從多個方面詳述cellranger

一、cellranger h5

Cell Ranger的結果會轉儲為多個H5文件，這些文件包含了一些基本的計數器集合，如reads到基因，錯誤糾正的reads等。H5文件同時可以存儲附加的質量信息，這些信息可以在web瀏覽器中通過Loupe瀏覽器進行查看。

以下是使用cellranger count生成的一個H5文件的示例：

#!/bin/bash
cellranger count --id=tiny_bcl --fastqs=tiny-bcl --sample=pbmc3k --localcores=8 --localmem=32

在這個示例中，小樣本的快速文件tiny-bcl被描述為一些人口（pbmc3k），運行與Numpy的計數分析，最終得到了一個包含計數的H5文件。

二、cell ranger軟件

Cell Ranger是由10x Genomics製造和提供的一個數據分析軟件包，它主要用於處理單細胞RNA數據，使批處理的RNA測序結果變得更為簡單。它可以通過集成用戶所插入的參考基因組，自動建立一個Genome Browser。

以下是一個使用cellranger count運行的例子，它重複地進行了一個簡單的計數運算，然後創造了一個基於UCSC站點的Genome Browser。

#!/bin/bash
cellranger count --id=sample3456 --transcriptome=refdata-cellranger-GRCh38-3.0.0 --fastqs=/path/to/sample3456_fastq --sample=sample3456

在這個示例中，“sample3456”和一些與之相關的，非常基本的參數們（像fastq文件路徑，參考束）是用來確定單元素件的RNA表達情況。

三、cellranger翻譯

Cell Ranger翻譯為“細胞遊騎兵”，讓人想起細胞類別的劃分。

在10x Genomics發明Single Cell技術之前，關於單細胞RNA測序分析的方法大多需要在細胞之間手工劃分，意味着不可避免的人為偏差效應。通過這種方法，每次測序都只能同時測量一種化合物，所以在有限的時間和存在高噪音的數據中創建準確的圖像會非常困難。

單細胞RNA-seq技術被稱為是能夠揭示複雜轉錄組拓撲學、發現新的細胞類型和強化轉錄譜定量的一種有力工具。

四、cellranger結果解讀

Cell Ranger的結果解釋很複雜，因為它既有模擬的數據，又有實時數據。管理這些不同類型的數據的最佳方式是使用10x Genomics提供的解釋材料，有關於每個結果文件及其在單元素件DNA表達研究中的更廣泛上下文背景的詳細文檔。

以下內容是關於特定結果文件（例如，feature-counts.csv文件）的解釋：

id,gene,SRR3509631,SRR3509632,SRR3509633,SRR3509634,SRR3509635,SRR3509636,SRR3509637
"SGIP1","ENSG00000184196",47,55,33,46,64,45,63
"MBOAT1","ENSG00000163405",66,71,57,57,86,91,51

這個示例結果的文件告訴我們，SGIP1和MBOAT1是兩種最具表達率的基因，而他們的總和分別是每個單元素件中可觀測數據計數的一部分。根據這個計數，得到的表格可以分為兩列，其中一列存儲於“feature-counts.csv”文件中的觀察值數據，而另一列則跟每個對應樣本相關（像SRR3509631），假設其單元素件DNA表達研究中的更廣泛上下文。

五、cellranger官網

Cellranger官網

https://support.10xgenomics.com/single-cell-gene-expression/software/home

該網站是10x Genomics’support網站，提供了各種文檔、工具和技術推薦，可以幫助用戶和終端用戶設定特定的參數以確保研究結果。

六、cellranger分析

Cell Ranger的結果可以直接輸入到10x Genomics Loupe瀏覽器中進行可視化分析。

以下是為了查看一個簡單的單元素件中各種基因情況，從瀏覽器調入Cell Ranger運行的結果的出示的代碼段：

cellranger aggr --id=pbmc_10k_aggr \
--csv=/opt/sample-sheet.csv \
--normalize=mapped
cellranger loupe \
--id=pbmc_10k_loupe \
--aggregate=pbmc_10k_aggr \
--index=pbmc_10k/aggr/index.csv \
--features=pbmc_10k/web_summary.html \
--mapping=h5 \
--enable-cache

七、什麼數據能用cellranger分析

Cell Ranger主要用於處理單細胞測序，重點處理基因差異表達分析和聚類分析。在單細胞RNA測序分析中，分析結果主要來自於fastq文件，這些文件包含有關測序的圖像和數據信息，可以通過高級引擎供計算機分析使用。這種數據可以用Cellranger進行處理和分析。

除此之外，其他類型的RNA測序數據都可以進行類似的處理和分析，一般是把這些數據建立成通量表達（expression matrix），然後通過標準的生物信息學流程來進行下一步分析。

八、cellranger原理

在單細胞RNA-seq中，最終的目標是了解在一個細胞中有哪些RNA類別以及這些RNA的相對表達量。識別這些RNA所屬的位置就需要遺傳學方法來分實現。Cell Ranger就執行了這樣的功能，並可以處理和分析單細胞RNA-seq的大量數據。

本質上，cellranger其實是將fastq文件轉換為可讀的可分析的圖像和數據信息，然後將這些數據傳遞給一些Matlab、Python或其他軟件的計算引擎，然後制定標準的生物信息學流程，最終生成有關RNA測序數據的報告和概述，這些報告和概述通常都可以在命令行中進行解釋和展示。

九、cellranger使用

使用Cell Ranger首先需要安裝，安裝十分簡單，只要該用戶具備下一步所示的幾個條件：

• macOS或Linux
• 8個CPU
• 50GB可用磁盤空間
• 64位操作系統
• Python 2.7.x或3.4.x

在安裝過程中，可以在Linux或Mac終端上運行十分簡單的代碼，如下所示：

curl -O https://cf.10xgenomics.com/misc/cell-ranger-5.0.1.tar.gz
tar -xzvf cell-ranger-5.0.1.tar.gz

在安裝好之後，使用Cell Ranger只需要輸入相關命令，如以下例子所示：

cellranger mkfastq --id=tiny-bcl --run=tiny-bcl
cellranger count --id=tiny-count --fastqs=tiny-bcl --sample=pbmc3k --localcores=8 --localmem=32

以上示例代碼將fastq文件tiny-bcl轉換成一個可分析的數據並創建一個ID為“tiny-count”的輸出目錄，裡面包含了界面數據和序列統計信息。