空间转录组数据读取

10x公司的空间转录组的数据一般有两种获取方式,第一是手里直接拿到有matrix和img文件(当然还需要对应的barcord和json等辅助文件),第二是公司直接提供或者从网络上下载到的原始数据,fq文件,那我...

10x公司的空间转录组的数据一般有两种获取方式,第一是手里直接拿到有matrix和img文件(当然还需要对应的barcord和json等辅助文件),第二是公司直接提供或者从网络上下载到的原始数据,fq文件,那我们如何使用r来分析这些数据呢?很多同学做单细胞,对于矩阵的读取没啥问题,但是空间转录组多了一个图片,那如何处理呢


attachments-2024-11-RuTqHfl56734693eb7b2d.png

fq数据

fq数据直接用肯定不行,需要借助软件spaceranger进行预处理,具体操作这里不讲了,见我这篇文章,

空间转录组数据预处理


那么我们处理完以后,就可以用seurat内置的函数直接读取了,代码如下

obj = Load10X_Spatial(data.dir = your_data_dir,filename = "filtered_feature_bc_matrix.h5",assay = assay)

这个datadir就是spaceranger跑出来的目录里有个子目录叫out,指定一下就行,后面的操作就和单细胞转录组差不多了,这个函数的其他用法这里就不贴了,有兴趣直接seurat官网直接看

已有的matrix文件

这个稍微复杂一点,要有所区分

一般来说,图片也分两种,分别是tissue_lowres_image.png和tissue_hires_image.png分前者是低分辨率图像,后者就是高分辨率的,我们大家肯定是更喜欢用高分辨率的(公开数据也是高分辨率的提供的多一些)但是seurat默认的函数Read10X_Image,在读取高分辨率图片的时候会有问题,为了修改,不得不参考原函数写了一个新的函数,那就秉持着能偷懒就偷懒的原则,把图片读取,matrix读取直接给整合了,弄了个函数方便大家读取数据函数本体如下

library(Seurat)library(png)library(jsonlite)
Read10X_MatrixAndImage = function(data_dir, project_name = "SeuratProject", filter_matrix = TRUE) {
# Function to read the count matrix and create Seurat object read_count_matrix = function(data_dir) { counts = Read10X(paste0(data_dir, "/filtered_feature_bc_matrix")) seurat_object = CreateSeuratObject(counts = counts, assay = "Spatial") return(seurat_object) }
# Function to read the image and related data read_image_data = function(image_dir, image_name = "tissue_hires_image.png", filter_matrix = TRUE, ...) { # Read image tissue_image = readPNG(source = file.path(image_dir, image_name))
# Read scale factors scale_factors = fromJSON(txt = file.path(image_dir, 'scalefactors_json.json'))
# Determine tissue positions file and read it tissue_positions_path = Sys.glob(paths = file.path(image_dir, 'tissue_positions*')) tissue_positions = read.csv( file = tissue_positions_path[1], col.names = c('barcodes', 'tissue', 'row', 'col', 'imagerow', 'imagecol'), header = basename(tissue_positions_path[1]) == "tissue_positions.csv", as.is = TRUE, row.names = 1 )
# Filter matrix if required if (filter_matrix) { tissue_positions = tissue_positions[which(x = tissue_positions$tissue == 1), , drop = FALSE] } # Calculate spot radius unnormalized_radius = scale_factors$fiducial_diameter_fullres * scale_factors$tissue_hires_scalef
spot_radius = unnormalized_radius / max(dim(x = tissue_image))
# Create VisiumV1 object visium_object = new( Class = 'VisiumV1', image = tissue_image, scale.factors = scalefactors( spot = scale_factors$tissue_hires_scalef, fiducial = scale_factors$fiducial_diameter_fullres, hires = scale_factors$tissue_hires_scalef, scale_factors$tissue_hires_scalef ), coordinates = tissue_positions, spot.radius = spot_radius ) return(visium_object)
}
seurat_obj = read_count_matrix(data_dir)
# Read image and assign to Seurat object spatial_image = read_image_data(image_dir = paste0(data_dir, "/spatial"), filter_matrix = filter_matrix) spatial_image = spatial_image[Cells(seurat_obj)]
# set default Assay DefaultAssay(seurat_obj = spatial_image) = "Spatial" seurat_obj[["slice1"]] = spatial_image
# Set project name and original identity seurat_obj$orig.ident <- project_name seurat_obj@project.name <- project_name
return(seurat_obj)}

那我们就可以用这个函数直接读取数据了,需要一个半参数,目录路径和项目名字(如果你不需要做数据整合,那就不用加项目名字)

需要两个路径,这个一般公开数据都有提供,下载然后解压就行, 以防万一,我给大家贴一下下载路径大家都可以自己下载试试,相较于fq数据,好处是小得多,几百mb

# 执行下面的代码来下载并解压数据
wget https://cf.10xgenomics.com/samples/spatial-exp/2.0.0/CytAssist_FFPE_Mouse_Brain_Rep1/CytAssist_FFPE_Mouse_Brain_Rep1_filtered_feature_bc_matrix.tar.gz -P CytAssist_FFPE_Mouse_Brain_Rep1wget https://cf.10xgenomics.com/samples/spatial-exp/2.0.0/CytAssist_FFPE_Mouse_Brain_Rep1/CytAssist_FFPE_Mouse_Brain_Rep1_spatial.tar.gz -P CytAssist_FFPE_Mouse_Brain_Rep1
ls CytAssist_FFPE_Mouse_Brain_Rep1/*gz | xargs -I {} tar zxvf {} -C CytAssist_FFPE_Mouse_Brain_Rep1

下完应该是这样的

attachments-2024-11-JZfo5mme67346974a20c2.png

直接在r里读取就行注意改一下路径(改成自己的)

> rep1 <- Read10X_MatrixAndImage('/home/wanghj/class/st_class/data/CytAssist_FFPE_Mouse_Brain_Rep1', 'rep1')> rep1An object of class Seurat 19465 features across 2310 samples within 1 assay Active assay: Spatial (19465 features, 0 variable features) 1 layer present: counts 1 image present: slice1

如图,可以直接得到一个包含image的Seurat对象,矩阵方面的操作和单细胞是一样的

  • 发表于 1天前
  • 阅读 ( 31 )
  • 分类:R

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
xun
xun

电路元件工程师

82 篇文章

作家榜 »

  1. omicsgene 698 文章
  2. 安生水 347 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. xun 82 文章
  6. 红橙子 78 文章
  7. rzx 74 文章
  8. CORNERSTONE 72 文章