单细胞转录组基础分析一：分析环境搭建

单细胞天地 2022-06-07

The following article is from 生信会客厅 Author Kinesin

单细胞测序技术是近年最大的生命科学突破之一，相关文章频繁发表于各大顶级期刊，然而单细胞数据的分析依然是大家普遍面临的障碍。

本专题将针对10X Genomics单细胞转录组数据演示各种主流分析，包括基于Seurat的基础分析、以及基于clusterProfiler、Monocle、SingleR等R包的延伸分析。不足之处请大家批评指正，欢迎添加Kinesin微信交流探讨！

硬件配置

10X Genomics单细胞数据分析对电脑硬件配置要求比较高。上游分析软件Cell Ranger最低配置要求8核CPU+64G内存，推荐配置为16核CPU+128G内存，这显然不是个人电脑可以胜任的。下游分析使用R语言Seurat包时，10000个细胞的表达矩阵，8G内存的电脑就不能应付了。因此没有服务器的同学不用考虑上游分析，仅做下游分析最低也要16G内存的电脑。

R语言的安装

R语言安装程序官方下载链接：https://cran.r-project.org/ （如果你的网络不好，可以考虑清华镜像）

windows版本选择红色箭头所示链接

点击后进入以下界面，继续点击红色箭头所指链接

注意：不要安装最新的R语言4.0版本，很多包还不提供支持！！！（2020-08-24 更新一下，大家可以放心的安装4.0版本了哈，亲测，R包都ok的）

点击后进入以下界面，继续点击红色箭头所指3.6.3版本（可以安装最新版）

安装文件下载后就是常规的windows程序安装过程了。（鼠标不停的点击下一步哦）

Rtools的安装

Rtools的相当于R在windows中使用的一个补丁，我只在安装R包的时候遇到过rtools报错，其它时候没感觉到它的存在。

官方解释如下：

Rtools provides a toolchain for Windows platform that work well with R. It mainly includes GNU make, GNU gcc, and other utilities commonly used on UNIX-ish platform. R statistical language & environment is that it is open source and cross-platform.

Rtools下载地址：

https://cran.r-project.org/bin/windows/Rtools/history.html （也可以在清华镜像下载）

下载箭头所示版本安装即可，注意以下安装界面：

红框标注的两个选项一定都要选择，第一个选项默认是没打钩的。

Rstudio的安装

Rstudio的下载链接：https://rstudio.com/products/rstudio/download/

选择红色箭头所示链接

点击后进入以下界面，继续点击红色箭头所指链接

安装文件下载后就是常规的windows程序安装过程了

Rstudio界面下载安装分析所用的R包

使用代码安装R包

打开RStudio，同时按住键盘上Ctrl+Shift+H三个键，切换到工作目录，逐行运行以下命令：

install.packages("devtools", dependencies=T)install.packages("BiocManager", dependencies=T)install.packages("tidyverse", dependencies=T)install.packages('Seurat', dependencies=T)BiocManager::install(c("SingleR","monocle", "DESeq2"),ask = F,update = F) BiocManager::install(c("clusterProfiler","DOSE","pheatmap"),ask = F,update = F)BiocManager::install(c("org.Hs.eg.db","org.Mm.eg.db","org.Rn.eg.db"),ask = F,update = F)devtools::install_github('RGLab/MAST', upgrade=F, build_vignettes = T)library(Seurat)

运行library(Seurat) 后会提示（只有首次运行会提示）安装minconda和python，如下图所示：

输入y继续。安装过程中360安全卫士会提示病毒风险，选择信任即可。

至此，分析环境搭建完成！如果你安装R包比较困难，也可以考虑使用镜像哈！

# r语言最新镜像options(BioC_mirror="https://mirrors.tuna.tsinghua.edu.cn/bioconductor/")options("repos" = c(CRAN="http://mirrors.cloud.tencent.com/CRAN/")) options(download.file.method = 'libcurl')options(url.method='libcurl') BiocManager::install("miRNAtap.db",ask = F,update = F)

再次强调生物信息学数据分析学习过程的计算机基础知识，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：

把R的知识点路线图搞定，如下：