单细胞分析

同一份 10x 文库分了两条 lane 测序,为什么不能各算一份样本?

作者:发布于 2026-11-17约 8 分钟阅读
从一对读端检查到双色 lane,再按实际建库记录归并输入的教学示意

拿到一份外周血单细胞测序交付,目录里有 L001、L002,还有各自的 R1 和 R2。四个文件看起来像四次实验,课题组想知道它们能不能分别跑表达矩阵,作为组内重复画在图上。在运行第一条命令以前,先找两条记录:把细胞装进液滴的是哪一次捕获,把这份文库拿到测序仪上读出来的是哪次上机。它们回答不同的问题。本篇给出真正能够解压、读首条记录、检查配对的微型 FASTQ,再用建库台账把它们分给正确的计数任务。

从一对读端检查到双色 lane,再按实际建库记录归并输入的教学示意

从一个文件名辨认读端和车道

常见的标准文件名会包含样本前缀、样本序号、lane、读端和分块。前缀是测序交付时的样本名,不一定等于研究数据库里的患者名。lane 是测序平台的一条读出通道。R1 与 R2 是同一片段的两端,在常规十倍基因表达实验中承担条码、分子标识和转录本序列等不同信息。编号相邻的两份文件是否构成读段对,要看它们是否在同一交付目录、同一前缀、同一车道和同一分块中恰好提供了需要的两个读端。把不同车道的两个端硬配起来,即使数目相等也不会恢复真实的读段对。

先列表,不急着复制或合并压缩文件。完整保留交付层级在这里很有价值。假设这份文库补测过一次,两次上机都可能出现名为第一车道的文件。只用前缀和车道作键,第二次的文件就可能覆盖第一次的文件。把上机对应的目录也纳入键,能够分别核查每次交付的内部配对,再把它们归到同一个物理文库。对于文件名与常见格式不同的交付,先根据厂商文档和实际拆分记录建立对应规则,保留转换前后的映射。10x 关于 FASTQ 文件名和输入目录的说明

画一条从患者到测序文件的线

在笔记上依次写患者、取材、捕获、文库、上机、文件。问两个问题,第一,哪一项变化会让条码来自一次新的液滴捕获;第二,本次研究把哪一级当作独立生物学重复。同一文库分到两个 lane,通常应合并使用它的读段进行一次适合该文库的计数。若是同一患者的一管组织分成两次独立捕获,这两批条码应在各自的捕获语境里识别细胞,可在下游按计划合并统计。患者总人数不会因为一管组织多建一次库而增加,同一供者的不同部位也不能被误认成测序通道上的差别。

本练习限定普通三撇基因表达文库。一个来源标识映射到一个物理文库,不涉及同一细胞悬液同时构建转录组与抗体读出文库时的联合配置。遇到多模态、混样标签或特定探针方案,先查实际建库类型和软件支持的工作流,再决定哪些文件应进入同一组配置。随手把所有看似同名的文件放进一次普通表达计数,会让参数文件看起来简洁,却丢失了区分文库类型的关键信息。

文件关系 本练习怎样处理 用什么核实
同一文库、两个车道、读端齐全 一次表达计数任务 同一捕获、建库与样本前缀
同一人、两次捕获、分别建库 分别产生条码和计数结果 两个捕获编号及其文库编号
同一车道的一个分块缺少第二端 整份相关任务标为待补 原始交付清单和测序方记录
同名车道来自两个上机目录 先在每个目录内配对 每次上机及补测的归属

让脚本找出有问题的那个分块

下载完整代码、示例数据与参考输出(ZIP) · 下载图文操作手册(PDF)

解压包中有三份教学文库,其中一份放入两个车道。微型压缩文件使用合成读段,只够演练文件结构和配对关系。运行后先打开逐分块配对表,不必安装比对软件。你可以用文本编辑器查看文件清单,手工圈出缺失的读端,再用脚本答案核对。

python run.py --input example --out results
def pair_key(path):
    match = NAME.fullmatch(path.name)
    if match is None:
        raise ValueError(f"请核对文件命名 {path}")
    fields = match.groupdict()
    unit = (path.parent.as_posix(), fields["prefix"], fields["lane"], fields["chunk"])
    return unit, fields["read"]

函数从文件名提取四部分组成的键,然后单独保留读端名。比如同一前缀中,第一与第二车道各有一对读段,得到的是两行配对记录。文件名的前缀本身可能含下划线,按下划线固定拆成若干段常会把样本名截短。这里从末尾受约束的结构识别字段,对没有遵循相同规则的条目直接指出文件名,方便去查交付方的命名约定。索引读段与表达读段也分开标识,不能用一个索引文件补齐缺失的第二读端。

def audit_pair(paths, base):
    missing = sorted({"R1", "R2"} - paths.keys())
    if missing:
        return "missing_" + "_".join(missing)
    if read_first(base/paths["R1"]) != read_first(base/paths["R2"]):
        return "first_read_id_mismatch"
    return "ready"

打开缺失表时要留意“文件没有交付”和“文件出现在目录中但内容不完整”是两个不同问题。教学脚本还会读每一对文件的第一条记录,验证压缩可打开、序列与质量长度相符、配对读名能够对齐。首条通过只检验文件开头,并未验证整份读取到末尾的完整性。实际交付若提供校验和,逐文件核对原下载来源的校验值;需要判断文件内部是否截断时,还应扫描整个压缩流,必要时核对两端总记录数和读名顺序。这样的额外核查可以在不动原文件的条件下完成。

对照文库清单,看看程序实际会提交几个任务

在文库汇总表里先找文库甲,对应教学编号 L_A。两行读段配对属于同一捕获,程序只生成一条计数命令。文库乙和它虽然来自同一个人,但捕获编号不同,生成另一条命令。文库丙缺少一个第二读端,脚本把缺项写回文库行,提交清单中不会出现这份材料。建议点开命令文件,把每个目录和样本前缀逐个圈出来,在交付清单里找得到相应来源后,再替换参考目录并在真实环境中运行。Cell Ranger count 官方流程

跑通一次后做一个小改动,能够检验你是否真的掌握了这层关系。复制教学目录,在副本的建库表里把乙的供者标识改成另一人,但保持它的捕获、前缀和文件不变。表达计数的任务数应当仍然一样,因为建库没有改变。后续按供者比较的样本表却必须随之更新。再做另一个改动,把同一车道同一读端的记录在文件清单里写两遍,这次脚本会拒绝重复配对。两次操作分别验证了生物学来源和技术输入的边界。

真正开始计数前,还要对齐哪些条件

检查参考基因组、注释版本、实验化学体系与软件版本。一次补测若沿用同一物理文库,处理前应确认新读段的拆样、读长和原有资料的设计相容。若补测期间实验人员重新做过捕获,只是沿用了原来的患者简称,就要在计数任务中区分这两次实验。真实输入若跨多个目录,参数中需要列出实际包含目标文件的目录和正确前缀;不要把当前小样本工作目录里的测试文件误加到正式任务里。保留最后使用的命令和程序版本,便于后来确认哪个结果对应哪一批输入。

准备将结果传给做下游的同事时,最好交付按捕获识别的矩阵和一张简短的映射表。表中写明每份矩阵来自哪个生物样本、涵盖哪些车道、其条码需要加什么文库前缀,以及重复测序或技术重复作何处理。有人问“为什么有四份 FASTQ 但只有一列样本信息”时,顺着这张表就能指出两对读段都来自同一次捕获。等清单确认无误,再用一份真实文库试跑,记录输入体量与工作目录峰值;需要同时处理多份文库、现有机器难以排开任务时,再按实际并发需求考虑计算资源。云生信科研服务器租赁

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗