Cell Ranger是10x Genomics公司开发的用于处理10x单细胞RNA测序数据的生物信息学工具。能够将原始测序数据（FASTQ文件）转换为基因表达矩阵，并进行基本的质控和分析。

主要功能包括：

1. 数据预处理：包括去除低质量细胞、去除环境污染和嵌合体等，以保证后续分析的准确性和可靠性。
2. 基因表达计数：根据测序数据，将每个细胞中的基因表达量进行计数，得到基因表达矩阵。
3. 细胞聚类和表达模式分析：使用聚类算法将细胞分组，并对每个细胞群体的表达模式进行分析，揭示细胞群体之间的相似性和差异性。
4. 差异表达基因分析：对不同细胞群体之间的基因表达模式进行比较，找出在不同群体之间显著差异表达的基因。
5. 数据可视化：提供丰富的可视化工具，在降维空间中展示细胞和基因的分布、聚类结果等。

主要命令模块：

1. cellranger count # 单个样本分析
2. cellranger multi # 多组学样本分析
3. cellranger aggr # 多个样本聚合
4. cellranger reanalyze # 重新分析
5. cellranger mkref # 构建参考基因组
6. cellranger mat2csv # 矩阵格式转换
7. cellranger vdj # 免疫组库分析
8. cellranger atac # ATAC-seq分析
9. cellranger arc # 多组学分析

软件依赖：

glibc >= 2.14

Python 3.6+

安装步骤：

10x Genomics官网: https://www.10xgenomics.com/support/software/cell-ranger/downloads

1. 在官网获得下载地址

     2.解压

tar -xzvf cellranger-9.0.1.tar.gz

     3.将Cell Ranger添加到系统的PATH环境变量中

nano ~/.bashrc

#在末尾添加 #path请填入下载路径
export PATH=/path/cellranger-9.0.1:$PATH

#使更改生效
source ~/.bashrc

#安装检查
cellranger --version

核心工作流程：

原始FASTQ → Barcode处理 → UMI计数 → 序列比对 → 基因定量 → 细胞识别

自定义参考基因组构建

cellranger mkref --genome=自定义基因组名称 \
                 --fasta=genome.fa \
                 --genes=genes.gtf

参数说明：

--genome：这个参数指定了输出目录的名称。命令执行后，会生成一个新文件夹，里面就是构建好的索引

--fasta：基因组FASTA文件路径

--genes：GTF注释文件路径

文件要求:

genome.fa: 基因组FASTA文件

genes.gtf: 基因注释GTF文件

必须符合特定格式要求

成功完成的标志：

出现 Pipestance completed successfully!

在 Tgra_genome 目录中生成完整文件结构

# 检查参考基因组目录结构
ls -la /scstpipline/rawdata/refdata/Tgra_genome/

# 应该看到类似这样的文件：
# - reference.json
# - fasta/
# - genes/
# - star/

cellranger-count 定量

cellranger count --id=自定义名称 \
                 --transcriptome= \
                 --fastqs= \
                 --sample= \
                 --create-bam=true

参数说明：

--id：指定此次运行的输出目录名称

--transcriptome：指定参考基因组目录路径

--fastqs：指定存放FASTQ文件的目录路径

--sample：指定要分析的样本ID，它必须与FASTQ文件名中的样本标识相匹配

--create-bam：是否创建 BAM 文件

true：生成 BAM 文件，包含比对信息，可用于下游分析

false：不生成 BAM 文件，节省磁盘空间和处理时间