写在前面
原先我们将这一部分内容安排在了整个课程的最后，是考虑到这部分内容需要一定的Linux基础。这并不代表这是一个下游的内容，相反，这是单细胞测序整个生物信息学分析中最上游的内容。作为承前启后的一个步骤，实验的部分到Fastq文件终止，生信的部分由Fastq文件开始（如果这里你不知道我在说什么，建议去看一下我们这个系列的第一讲：手把手教你做单细胞测序数据分析（一）——绪论）。这里我们主要进行dropseq流程的介绍，另一种主流平台的流程请看上一篇：单细胞分析的最上游——处理Fastq文件：cellranger。
形式上来说呢，原本应该安排一次视频课，但是考虑到这部分内容在Linux中完成，制作视频的成本过高。掌握Linux知识并拥有服务器的同学可能不需要视频教程，而没有Linux基础和服务器的同学看了视频也无法自己操作，因此本篇最终采用文字推送的形式呈现。没有条件自己操作的同学也可以在文末联系我。
往期回顾 保姆级教程，代码部分整理在往期推送之中：
手把手教你做单细胞测序数据分析（六）——组间差异分析及可视化
B站视频：https://www.bilibili.com/video/BV1S44y1b76Z/
其他单细胞相关技术贴也在这里：细胞的数量由誰决定？
非技术帖：
一、conda的安装
dropseqRunner是个依赖conda和python的环境，在安装前确保自己的服务器中有与之兼容的conda与python
wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh
bash Anaconda3-5.3.1-Linux-x86_64.sh
二、Dropseq的安装
##########Dropseqrunner安装##################
wget https://codeload.github.com/aselewa/dropseqRunner/zip/master
#下载dropseq
cd ./dropseqRunner-master
conda env create -f environment.yaml
#创建dropseq运行的conda环境
conda activate dropRunner
#每次运行dropseq前需要进行激活，不激活环境则无法调用snakemake
make
#编译，不编译无法出现主脚本
三、下载参考数据并构建比对索引
#这里以小鼠的为例
wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/001/635/GCF_000001635.27_GRCm39/GCF_000001635.27_GRCm39_genomic.fna.gz
wget https://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/001/635/GCF_000001635.27_GRCm39/GCF_000001635.27_GRCm39_genomic.gff.gz
conda install gffread
#安装处理gff文件软件
gffread GCF_000001635.27_GRCm39_genomic.gff -T -o mice.gtf
#将gff文件转换为gtf文件
STAR --runThreadN 4 --runMode genomeGenerate --genomeDir reference/ --genomeFastaFiles GCF_000001635.27_GRCm39_genomic.fna --sjdbGTFfile mice.gtf
#建参考数据库
四、Dropseq使用方法
python /dropseqRunner-master/dropRunner.py --R1 SRR11799731_R1.fastq.gz --R2 SRR11799731_R2.fastq.gz --indices /dropseqRunner-master/db/reference --sample SRR11799731 --protocol drop
#主程序使用方法
#各个参数：
#R1 R2不用多说，分别是你的两个fastq文件
#--indices是刚才构建好的参考数据集
#--sample是样本前缀名
#运行完毕后用于Seurat的数据存在/sample/output/SRR11799731_0_Solo.out/Gene
欢迎关注同名公众号~
