Bioinformatics

最近，在做单细胞测序的分析，出现了这么一个需求：Cellranger 中没有像 Seurat 一样进行单细胞数据中常见的几类质控，比如 nGene，nUMI, percent of mitochondria genes 等，因此对于 cellranger 得到的矩阵先要经过这类质控，再进行 cellranger analyze 的后续分析。本来 Cellranger 自己有进行后续的 Rkit 包进行分析，但由于第三方包的发展，这个包已经被废弃了。鉴于 Cellranger 主页自己推荐使用 Seurat 进行后续分析，我们也就选择了这个软件进行质控及后续分析。

在Seurat 与 Cellranger 之间互通的二三事中，我们遇到了 dgTMatrix 和 dgCMatrix 这两个稀疏矩阵的不同表示。先前不清楚的时候，在必应中搜索稀疏矩阵中，出现最多的文章就是诸如 《理解Compressed Sparse Column Format (CSC)》这一类文章，我就不吐槽 CSDN 了，唉。这也就说明了作为写代码的人，你为什么要去直接看英文的原始资料，因为你永远不知道，翻译资源的那个人英文水平怎么样，更别提他的技术水平了。我这里是为了记录自己的学习内容，目的是为了自己观看。如果有某位同学进来了，还是看英文资料比较好一点，放在 参考 中了，你可以自己查阅。

以前就看过一些 dplyr 的使用，记得当初说是和 tplyr，reshape2 并称 R 数据处理三剑客，想想和 web 开发的 HTML，JavaScript，CSS 的三剑客有些类似。这两天又在《R 数据科学》看到 dplyr 的使用，还挺详细的。现在把书里的相关用法记录在此，刚好也把书上的习题在这里做个回答，以加强使用。

久闻 ggplot2 大名，它的出图也在各个生信分析包中随处可见。今天恰好买来的新书《R 数据科学》里面有讲解，遂随着它一起学习一下，也将以前的相关学习一齐记录于此。

在学习生信的过程中，总是听说流程啊，管道啊，pipeline啊，到底这些意味着什么？你能把测序数据从ncbi下载下来，这不叫流程；你可以继续把数据做完质控，然后搞个比对，再做做什么差异分析啊、富集分析啊、各种类型数据的联合分析啊，这也不叫流程，谁知道你中间因为某个包安装用了多久的时间，谁晓得你这个过程是不是 reproducible 的？要是你中间出了问题怎么办，可控性如何？监控性如何？要是这些问题都能解答，我想就应该可以叫做一个流程了吧，流程化、自动化、可控化、高复用化。作为一个新人，要独自解决这些功能还是有些困难，肯定需要“假于物”的，恰好那天看到有个朋友说到用snakemake来些流程，哈哈，这不就有了，下面就说一说我初步学习使用的理解吧。

安装

environment: py2.7.x

• rMATs

1
2
3
4
5
6
7
8
9
10

# in linux
wget http://rnaseq-mats.sourceforge.net/rMATS.4.0.2.tgz

# check version to use, in python
import sys
print sys.maxunicode
# 1114111: rMATS-turbo-xxx-UCS4
# 65535: rMATS-turbo-xxx-UCS2

"path/to/rMATs-turbo-xxx-UCS{x}/rMATS.py"

1 构建mapping file,并验证是否有误

mapping file记录着样品对应的barcode、primer、treatment group等信息，以tab作为列分割符。各列名如下：

下机reads组成：AdapterA - BarcodeSequence - LinkerPrimerSequence - Target - ReversePrimer - AdapterB

如果数据来源是分批次的话，需要分别导入，在去噪和生成特征表之后，把这些表进行合并，再进行后续分析。也就是说 1-3 对于分批次数据要分批次跑。

一、 基础概念

1 qiime2中数据的导入与导出

在QIIME2中，所有的输入数据都是以qiime2 artifacts的格式(.qza)存在，该格式有利于数据传递和生成路径追踪。在QIIME2中，你可以在分析的各个阶段导入数据，不论是原始的测序数据，还是经过处理产生的中间数据(eg. biom)，你都可以直接导入，接着进行后续分析。导入数据使用qiime tools import命令，你可以使用–show-importable-types和–show-importable-formats查看支持导入的数据类型，选择与你数据相应的导入类型。

你可以使用qiime tools export导出qiime的数据，用于R或者其他软件。这个命令与qiime tools extract命令的差别在于，导出命令只导出数据，与数据相关的生成追踪信息将被丢弃；但是提取命令不会，里面包含的provenance文件保存了这些追踪信息。