2021-06-06 单细胞测序数据挖掘-1

1. 原始数据下载：
   https://mp.weixin.qq.com/s/PoqArKLtIslN2cJtXZTzOg

2. 下游的表达矩阵
   部分参考：https://mp.weixin.qq.com/s/-h2Qr7oVN93Z0JlVOO4uZA

① 三个文件：

三个文件需要在同一个文件夹下

rm(list=ls())
options(stringsAsFactors = F)
library(Seurat)
pbmc.data <- Read10X(data.dir = "filtered_gene_bc_matrices/hg19/")
dim(pbmc.data)
[1] 32738  2700
pbmc <- CreateSeuratObject(counts = pbmc.data, project = "pbmc3k", min.cells = 3, min.features = 200)

counts: 未标准化的数据，如原始计数或TPMs
project: 设置Seurat对象的项目名称；默认为"SeuratProject"
assay： 与初始输入数据对应的分析名称。
meta.data: 添加到Seurat对象的其他细胞水平（cell-level）数据。一个matrix，其中行是cell name，列是附加的元数据字段。
min.cells --该feature至少在n个细胞内被覆盖； 该基因（feature）至少在3个细胞中被检测到
min.features--规定了至少检测到这些feature的细胞。即检测到的基因至少有200个细胞才被用于分析

我下载样本准备读取数据时，报错：

Expecting barcodes.tsv.gz
Expecting features.tsv.gz

将样本的文件名改为：

这样对了

cellranger2 是genes.tsv, cellranger3是features.tsv,读取的时候，不建议解压

②loom文件

安装
devtools::install_github(repo = 'mojaveazure/loomR', ref = 'develop')
library(loomR)
library(Seurat)
pbmc <- connect(filename = "pbmc3k.loom", mode = "r"
pbmc3k.loom$close_all() # loom文件处理完要记得关闭
pbmc <- as.Seurat(pbmc) #创建了seurat对象
VlnPlot(pbmc, features ="ACTB" , ncol = 2, pt.size = 0.1)
# Always remember to close loom files when done