10x RNAseq數(shù)據(jù)

在用cellranger 跑完10xRNaseq數(shù)據(jù)分析后，會生成一個outs目錄，

這個目錄下還有一個/filtered_feature_bc_matrix目錄,里面放著三個文件:

matrix.mtx.gz

features.tsv.gz

barcodes.tsv.gz

這三個文件的對應關系是什么樣的呢？今天我們來一探究竟:

(一) matrix.mtx.gz文件:

image.png

(二) features.tsv.gz

image.png

多說一句: 如果建庫時有CITEseq的信息，會增加表面蛋白基因信息到這個文件的底部：比如這里增加了三個表面蛋白基因.

image.png

(三) barcode.tsv.gz文件：

image.png

這三個文件的對應關系：

先看一下barcode文件有多少行,就表示有多少barcode,也就是細胞：

le  barcodes.tsv.gz |wc

  9631    9631  182989

再看一下有多少gene（features）文件有多少行.表示總共有多少個基因.

$ le features.tsv.gz |wc

  36601  146404 1479171

就會發(fā)現(xiàn)，9631個barcode和36601個基因跟matrix文件中的第三行是對應的，matrix表格中第三行的第三列數(shù)字是umi的總數(shù)。圖一綠色框所示.

matrix.tsv.gz這個文件，前兩行以%開頭的信息可以忽略，第三行是總數(shù)，從第四行開始，每一行是某一個基因（第一列）在某一個barcode（第二列）中的 umi count（第三列）?；蚝蚥arcode的數(shù)字分別對應于barcodes.tsv.gz和features.tsv.gz的行數(shù)。

舉例: 比如文件第四行的數(shù)字是33509 1 67，就是features.tsv第33509行的這個基因，在barcodes.tsv第1行的barcode里，有67個umi count.

我們來驗證一下:

在features.tsv文件中找到第33509行的基因"ISG15",再找到barcode.tsv中第一行的barcode: "AAACCTGGTCCTAGCG-1",然后用這兩個值在R中找一下看看是不是結果等于67就可以了.

library(Seurat)
data = Seurat::Read10X(data.dir='/xxx/filtered_feature_bc_matrix')

data$`Gene Expression`['ISG15','AAACCTGGTCCTAGCG-1']
[1] 67