seurat读取不同数据格式以创建Seurat单细胞对象

news2024/11/29 0:39:33

挖掘GEO公共单细胞数据集时，会遇到常见各种单细胞测序数据格式。现总结如下，方便自己日后调用，以创建Seurat对象
（1）barcodes.tsv.gz、features.tsv.gz、matrix.mtx.gz
（2）表达矩阵
（3）h5
（4）h5ad

格式一：`barcodes.tsv.gz`、`features.tsv.gz`、`matrix.mtx.gz`【☆】

这是cellranger上游比对分析产生的3个文件，分别代表细胞标签(barcode)、基因ID(feature)、表达数据（matrix）
一般先使用read10X()对这三个文件进行整合，得到行为基因、列为细胞的表达矩阵（为稀疏矩阵dgCMatrix格式，节约内存）；然后再配合CreateSeuratObject()函数创建Seurat对象
示例数据集：GSE166635，创建代码如下----

dir="./data/HCC2/filtered_feature_bc_matrix/"
list.files(dir)
#[1] "barcodes.tsv.gz" "features.tsv.gz" "matrix.mtx.gz" 

counts <- Read10X(data.dir = dir)
class(counts)
#[1] "dgCMatrix"
#attr(,"package")
#[1] "Matrix"

scRNA <- CreateSeuratObject(counts = counts)
scRNA
#An object of class Seurat 
#33694 features across 9112 samples within 1 assay 
#Active assay: RNA (33694 features, 0 variable features)

如上Read10X()函数接受的参数为目录名，该目录包含了所需的三个配套文件；值得注意的是三个文件名只能分别是barcodes.tsv.gz、features.tsv.gz、matrix.mtx.gz，然后read10X函数可以自动加载。如上截图那样就是需要修改的~

格式二：直接提供表达矩阵，使用seurat读取

这种是最方便的，直接创建Seurat即可
示例数据：GSE144320

格式2.1：直接提供表达矩阵，使用seurat读取

对于GSE104154这个数据集，比较费工夫，需要duplicated去重


library(dplyr)

#1 读取rawdata-----
raw_counts=read.csv("~/ipf/GSE104154_scRNA-seq_fibrotic MC_bleomycin/GSE104154_d0_d21_sma_tm_Expr_raw/GSE104154_d0_d21_sma_tm_Expr_raw.csv")

head(raw_counts)[1:4,1:4]

table(raw_counts$symbol) %>%head()



head(raw_counts)[1:4,1:4]

#1.2 去重复----
tmp=raw_counts[!duplicated(raw_counts$symbol) ,]
head(tmp)[1:4,1:4]

rownames(tmp)=tmp$symbol


head(tmp)[1:4,1:4]
#2 获取counts----
counts=tmp[,c(-1,-2)]

head(counts)[,1:9]


library(Seurat)
#https://zhuanlan.zhihu.com/p/385206713

#2 创建seruat对象------
rawdata=CreateSeuratObject(counts = counts,project = "blem",assay = "RNA")
hp_sce=rawdata
hp_sce@assays$RNA@counts[1:5,1:6]

格式三：h5格式文件

使用Read10X_h5()函数，读入表达矩阵，在创建Seurat对象
示例数据：GSE138433

sce <- Read10X_h5(filename = GSM4107899_LH16.3814_raw_gene_bc_matrices_h5.h5")
sce <- CreateSeuratObject(counts = sce)

格式四：h5ad格式

需要安装，使用SeuratDisk包的两个函数；
先将后h5ad格式转换为h5seurat格式，再使用LoadH5Seurat()函数读取Seurat对象。
示例数据集：GSE153643

#remotes::install_github("mojaveazure/seurat-disk")
library(SeuratDisk)
Convert("GSE153643_RAW/GSM4648565_liver_raw_counts.h5ad", "h5seurat",
        overwrite = TRUE,assay = "RNA")
scRNA <- LoadH5Seurat("GSE153643_RAW/GSM4648565_liver_raw_counts.h5seurat")
#注意一下，我之前载入时，表达矩阵被转置了，需要处理一下~