在cellranger count运行结束后，outs文件夹中会有一个名为：web_summary.html的网页文件，可通过浏览器直观的查看测序数据的质量如何，一起看看吧！
1、文件位置
网页文件所在地
2、Summary结果展示
如果数据中存在异常，在网页的头部会给黄色的警告框。点击Details, 可以看到详细的信息。
一般情况下，Fraction Reads in Cells的值应大于70%才能说明数据质量较好。
名词解释：
Mean Reads per Cell：例如，以捕获5000个细胞、100G的测序量为标准，每个细胞的reads数大约在50k左右。
Median Genes per Cell：每个细胞的基因中位数取决于样本的细胞类型，例如在成熟B、T、粒细胞数量较多的组中这些类型细胞表达的基因数普遍较少，导致基因中位数较低。而像肿瘤组织、或者体外培养的干细胞/类器官组织，它们的基因表达数较高，甚至可以超过1W，这就导致该类样本基因中位数非常高。因此，我们确认细胞数量以及基因中位数时，需要考虑实际组织的细胞类型组成情况。
Fraction Reads in Cells：每个样本过滤后细胞的reads数占总reads数（含背景）的百分比， 反映的是测序数据的利用率 ,能够展示测序数据中与细胞相关的UMI可靠地比对到基因组上的百分比。
2.1、比对比例统计
统计reads的比对比例，同时给出比对到基因间区，外显子，内含子的比例
mapping
2.2、细胞数目评估信息
通过barcode上的UMI标签分布来评估细胞数目，Y轴是map到每个barcode的UMI的计数数值，X轴是与计数数值对应的barcode的数量，绿色代表细胞，灰色代表背景。
如果这个曲线出现一个明显徒降的趋势，这表明与细胞相关的barcode和空白的条形码区分的很好。
cells
2.3、样品信息
其中展示了样品名称、参考基因组信息、cellranger版本信息、10X测序方法（V2或V3试剂盒）
sample
测序试剂盒原理
3、Analysis结果展示
在这里
该部分中主要含有以下几个内容：
降维分析，将细胞投射到二维空间（t-SNE）
自动聚类分析，将具有相似表达谱的细胞组合在一起
在所选cluster之间差异表达的基因列表
显示测序深度减少对观察到的文库复杂性的影响
显示测序深度减少对检测到的中值基因的影响
tsne
这里显示的是每个细胞条形码的总UMI计数。每个点表示一个细胞，颜色表示UMI含量。具有较大UMI计数的细胞可能具有比具有较少UMI计数的细胞更高的RNA含量，也就是越红的细胞RNA含量越高。坐标轴对应于由t-SNE算法产生的二维嵌入。在该空间中，彼此接近的细胞对具有比彼此远离的细胞更相似的基因表达谱，然后聚类将具有相似表达谱的单元组合在一起。
大家一起学习讨论鸭！
来一杯呀！
参考：
网友评论