单细胞实战(1)数据下载-数据读取-seurat对象创建
这篇文章我们将介绍从geo数据库下载单细胞测序数据后，多种数据格式多样本情况下，如何读取数据并创建seurat对象。本文主要结构：
一、数据下载二、数据读取与seurat对象创建
单样本情况下各种格式数据的读取，读取后seurat对象的创建
多样本情况下各种格式数据的读取，读取后seurat对象的创建、合并
一、数据下载大家自行去GEO官网(https://www.ncbi.nlm.nih.gov/gds)搜索下载自己想要的单细胞测序数据。本文后面会提供数据用于示例代码测试。
GEO数据库上提供的单细胞测序数据常见格式主要有以下几种:
10x Genomics格式：这是一种由10x Genomics公司开发的专用文件格式，它包含三个子文件：barcodes.tsv、features.tsv和matrix.mtx。这三个文件可以用于存储单细胞测序数据的细胞条形码、基因特征和稀疏表达矩阵 。
h5格式：这是一种用于存储大规模数据的二进制文件格式，它可以包含多种数据类型，如矩阵、表格、图像等。
压缩文本矩阵(TXT或CSV的GZ文件)：压缩文本矩阵可以用于存储单细胞测序数据的表达矩阵或元数据，它可以减少文件的大小和传输时间 。
h5ad格式：它专门用于存储和分享单细胞表达数据，它使用Anndata库来创建和读取。h5ad格式可以与cellxgene或Seurat等工具兼容，进行单细胞数据的可视化和分析 。
h5seurat格式：这是一种基于h5格式的文件格式，它专门用于存储和分析多模态单细胞和空间分辨率表达实验，如CITE-seq或10X Visium等技术。h5seurat格式可以与SeuratDisk等工具兼容，进行单细胞数据的读写 。
R数据文件(RDS/RDATA文件)：以R语言的数据文件格式存储表达式矩阵,需要R软件直接读取。
二、数据读取与seurat对象创建单样本单样本情况下每种格式的数据读取与seurat对象创建演示：10x Genomics格式：演示数据的下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527
文件下载后解压，并修改名称，存放路径如下图：
读取文件并创建对象的代码参考：
h5格式：演示数据的下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874
下载后解压,存放路径如图
读取文件并创建对象的代码参考：
压缩文本矩阵(TXT或CSV的GZ文件)：这两种文件建议先手动加压到本地查看一下文件内容格式。CSV压缩GZ格式演示数据的下载：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=gse130148
下载后文件的存放路径
CSV压缩GZ格式示例代码：
txt压缩GZ格式示例代码：
h5ad格式：
下载测试文件：
https://www.dropbox.com/s/ngs3p8n2i8y33hj/pbmc3k.h5ad?dl=0
R数据文件(RDS/RDATA文件)
多样本
多样本情况下我们主要关注10x Genomics格式和压缩文本矩阵(TXT或CSV的GZ文件)
10x Genomics格式多样本读取与对象创建：
测试数据下载：
https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234527
示例代码：
h5格式多样本数据读入与对象创建：测试数据下载：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE200874
下载后将数据解压：
压缩文本矩阵(TXT或CSV的GZ文件)多样本：下载测试文件：https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi下载三个数据演示一下代码
下载后解压：
示例代码：
大家可以使用fread()等更高效的函数代替文中的read.csv()函数，但是要注意读取后数据格式是否准确。
参考链接：https://www.jianshu.com/p/5b26d7bc37b7参考链接：https://mp.weixin.qq.com/s/M15kWdH8eDONfakNhY-enA
