单细胞测序10X表达矩阵整理为三文件

整理10X单细胞测序的表达矩阵为三个标准文件（`barcodes.tsv`, `features.tsv`, 和 `matrix.mtx`）通常涉及从10X Genomics提供的输出格式中提取数据。以下是一个通用流程，适用于从10X的数据目录中提取和处理这些文件： ### 1. 获取原始数据 10X 单细胞 RNA 测序数据通常以 **HDF5** 文件（例如 `filtered_feature_bc_matrix.h5`）或 **MTX 格式** 提供。如果是 HDF5 文件，可以使用 `cellranger` 或 `Scanpy` 等工具将其转换为所需的三文件格式。 #### 使用 `cellranger` 提取 `cellranger` 是 10X 官方提供的工具，可以用于解压、转换和分析数据。 ```bash # 解压数据并生成标准文件 cellranger mat2csv --matrix=filtered_feature_bc_matrix.h5 --output=expression_data.csv ``` 此命令将生成一个 CSV 文件，但为了获得稀疏矩阵格式的标准文件，建议使用 `cellranger` 的内置功能来提取： ```bash cellranger count --id=sample_name \ --fastqs=path_to_fastq \ --transcriptome=path_to_reference_genome \ --localcores=8 \ --localmem=64 ``` 最终，在输出目录中的 `outs/filtered_feature_bc_matrix` 中会包含以下文件： - `barcodes.tsv.gz` —— 细胞条形码信息 - `features.tsv.gz` —— 基因特征文件 - `matrix.mtx.gz` —— 表达矩阵，存储了细胞与基因之间的表达量数据 [^1] ### 2. 手动提取数据（适用于已解压的 MTX 数据） 如果数据已经是 MTX 格式，则可以直接解压 `.gz` 文件并进行处理： ```bash gunzip barcodes.tsv.gz gunzip features.tsv.gz gunzip matrix.mtx.gz ``` 解压后，将得到以下三个文件： - `barcodes.tsv`：每一行代表一个单细胞的唯一标识符（Barcode） - `features.tsv`：列出所有被检测到的基因名称，包括其 ID 和类型 - `matrix.mtx`：稀疏矩阵格式，表示每个细胞与基因的表达量 [^1] ### 3. 使用 Python (Scanpy) 进行转换 如果希望使用 Python 脚本操作，可以使用 `Scanpy` 库加载 HDF5 文件并保存为标准格式： ```python import scanpy as sc # 加载 10X 的 H5 文件 adata = sc.read_10x_h5("filtered_feature_bc_matrix.h5") # 保存为标准的三文件格式 adata.write("expression_data.h5ad") # 保存为 AnnData 格式 sc.write("barcodes.tsv", adata.obs) sc.write("features.tsv", adata.var) sc.write("matrix.mtx", adata.X) ``` ### 4. 验证文件内容 确保生成的文件符合标准格式： - `barcodes.tsv` 包含一列 Barcode 名称 - `features.tsv` 包含基因 ID、名称及类型 - `matrix.mtx` 符合稀疏矩阵格式，每行对应一个非零值的 (cell, gene, value) --- ###