这些年陆陆续续处理了一两千个单细胞转录组公共数据集了，总是会碰到一些缺胳膊断腿的，比如：GSE233447

GSM7428203 Uterine_neuroendocrine [OE180716630-01]
GSM7428204 Uterine_neuroendocrine [OE180716630-02]
GSM7428205 Uterine_neuroendocrine [OE180716630-03]
GSM7428206 Uterine_neuroendocrine [OE180716630-04]

首先从这个GEO页面的介绍看，还以为是4个样品的10x单细胞转录组，但是实际上是单个样品： a specimen obtained from a patient diagnosed with small cell endometrial neuroendocrine carcinoma (SCNEC) based on pathology. 然后降维聚类分群和命名后，如下所示：

但是研究者公开的就是70多M的GSE233447_matrix.mtx.gz文件而已，确实是可以读取：

ct=Matrix::readMM('GSE233447_matrix.mtx.gz' ) 
ct[1:4,1:4]
dim(ct)
## 如下所示
4 x 4 sparse Matrix of class "dgTMatrix"

[1,] . . . .
[2,] . . . .
[3,] . . . .
[4,] . . . .
> dim(ct)
[1] 33538 12354

很明显，是 12354个单细胞，然后有33538个基因，但是作者并没有给出来细胞的id和基因的symbol，这样的数据就好尴尬！

我这里这一个狡猾的操作：

rownames(ct)=paste0('r',1:nrow(ct)) 
colnames(ct)=paste0('c',1:ncol(ct))

然后可以跑降维聚类分群啦， 但是因为没有基因名字，所以是不可能针对不同单细胞亚群给出来合理的生物学名字；

但是因为作者给出来了单细胞亚群的细胞数量，所以我们勉强是可以对应一下：

> as.data.frame(table(sce.all.int$RNA_snn_res.0.2) )
 Var1 Freq
1 0 2621
2 1 2332
3 2 1968
4 3 1817
5 4 1539
6 5 608
7 6 562
8 7 491
9 8 271
10 9 95
11 10 50

需要强大的逻辑推理能力，我感觉没必要。。。

还不如直接去找作者要对应的基因名字文件即可，是同济大学医学院附属上海肺科医院的检验医学系的Yin Liu ，他也有邮箱给出来（ liuyin@tongji.edu.cn），感兴趣的也可以读一下他的文章哈： Single-Cell Transcriptome Analysis of Small Cell Neuroendocrine Carcinoma of the Endometrium Reveals ISL1 as a Potential Biomarker for Diagnosis and Treatment. Front Biosci (Landmark Ed) 2024 Mar 13;29(3):100. PMID: 38538277

学徒作业

上面的GSE233447这个数据集其实有对应的fastq文件，在：https://www.ncbi.nlm.nih.gov/bioproject/PRJNA976283，大家可以使用服务器对它走上游流程。（而且我也是比较好奇，为什么明明是一个样品，会拆分成为了4个 ）

正常走cellranger的定量流程即可，代码我已经是多次分享了。参考：

• 10X单细胞转录组原始测序数据的Cell Ranger流程（仅需800元）
• 10X的单细胞转录组原始数据也可以在EBI下载
• 一个10x单细胞转录组项目从fastq到细胞亚群
• 一文打通单细胞上游：从软件部署到上游分析
• PRJNA713302这个10x单细胞fastq实战
• 一次曲折且昂贵的单细胞公共数据获取与上游处理
• 只能下载bam文件的10x单细胞转录组项目数据处理
• 不知道10x单细胞转录组样品和fastq文件的对应关系
• 10X单细胞转录组测序数据的 SRA转fastq踩坑那些事
• 10x的单细胞转录组fastq文件的R1和R2不能弄混哦

差不多几个小时就可以完成全部的样品的cellranger的定量流程。