Stereo-seq FF 分析

本教程将指导你如何使用 SAW count 进行任务分析，演示数据来自 Stereo-seq 芯片捕获的 FF (新鲜冷冻) 小鼠脑组织样本。

基本要求

为顺利运行 SAW count流程，需要先确认：

• 熟悉 Linux 系统；
• 熟悉运行命令行工具；
• 确保计算系统满足最低配置要求。

SAW count 流程概述

使用 SAW count 分析 FF 组织样本的 Stereo-seq 测序数据。

启动分析任务前，通常需要准备好以下文件：

• 芯片 mask 文件（记录 Stereo-seq 芯片的 CID 信息）
• FASTQ 测序数据（Stereo-seq 测序下机数据）
• reference 文件（参考基因组的索引文件，根据物种进行选择）
• 一张或多张显微镜图像（TIFF 或来自 StereoMap 的图像 .tar.gz）

输出结果主要包括：

• 比对和注释后的 BAM 文件；
• 处理后的图像文件；
• 不同维度的基因表达矩阵；
• 聚类​​和差异表达分析结果；
• 可视化文件 visualization.tar.gz ， 用于 StereoMap。

Demo 数据

本教程页面使用了 Stereo-seq Chip T 捕获的小鼠脑组织样本。

C04042E3 数据基本信息如下：

• 芯片尺寸：1cm * 1cm (S1)
• Bin1： 500 nm * 500 nm
• 10μm 厚度的组织切片
• Motic 显微镜拍摄得到的 H&E 染色图像

在数据集页面下载芯片 mask 文件、测序 FASTQ 数据、TIFF 图像或图像 tar.gz 文件，以及 reference 文件。为了更好地归纳和整理数据，建议为不同类型的文件创建对应的文件夹。

$ cd /saw

# Create sub-folders of different datasets
$ mkdir -p datasets/fastqs datasets/mask datasets/image datasets/reference

参数命令

在工作目录下，运行设置 SAW count 参数命令：

saw count \    
    --id=<task_id> \
    --sn=<SN> \
    --omics=transcriptomics \
    --kit-version="Stereo-seq T FF V1.3" \
    --sequencing-type="PE75_50+100" \
    --chip-mask=/path/to/chip/mask \
    --organism=<organism> \
    --tissue=<tissue> \
    --fastqs=/path/to/fastq/folders \
    --reference=/saw/datasets/reference \
    --image-tar=/path/to/image/tar

命令行中参数的简要说明：

运行 SAW count

在工作目录下，运行设置 SAW count 分析任务：

cd /saw/runs

saw count \
    --id=Demo_Mouse_Brain \
    --sn=C04042E3 \
    --omics=transcriptomics \
    --kit-version="Stereo-seq T FF V1.3" \
    --sequencing-type="PE75_50+100" \
    --chip-mask=/saw/datasets/mask/C04042E3.barcodeToPos.h5 \
    --organism=mouse \
    --tissue=brain \
    --fastqs=/saw/datasets/fastqs \
    --reference=/saw/datasets/reference \
    --image-tar=/saw/datasets/image/C04042E3_SC_20240930_201353_4.1.0.tar.gz

探索输出目录

分析任务运行结束后，在工作目录下会生成一个名为 Demo_Mouse_Brain 的输出文件夹，它的命名取决于 --id 参数，当--id参数没有启用时取决于 --sn 参数的信息。

SAW count 分析任务通常在工作目录下开启，在该目录下，将找到一个名为 --id 或 --sn（当--id参数没有启用时）的文件夹。输出结果依据数据类型被分类，主要文件被保存在 /outs下。

下面列出了 SAW count 的输出文件目录结构和内容：

Demo_Mouse_Brain
├── pipeline-logs
├── STEREO_ANALYSIS_WORKFLOW_PROCESSING
└── outs
    ├── analysis
    ├── bam
    ├── feature_expression
    ├── image
    ├── <SN>.report.html
    └── visualization.tar.gz

进一步探究流程输出结果 ：

• 跳转至HTML报告解读；
• 熟悉 visualization.tar.gz 可视化文件；
• 了解输出结果中的各种文件类型。