Skills enhancement

10XscATAC的结果说明（5）之singlecell.csv

方老师小课堂

前言

cellrangerATAC软件的输出结果文件非常多，用于下游分析的文件读取也众多，方老师笔记会逐一介绍各个文件的基本情况，如何在下游进行应用的情况，方便大家理解后合理使用。本次我们介绍singlecell.csv文件，内含很多细胞的cellrangerATAC质控结果。

singlecell.csv文件结构

首先我们需要了解这个文件的各个列所代表的意思，这里举出了各个列的情况，一般而言，主要是关注is_cell_barcode、peak_region_fragments和passed_filters三列，因为这三列主要会纳入后续分析的质控分析。

barcode：细胞barcodes的序列，也就是细胞名，用来区分不同细胞。

total：该细胞的reads总数目。

duplicate：测序比对duplicate的reads数目，这个数值一般为0或很低。

chimeric：测序比对chimeric嵌合体序列的reads数目，这个数值一般为0或很低。

unmapped：测序比对未比对到的reads数目，这个数值一般为0或很低。

lowmapq：测序比对至少一端小于30的reads数目，这个数值一般为0或很低。

mitochondrial：测序比对到线粒体和非核区域的reads数目，这个数值一般为0或很低。

nonprimary：测序比对到非主要的核区域的reads数目，这个数值一般很低。

passed_filters：测序比对到Fragments的reads数目，这个是最终情况。

is_cell_barcode：cell calling后鉴定是否为真实细胞。 excluded_reason：cell calling的详情信息，0是正常纳入，1是因为判读成doublet被鉴定成噪音，2是因为比对的结果太低被鉴定成噪音，3是比对的结果是multiplet多比对情况被鉴定成噪音。

TSS_fragments：与转录起始位点（TSS）区域重叠的片段数量。

DNase_sensitive_region_fragments：与DNase的sensitive超敏感区域重叠的片段数量。

enhancer_region_fragments：与增强子区域重叠的片段数量。

promoter_region_fragments：与启动子区域重叠的片段数量。

on_target_fragments：与转录起始位点（TSS）、增强子、启动子和DNase超敏位点中任一位点重叠的片段数量（按多重性计数）。

blacklist_region_fragments：与blacklist黑名单区域重叠的片段数量。

peak_region_fragments：与peaks重叠的片段数量。

peak_region_cutsites：与peaks的ends重叠的片段数量。

下游如何读取文件

1.python版本

因为他是一个csv表格，可以使用python的pandas工具的read_csv函数读取即可。示例如下。

import pandas as pdsinglecell_file  = "10k_pbmc_ATACv2_nextgem_Chromium_Controller_singlecell.csv"# load without indexscdf = pd.read_csv(singlecell_file, sep=",")# load with barcode as indexscdf2 = pd.read_csv(singlecell_file, sep=",", index_col="barcode" )

2.R版本

可以采用read.csv函数进行读取。

metadata <- read.csv(  file = "10k_pbmc_ATACv2_nextgem_Chromium_Controller_singlecell.csv",  header = TRUE,  row.names = 1)

这些读取都是用于下游分析纳入到对应对象的metadata表格内，部分列是用于后续质控的分析情况。比如我们可以根据peak_region_fragments和passed_filters计算pct_reads_in_peaks的含量。这个指标本身就反映了peaks的检测质量，往往这个比例最好不要低于15%。