如何使用cell ranger进行单细胞转录组定量分析，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
企业建站必须是能够以充分展现企业形象为主要目的，是企业文化与产品对外扩展宣传的重要窗口，一个合格的网站不仅仅能为公司带来巨大的互联网上的收集和信息发布平台，成都创新互联公司面向各种领域：成都效果图设计等网站设计、全网营销推广解决方案、网站设计等建站排名服务。
在RNA_seq数据的定量分析中，都是首先将reads比对到参考基因组，然后再使用定量软件进行定量，比如经典的hisat+stringTie的分析策略，对于单细胞转录组而言，其定量的原理也是一样的，只不过由于引入了UMI标签的设计，在定量时需要考虑相同UMI标签来自同一个转录本，直接使用传统的分析软件就不合适了。
官方提供的cell ranger软件不仅提供了数据拆分，也提供了定量等分析内容。
定量的前提都是需要将reads比对到参考基因组上，对于比对而言，第一步都是先对参考基因组建立索引，官网提供了人和小鼠的参考基因组供下载，网址如下
https://support.10xgenomics.com/single-cell-gene-expression/software/downloads/latest
对于其他物种，我们只需要有基因组的fasta文件和转录本的gtf文件，就可以自定义参考基因组，步骤如下
在原始的GTF文件中，会包含非常多类型的基因，可以通过mkgtf子命令，筛选其中感兴趣的基因，用法如下
cellranger mkgtf \ hg38.ensembl.gtf \ hg38.ensembl.filtered.gtf \ --attribute=gene_biotype:protein_coding
通过attribute属性来筛选，上述例子中只筛选出蛋白编码基因对应的记录。
通过mkref子命令来建索引，用法如下
cellranger mkref \ --genome=output_genome \ --nthreads=10 \ --fasta=input.fa \ --genes=input.gtf
genome参数指定输出结果的目录，建好索引之后的目录结构如下
. ├── fasta │ ├── genome.fa │ └── genome.fa.fai ├── genes │ └── genes.gtf ├── pickle │ └── genes.pickle ├── reference.json └── star
可以看到，cell ranger对基因组建立了STAR的索引，然后通过STAR将reads比对到参考基因组上。
定量分析通过count子命令实现，用法如下
cellranger count \ --id=sample345 \ --transcriptome=database_path \ --fastqs=fastq_path \ --sample=mysample \
id参数指定输出目录的名字,transcriptome参数指定基因组索引所在目录，fastqs指定mkfastq命令产生的序列文件所在目录，sample参数指定需要分析的样本，在fastq_path下对应一个子目录。
count子命令不仅可以进行定量分析，还提供了聚类，PCA, tSNE等一系列分析结果，输出结果目的录下文件很多，在后续我们会详细解读该命令的输出结果。
关于如何使用cell ranger进行单细胞转录组定量分析问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注创新互联行业资讯频道了解更多相关知识。
