单细胞实战(一)数据下载

Original 刘小泽单细胞天地 2022-06-06

实战演练

理论知识学再好，能付诸实践灵活运用才行，所以我们常强调知行合一，实践出真知。实战演练这个栏目就是带大家从头到尾完整复现单细胞文献分析流程。好了，干货多，屁话少，我们来看实战流程。

希望大家能有所收获！

数据来自2018年9月的NC文章Acquired cancer resistance to combination immunotherapy from transcriptional loss of class I HLA
文章解读在：爱恨难分—癌症免疫治疗获得性抗性

1实验设计

共有两名患者：

患者2586-4：
ID Description
GSM3330559 Tumor Disc Pre
GSM3330560 Tumor Disc AR
GSM3330561 PBMC Pre
GSM3330562 PBMC Disc Early
GSM3330563 PBMC Disc Resp
GSM3330564 PBMC Disc AR

ID	Description
GSM3330559	Tumor Disc Pre
GSM3330560	Tumor Disc AR
GSM3330561	PBMC Pre
GSM3330562	PBMC Disc Early
GSM3330563	PBMC Disc Resp
GSM3330564	PBMC Disc AR

The primary patient (2586-4) received hypofractionated radiation for HLA upregulation to some but not all disease sites
利用10X 3' Chromium v2.0平台建库 + Hiseq2500 "rapid run"模式 GSE117988
discovery tumor部分：After sequence alignment and filtering, 7431 tumor cells (2243 cells before and 5188 cells after T cell therapy）
discovery PBMC部分：After sequence alignment and filtering, a total of 12,874 cells were analyzed [其中包含了四个时间点：治疗前(Pre)，治疗后早期day +27(Early)，治疗后反应期day+37(Resp)，治疗后复发+614 (AR)]

患者9245-3：
ID Description
GSM3317833 PBMC Relapse - L001
GSM3317834 PBMC Relapse - L002
GSM3317835 Tumor Relapse - L001
GSM3317836 Tumor Relapse - L002

ID	Description
GSM3317833	PBMC Relapse - L001
GSM3317834	PBMC Relapse - L002
GSM3317835	Tumor Relapse - L001
GSM3317836	Tumor Relapse - L002

The second validation patient (9245-3) is a 59-year-old man with metastatic MCC that had initially presented as stage IIIB disease, now metastatic at multiple sites
利用10X 5' V(D)J 进行cell washing, barcoding and library prep+ NovaSeq 6000(gene expression) + Hiseq4000 (V(D)J) GSE118056

2软件环境

原始数据一般是以SRR格式存放，这个文件一般都要几个G，于是下载器首选ascp，但是直接使用ascp下载又需要配置一些参数，对于新手来说，最好是能提供一个ID，然后直接就下载，这个就需要用到prefetch 与 ascp的组合了

prefetch是sratools中的一个小工具，因此直接用conda下载就好

conda install -c daler sratoolkit
prefetch -h # 可以显示帮助文档就说明安装成功
# 如果要下载数据比如SRR文件，直接加ID号，指定输出目录就好
prefetch SRRxxxxxxx -O PATH

默认情况下，prefetch是利用https方式去下载原始数据，这个就像直接从网页下载一样，速度有一定的限制。因此我们需要先安装一款叫做"aspera"的下载工具，它是IBM旗下的商业高速文件传输软件，与NCBI和EBI有协作合同

wget http://download.asperasoft.com/download/sw/connect/3.7.4/aspera-connect-3.7.4.147727-linux-64.tar.gz
tar zxvf aspera-connect-3.7.4.147727-linux-64.tar.gz
#安装
bash aspera-connect-3.7.4.147727-linux-64.sh
# 然后cd到根目录下看看是不是存在了.aspera文件夹，有的话表示安装成功
cd && ls -a
# 将aspera软件加入环境变量，并激活
echo 'export PATH=~/.aspera/connect/bin:$PATH' >> ~/.bashrc
source ~/.bashrc
# 最后检查ascp是不是能用了
ascp --help

ascp安装成功后，prefetch就会默认将下载方式从https转移到fasp，说明开启加速模式

一般ascp没有什么问题，出问题主要是：

ascp: Failed to open TCP connection for SSH, exiting.

Session Stop (Error: Failed to open TCP connection for SSH)

# 官网给出的解决办法是：https://support.asperasoft.com/hc/en-us/articles/216126918-Error-44-UDP-session-initiation-fatal-error
On many Linux systems the default firewall can be configured with iptables. You will have to allow all incoming and outgoing traffic on UDP port 33001 (or whatever your Aspera UDP port is), which you can do with the following commands:
# 使用下面这两个命令(但需要管理员权限)
# iptables -I INPUT -p tcp --dport 33001 -j ACCEPT
# iptables -I OUTPUT -p tcp --dport 33001 -j ACCEPT

3数据下载

以患者2586-4为例，所有数据都存放在GEO中

打开https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE117988(这里注意链接是有规律的，只需要改变最后的ID号就能获取其他的GEO数据)
点击SRA这里的SRP155988
send to => Run Selector => Go
下载Accession List，然后就得到了一个文本文件，列出了6个SRR ID号
下载代码
wkd=/home/project/single-cell/MCC

cd $wkd/raw
# for patient 2586-4
cat >SRR_Acc_List-2586-4.txt
SRR7722937
SRR7722938
SRR7722939
SRR7722940
SRR7722941
SRR7722942

cat SRR_Acc_List-2586-4.txt |while read i
do prefetch $i -O `pwd` && echo "** ${i}.sra done **"
done
# 一般2.6G文件下载2分钟左右
下载成功会有提示
2019-xxxxxxxx prefetch.2.9.1: fasp download succeed
2019-xxxxxxxx prefetch.2.9.1: 1) 'SRR7722937' was downloaded successfully
2019-xxxxxxxx prefetch.2.9.1: 'SRR7722937' has 0 unresolved dependencies
** SRR7722937.sra done **