Фактический бой с одной ячейкой (1) Создание объекта загрузки данных, чтения данных и просмотра.
Фактический бой с одной ячейкой (1) Создание объекта загрузки данных, чтения данных и просмотра.
В этой статье мы покажем, как загрузить данные секвенирования отдельных ячеек из географической базы данных.,Несколько форматов данных,Как читать данные и создавать объект seurat.

Основная структура статьи:

1. Загрузка данных

2. Чтение данных и создание объекта проверки.

  • Чтение данных в различных форматах в условиях одиночного образца,Создание объекта seurat после чтения
  • Несколько Чтение данных в различных форматах в условиях образцов, создание и объединение отдельных объектов после чтения.

1. Загрузка данных

Вы можете зайти на официальный сайт GEO (https://www.ncbi.nlm.nih.gov/gds), чтобы найти и загрузить нужные вам данные секвенирования отдельных клеток. Данные для тестирования примера кода будут предоставлены позже в этой статье.

Общие форматы данных секвенирования отдельных клеток, представленные в базе данных GEO, в основном включают следующее:

  • 10x «matrix.mtx», «genes.tsv» и «barcodes.tsv» 10 раз Стандартный формат файла для данных секвенирования одноклеточного транскриптома Genomics. Эти файлы обычно хранятся в каталоге,Можно использоватьRead10Xфункция отRязык Читать в。
    • Matrix.mtx: это файл разреженной матрицы, содержащий информацию об экспрессии генов в каждой отдельной клетке. Каждая строка матрицы представляет ген, каждый столбец представляет одну ячейку, а каждый элемент матрицы представляет уровень экспрессии гена в отдельной клетке.
    • Genes.tsv (или Features.tsv): это текстовый файл, содержащий информацию о каждом гене. Каждая строка представляет ген, а каждый столбец представляет атрибут, например имя гена, номер гена и т. д.
    • barcodes.tsv: это текстовый файл, содержащий информацию о штрих-коде для каждой отдельной ячейки. Каждая строка представляет одну ячейку, а каждый столбец представляет атрибут, например последовательность штрих-кода, тип ячейки и т. д.
  • формат h5: Это двоичный формат файла, используемый для хранения крупномасштабных данных, которые могут содержать несколько типов данных, таких как матрицы, таблицы, изображения и т. д.
  • Сжатая текстовая матрица (файл GZ в формате TXT или CSV): Сжатые текстовые матрицы можно использовать для хранения матриц выражений или метаданных для данных секвенирования одной ячейки, что может уменьшить размер файла и время передачи. 。
  • формат h5ad: Он специально разработан для хранения и обмена данными об выражениях одной ячейки и использует библиотеку Anndata для создания и чтения. Формат h5ad совместим с такими инструментами, как cellxgene или Seurat, для визуализации и анализа данных отдельных клеток. 。
  • h5seurat формат: Это формат файла, основанный на формате h5, который специально разработан для хранения и анализа мультимодальных экспериментов по экспрессии одной ячейки и пространственного разрешения, таких как CITE-seq или таких технологий, как 10X Visium. Формат h5seurat совместим с такими инструментами, как SeuratDisk, для чтения и записи одноячеечных данных.
  • Файлы данных R (файлы RDS/RDATA)： Матрица выражений хранится в формате файла данных Rязык и должна быть прочитана непосредственно программным обеспечением R.

2. Чтение данных и создание объекта проверки.

одиночный образец

одиночный образец чтения данных случая и демонстрация создания объекта seurat для каждого формата:

Формат 10x Genomics:

Загрузка демонстрационных данных:

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

После скачивания файла разархивируйте его и измените имя. Путь к хранилищу следующий:

Ссылка на код для чтения файлов и создания объектов:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)

# Просмотр текущего рабочего каталога
getwd()

# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")

# Чтение данных 10x, параметр data.dir указывает путь для хранения файла.
seurat_data <- Read10X(data.dir = "./data/GSE234527/352")

# Создать объект Сёра
seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   project = "GSM7470392_352",
                                   min.features = 200,
                                   min.cells = 3)


# Просмотр основной информации об объектах Сера
seurat_obj

формат h5:

Загрузка демонстрационных данных:

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

После скачивания разархивируйте его, путь хранения такой, как показано на рисунке.

Ссылка на код для чтения файлов и создания объектов:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)


# Просмотр текущего рабочего каталога
getwd()


# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")


# Укажите местоположение и имя файла, который нужно прочитать.
h5_file <- "./data/GSE200874/GSM6045825_wt_filtered_gene_bc_matrices_h5_1.h5"


# Чтение файлов в формате h5 (используйте функцию Read10X_h5 для чтения файлов данных с одной ячейкой в ​​формате h5)
seurat_data <- Read10X_h5(file = h5_file)


# Создать объект Сёра (с помощью функции CreateSeuratObject Создать объект Сёра,И преобразуем прочитанные данные формата h5 в объект Seurat)
seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   project = "GSM6045825_wt",
                                   min.features = 200,
                                   min.cells = 3)

# Просмотр основной информации об объектах Сера
seurat_obj

Сжатая текстовая матрица (файл GZ в формате TXT или CSV):

Рекомендуется вручную сжать эти два файла на локальный компьютер, чтобы проверить формат содержимого файла.

CSVсжатиеGZФормат Загрузка демонстрационных данных:

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

Путь хранения загруженного файла

Пример кода сжатия CSV в формате GZ:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)

# Просмотр текущего рабочего каталога
getwd()

# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")

# Используйте функцию read.csv() для чтения данных из файла в формате csv.gz и используйте первый столбец в качестве имени строки.
seurat_data<- read.csv(gzfile("./data/GSE130148/GSE130148_raw_counts.csv.gz"), row.names = 1)

# Используйте функцию CreateSeuratObject() Создать объект Сёра,и укажите здесь название проекта
seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   min.features = 200,
                                   min.cells = 3, 
                                   project = "GSE130148")

Пример кода сжатия txt в формате GZ:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)

# Просмотр текущего рабочего каталога
getwd()

# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")

# Используйте функцию read.table() для чтения данных из файла в формате txt.gz и используйте первый столбец в качестве имени строки.
seurat_data<- read.table(gzfile("./data/GSE130xxx/xxxx.txt.gz"), row.names = 1, header = TRUE, sep = "\t")

# Используйте функцию CreateSeuratObject() Создать объект Сёра,и укажите здесь название проекта
seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   min.features = 200,
                                   min.cells = 3, 
                                   project = "GSE130xxx")

формат h5ad:

Скачать тестовые файлы:

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

Язык кода:javascript
копировать
# Скачать тестовые файлы
# https://www.dropbox.com/s/ngs3p8n2i8y33hj/pbmc3k.h5ad?dl=0

# Импортируйте необходимые пакеты R.
library(Seurat)
# Установите пакет SeuratDisk
#remotes::install_github("mojaveazure/seurat-disk")
library(SeuratDisk)

# Просмотр текущего рабочего каталога
getwd()

# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")

# Преобразуйте файл формата h5ad в файл формата h5seurat и укажите анализ, который будет использоваться как «РНК».
Convert("./data/pbmc/pbmc3k.h5ad", "h5seurat", overwrite = TRUE, assay = "RNA")

# использоватьLoadH5Seurat()функциянагрузкаh5seuratФорматдокумент,и Создать объект Сёра
seurat_pbmc <- LoadH5Seurat("./data/pbmc/pbmc3k.h5seurat")

Файлы данных R (файлы RDS/RDATA)

Язык кода:javascript
копировать
# Используйте функцию load() для чтения файлов RDATA.
load("path/to/your/file.Rdata")

# Используйте функцию readRDS() для чтения файлов RDS.
my_data <- readRDS("path/to/your/file.rds")

Несколько образцов

Несколько образцы корпуса, наша основная задача на10x Формат геномики и сжатая текстовая матрица (файл GZ в формате TXT или CSV)

10x формат Genomics. Несколько образцов чтения и создания объектов.：

Загрузка тестовых данных:

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

Пример кода:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)

# Просмотр текущего рабочего каталога
getwd()

# Установить рабочий каталог (переключить рабочий каталог на указанный путь)
setwd("D:/project/scRNA")

# Получить список всех файлов образцов в папке данных.
samples <- list.files("./data/GSE234527")

# Создайте пустой список для хранения объектов Сёра.
seurat_list <- list()

# Прочтите каждый образец10xданныеи Создать объект Сёра
for (sample in samples) {
# Путь к файлу сращивания
  data.path <- paste0("./data/GSE234527/", sample)

# Чтение данных 10x, параметр data.dir указывает путь для хранения файла.
  seurat_data <- Read10X(data.dir = data.path)

# Создать объект Сёра,и指定项目名称为样本документ名
  seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   project = sample,
                                   min.features = 200,
                                   min.cells = 3)

# Добавить объект Сёра в список
  seurat_list <- append(seurat_list, seurat_obj)
}

# Распечатать список всех объектов Сера
seurat_list

# Объединить объекты Сёра, объединить все объекты Сёра в один объект
seurat_combined <- merge(seurat_list[[1]], 
                         y = seurat_list[-1],
                         add.cell.ids = samples)
# Распечатайте объединенный объект Сёра
print(seurat_combined)

Формат h5. Несколько образцов чтения данных и создания объектов:

Загрузка тестовых данных:

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

После скачивания разархивируйте данные:

Язык кода:javascript
копировать
# Импортировать пакет Seurat
library(Seurat)

# Установить рабочий каталог
setwd("D:/project/scRNA")

# Получите список всех файлов h5 в папке данных.
h5_files <- list.files("./data/GSE200874", pattern = "\\.h5$")

# Создайте пустой список для хранения объектов Сёра.
seurat_list <- list()

# Перебрать каждыйh5документ的данныеи Создать объект Сёра
for (h5_file in h5_files) {
  # Путь к файлу сращивания
  data.path <- paste0("./data/GSE200874/", h5_file)
  # Чтение данных h5
  seurat_data <- Read10X_h5(filename = data.path)
  # Создать объект Сёра,и指定项目名称为документ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)

  # Добавить объект Сёра в список
  seurat_list <- append(seurat_list, seurat_obj)
}

# Извлеките часть перед подчеркиванием
sample_names <- sub("_.*", "", h5_files)
# Объединить объекты Сёра, объединить все объекты Сёра в один объект
seurat_combined <- merge(seurat_list[[1]],
                         y = seurat_list[-1],
                         add.cell.ids = sample_names)
# Распечатайте объединенный объект Сёра
print(seurat_combined)

Матрица сжатого текста (файл GZ в формате TXT или CSV).

Скачать тестовые файлы:

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

Загрузите три данных для демонстрации кода.

Разархивируйте после скачивания:

Пример кода:

Язык кода:javascript
копировать

# Импортировать пакет Seurat
library(Seurat)

# Импортировать пакет Seurat
library(Seurat)

# Установить рабочий каталог — это путь для хранения файла данных
setwd("D:/project/scRNA")

# Получить список всех файлов csv.gz
file_list <- list.files("./data/GSE150578", pattern = "\\.csv\\.gz$")

# Создайте пустой список для хранения объектов Сёра.
seurat_list <- list()

# Перебрать каждыйcsv.gzдокумент的данныеи Создать объект Сёра
for (file in file_list) {
  # Путь к файлу сращивания
  data.path <- paste0("./data/GSE150578/", file)
  # Чтение данных файла csv.gz
  seurat_data <- read.csv(gzfile(data.path), row.names = 1)

  # Создать объект Сёра,и指定项目名称为документ名（удалить суффикс）
  sample_name <- tools::file_path_sans_ext(basename(file))
  seurat_obj <- CreateSeuratObject(counts = seurat_data,
                                   project = sample_name,
                                   min.features = 200,
                                   min.cells = 3)
  # Добавить объект Сёра в список
  seurat_list <- append(seurat_list, seurat_obj)
}

# Извлеките часть перед подчеркиванием
sample_names <- sub("_.*", "", file_list)
# Объединить объекты Сёра, объединить все объекты Сёра в один объект
seurat_combined <- merge(seurat_list[[1]],
                         y = seurat_list[-1],
                         add.cell.ids = sample_names)
# Распечатайте объединенный объект Сёра
print(seurat_combined)

Вы можете использовать более эффективные функции, такие как fread(), чтобы заменить функцию read.csv() в этой статье, но вам следует обратить внимание на то, является ли формат данных после чтения точным.

Справочная ссылка: https://www.jianshu.com/p/5b26d7bc37b7.

Ссылка на ссылку: https://mp.weixin.qq.com/s/M15kWdH8eDONfakNhY-enA

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native｜Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose
©