsv(或features.tsv):这是一个文本文件,其中包含了每个基因的信息。每一行代表一个基因,每一列代表一个属性,例如基因名称、基因编号等。
    • barcodes.tsv:这是一个文本文件,其中包含了每个单细胞的条形码信息。每一行代表一个单细胞,每一列代表一个属性,例如条形码序列、细胞类型等。
  • h5格式: 这是一种用于存储大规模数据的二进制文件格式,它可以包含多种数据类型,如矩阵、表格、图像等。

  • 压缩文本矩阵(TXT或CSV的GZ文件): 压缩文本矩阵可以用于存储单细胞测序数据的表达矩阵或元数据,它可以减少文件的大小和传输时间 。

  • h5ad格式: 它专门用于存储和分享单细胞表达数据,它使用Anndata库来创建和读取。h5ad格式可以与cellxgene或Seurat等工具兼容,进行单细胞数据的可视化和分析 。

  • h5seurat格式: 这是一种基于h5格式的文件格式,它专门用于存储和分析多模态单细胞和空间分辨率表达实验,如CITE-seq或10X Visium等技术。h5seurat格式可以与SeuratDisk等工具兼容,进行单细胞数据的读写 。

  • R数据文件(RDS/RDATA文件): 以R语言的数据文件格式存储表达式矩阵,需要R软件直接读取。

二、数据读取与seurat对象创建

单样本

单样本情况下每种格式的数据读取与seurat对象创建演示:

10x Genomics格式:

演示数据的下载:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527

图片

文件下载后解压,并修改名称,存放路径如下图:

图片

读取文件并创建对象的代码参考:

# 导入Seurat包
library(Seurat)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 读取10x数据,data.dir参数指定存放文件的路径
seurat_data <- Read10X(data.dir = "./data/GSE234527/352")# 创建Seurat对象
seurat_obj <- CreateSeuratObject(counts = seurat_data,project = "GSM7470392_352",min.features = 200,min.cells = 3)# 查看Seurat对象的基本信息
seurat_obj

h5格式:

演示数据的下载:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874

图片

下载后解压,存放路径如图

图片

读取文件并创建对象的代码参考:

# 导入Seurat包
library(Seurat)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 指定要读取的文件所在位置和文件名称
h5_file <- "./data/GSE200874/GSM6045825_wt_filtered_gene_bc_matrices_h5_1.h5"# 读取h5格式的文件(使用Read10X_h5函数读取h5格式的单细胞数据文件)
seurat_data <- Read10X_h5(file = h5_file)# 创建Seurat对象(使用CreateSeuratObject函数创建Seurat对象,并将读取的h5格式数据转换为Seurat对象)
seurat_obj <- CreateSeuratObject(counts = seurat_data,project = "GSM6045825_wt",min.features = 200,min.cells = 3)# 查看Seurat对象的基本信息
seurat_obj

压缩文本矩阵(TXT或CSV的GZ文件):

这两种文件建议先手动加压到本地查看一下文件内容格式。

CSV压缩GZ格式演示数据的下载:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=gse130148

图片

下载后文件的存放路径

图片

CSV压缩GZ格式示例代码:

# 导入Seurat包
library(Seurat)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 使用read.csv()函数从csv.gz格式的文件中读取数据,并将第一列作为行名
seurat_data<- read.csv(gzfile("./data/GSE130148/GSE130148_raw_counts.csv.gz"), row.names = 1)# 使用CreateSeuratObject()函数创建Seurat对象,并在此处指定项目名称
seurat_obj <- CreateSeuratObject(counts = seurat_data,min.features = 200,min.cells = 3, project = "GSE130148")

txt压缩GZ格式示例代码:

# 导入Seurat包
library(Seurat)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 使用read.table()函数从txt.gz格式的文件中读取数据,并将第一列作为行名
seurat_data<- read.table(gzfile("./data/GSE130xxx/xxxx.txt.gz"), row.names = 1, header = TRUE, sep = "\t")# 使用CreateSeuratObject()函数创建Seurat对象,并在此处指定项目名称
seurat_obj <- CreateSeuratObject(counts = seurat_data,min.features = 200,min.cells = 3, project = "GSE130xxx")

h5ad格式:

下载测试文件:

https://www.dropbox.com/s/ngs3p8n2i8y33hj/pbmc3k.h5ad?dl=0

# 下载测试文件
# https://www.dropbox.com/s/ngs3p8n2i8y33hj/pbmc3k.h5ad?dl=0# 导入所需的R包
library(Seurat)
# 安装SeuratDisk包
#remotes::install_github("mojaveazure/seurat-disk")
library(SeuratDisk)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 将h5ad格式文件转换为h5seurat格式文件,同时指定使用的assay为"RNA"
Convert("./data/pbmc/pbmc3k.h5ad", "h5seurat", overwrite = TRUE, assay = "RNA")# 使用LoadH5Seurat()函数加载h5seurat格式文件,并创建Seurat对象
seurat_pbmc <- LoadH5Seurat("./data/pbmc/pbmc3k.h5seurat")

R数据文件(RDS/RDATA文件)

# 使用load()函数读取RDATA文件
load("path/to/your/file.Rdata")# 使用readRDS()函数读取RDS文件
my_data <- readRDS("path/to/your/file.rds")

多样本

多样本情况下我们主要关注10x Genomics格式和压缩文本矩阵(TXT或CSV的GZ文件)

10x Genomics格式多样本读取与对象创建

测试数据下载:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527

图片

示例代码:

# 导入Seurat包
library(Seurat)# 查看当前工作目录
getwd()# 设置工作目录(将工作目录切换到指定路径下)
setwd("D:/project/scRNA")# 获取数据文件夹下的所有样本文件列表
samples <- list.files("./data/GSE234527")# 创建一个空的列表来存储Seurat对象
seurat_list <- list()# 读取每个样本的10x数据并创建Seurat对象
for (sample in samples) {
# 拼接文件路径data.path <- paste0("./data/GSE234527/", sample)# 读取10x数据,data.dir参数指定存放文件的路径seurat_data <- Read10X(data.dir = data.path)# 创建Seurat对象,并指定项目名称为样本文件名seurat_obj <- CreateSeuratObject(counts = seurat_data,project = sample,min.features = 200,min.cells = 3)# 将Seurat对象添加到列表中seurat_list <- append(seurat_list, seurat_obj)
}# 打印所有的Seurat对象列表
seurat_list# 合并Seurat对象,将所有Seurat对象合并到一个对象中
seurat_combined <- merge(seurat_list[[1]], y = seurat_list[-1],add.cell.ids = samples)
# 打印合并后的Seurat对象
print(seurat_combined)

h5格式多样本数据读入与对象创建:

测试数据下载:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874

图片

下载后将数据解压:

图片

# 导入Seurat包
library(Seurat)# 设置工作目录
setwd("D:/project/scRNA")# 获取数据文件夹下的所有h5文件列表
h5_files <- list.files("./data/GSE200874", pattern = "\\.h5$")# 创建一个空的列表来存储Seurat对象
seurat_list <- list()# 循环读取每个h5文件的数据并创建Seurat对象
for (h5_file in h5_files) {# 拼接文件路径data.path <- paste0("./data/GSE200874/", h5_file)# 读取h5数据seurat_data <- Read10X_h5(filename = data.path)# 创建Seurat对象,并指定项目名称为文件名sample_name <- tools::file_path_sans_ext(basename(h5_file))seurat_obj <- CreateSeuratObject(counts = seurat_data,project = sample_name,min.features = 200,min.cells = 3)# 将Seurat对象添加到列表中seurat_list <- append(seurat_list, seurat_obj)
}# 提取下划线前面的部分
sample_names <- sub("_.*", "", h5_files)
# 合并Seurat对象,将所有Seurat对象合并到一个对象中
seurat_combined <- merge(seurat_list[[1]],y = seurat_list[-1],add.cell.ids = sample_names)
# 打印合并后的Seurat对象
print(seurat_combined)

压缩文本矩阵(TXT或CSV的GZ文件)多样本:

下载测试文件:

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi

下载三个数据演示一下代码

图片

下载后解压:

图片

示例代码:


# 导入Seurat包
library(Seurat)# 导入Seurat包
library(Seurat)# 设置工作目录为存放数据文件的路径
setwd("D:/project/scRNA")# 获取所有csv.gz文件的列表
file_list <- list.files("./data/GSE150578", pattern = "\\.csv\\.gz$")# 创建一个空的列表来存储Seurat对象
seurat_list <- list()# 循环读取每个csv.gz文件的数据并创建Seurat对象
for (file in file_list) {# 拼接文件路径data.path <- paste0("./data/GSE150578/", file)# 读取csv.gz文件数据data <- read.csv(gzfile(data.path), row.names = 1)# 创建Seurat对象,并指定项目名称为文件名(去除后缀)sample_name <- tools::file_path_sans_ext(basename(file))seurat_obj <- CreateSeuratObject(counts = seurat_data,project = sample_name,min.features = 200,min.cells = 3)# 将Seurat对象添加到列表中seurat_list <- append(seurat_list, seurat_obj)
}# 提取下划线前面的部分
sample_names <- sub("_.*", "", file_list)
# 合并Seurat对象,将所有Seurat对象合并到一个对象中
seurat_combined <- merge(seurat_list[[1]],y = seurat_list[-1],add.cell.ids = sample_names)
# 打印合并后的Seurat对象
print(seurat_combined)

大家可以使用fread()等更高效的函数代替文中的read.csv()函数,但是要注意读取后数据格式是否准确。

参考链接:https://www.jianshu.com/p/5b26d7bc37b7

参考链接:https://mp.weixin.qq.com/s/M15kWdH8eDONfakNhY-enA

这篇关于单细胞实战(1)数据下载-数据读取-seurat对象创建的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/163755

相关文章

Java实现文件图片的预览和下载功能

《Java实现文件图片的预览和下载功能》这篇文章主要为大家详细介绍了如何使用Java实现文件图片的预览和下载功能,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... Java实现文件(图片)的预览和下载 @ApiOperation("访问文件") @GetMapping("

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

Java利用JSONPath操作JSON数据的技术指南

《Java利用JSONPath操作JSON数据的技术指南》JSONPath是一种强大的工具,用于查询和操作JSON数据,类似于SQL的语法,它为处理复杂的JSON数据结构提供了简单且高效... 目录1、简述2、什么是 jsONPath?3、Java 示例3.1 基本查询3.2 过滤查询3.3 递归搜索3.4

在java中如何将inputStream对象转换为File对象(不生成本地文件)

《在java中如何将inputStream对象转换为File对象(不生成本地文件)》:本文主要介绍在java中如何将inputStream对象转换为File对象(不生成本地文件),具有很好的参考价... 目录需求说明问题解决总结需求说明在后端中通过POI生成Excel文件流,将输出流(outputStre

idea中创建新类时自动添加注释的实现

《idea中创建新类时自动添加注释的实现》在每次使用idea创建一个新类时,过了一段时间发现看不懂这个类是用来干嘛的,为了解决这个问题,我们可以设置在创建一个新类时自动添加注释,帮助我们理解这个类的用... 目录前言:详细操作:步骤一:点击上方的 文件(File),点击&nbmyHIgsp;设置(Setti

MySQL大表数据的分区与分库分表的实现

《MySQL大表数据的分区与分库分表的实现》数据库的分区和分库分表是两种常用的技术方案,本文主要介绍了MySQL大表数据的分区与分库分表的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有... 目录1. mysql大表数据的分区1.1 什么是分区?1.2 分区的类型1.3 分区的优点1.4 分

Mysql删除几亿条数据表中的部分数据的方法实现

《Mysql删除几亿条数据表中的部分数据的方法实现》在MySQL中删除一个大表中的数据时,需要特别注意操作的性能和对系统的影响,本文主要介绍了Mysql删除几亿条数据表中的部分数据的方法实现,具有一定... 目录1、需求2、方案1. 使用 DELETE 语句分批删除2. 使用 INPLACE ALTER T

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash?1.1