转录组、ATAC、VDJ：先判断手里的数据该走哪条流程
10x 单细胞分析入门 · 第 01 篇
收到一批文件，先回答两个问题：实验测了什么？现在拿到的是原始读段，还是已经处理好的结果？这比先安装哪个软件更能决定下一步。
本篇要完成一张“输入确认单”。后面的教程据此选择入口，不靠文件名里有没有 single_cell 判断。
用研究问题区分三种数据
| 类型 | 主要测量内容 | 常见分析输入 | 入门问题 |
|---|---|---|---|
| scRNA-seq / GEX | 单个细胞的基因表达计数 | 基因×条形码矩阵、GEX FASTQ | 有哪些细胞群？每群表达哪些基因？ |
| scATAC-seq | 染色质区域的可及性 | fragments、peak×条形码矩阵、ATAC FASTQ | 哪些区域在不同细胞群中更可及？ |
| V(D)J | TCR 或 BCR 受体序列及其配对 | contig 注释表、克隆型表、VDJ FASTQ | 哪些细胞共享受体克隆型？是否出现克隆扩增？ |
表达计数、可及性和受体序列是不同的观测。不能用表达矩阵直接恢复一个细胞的完整 TCR，也不能把 gene activity 当作直接测出的 RNA 表达。
“10x”是技术平台信息，不能单独确定软件。相同平台也可能有 3′、5′、Flex、样本混合或配套抗体文库，流程选择需要实验记录。官方的 Cell Ranger 支持文库说明可以核对这一层信息。
先看文件，再问实验记录
以下只是文件组合示意，名称本身不能证明文库类型：
sample_A_S1_L001_R1_001.fastq.gz
sample_A_S1_L001_R2_001.fastq.gz
filtered_feature_bc_matrix/
matrix.mtx.gz
features.tsv.gz
barcodes.tsv.gz
fragments.tsv.gz
fragments.tsv.gz.tbi
filtered_contig_annotations.csv
clonotypes.csvFASTQ 中的 R1、R2 表示读段，不能按普通 bulk RNA-seq 的习惯，默认它们都是转录本序列。条形码和 UMI 的位置随试剂版本而变；不要先裁剪再补查建库类型。
有表达矩阵时可以直接学习 Seurat。缺少 web_summary.html、BAM 或 FASTQ，并不妨碍画聚类图，但会限制你回查原始比对和上游质量的能力。应在记录里写明缺了哪些材料。
分清样本、文库、供体和细胞
一位供体可以采集多个样本，一个样本也可能建多个文库。一个 GEM well 还可能混入多个生物学样本，之后再拆分。统计时不能把这些层次混成同一个 sample。
建议至少记录：
| 字段 | 示例（仅示意） | 不能替代什么 |
|---|---|---|
sample_id | donor01_day0 | 不能用聚类编号替代 |
donor_id | donor01 | 同一供体的多个细胞不是多个供体 |
library_id | donor01_day0_gex | 不能直接当作生物学重复 |
assay | GEX_3prime | 不能只填“单细胞” |
condition | baseline | 不能从文件夹名称猜分组 |
chemistry | 实际试剂版本 | 不知道时填 unknown，向实验方确认 |
对照组和处理组各有几千个细胞，但各只有一个供体，仍然无法据此估计供体间的变异。第一阶段使用单供体 PBMC，只做细胞群识别，不开展组间推断。
做一张输入确认单
打开实验交付说明，把下列内容保存成 logs/input-review.txt：
assay:
kit_and_chemistry:
species:
input_stage: FASTQ / matrix / fragments / contigs
sample_ids:
donor_ids:
reference_and_annotation:
upstream_software_version:
available_files:
missing_information:填写完再检查三个容易选错的情况：
- GEX 配套 VDJ：确认两种文库确实来自可对应的细胞，再考虑按条形码关联。
- Multiome：同细胞的 ATAC 与 GEX 有配对关系；两个独立研究的 RNA 和 ATAC 不能靠同名条形码声称配对。
- 混样数据：先恢复样本归属，再谈多样本整合和分组比较。
如果手头信息不足以填写 assay，先停在这里向实验交付方核对。无需反复试跑几个软件，看哪个不报错。
本系列实际采用哪条路线
第一阶段下载的是已经处理好的 GEX 矩阵，所以实操入口为“矩阵 → Seurat”。Cell Ranger 篇提供另一条上游入口，供拿到 FASTQ、并有合适服务器的读者使用。10x 流程选择说明列出了需要 multi 的文库情形，不能将单个 count 命令用于全部 10x 数据。
本篇完成后，你应能用一句话说明：“我手里是某种实验的某一阶段产物，下一步需要某类输入。”接着下载数据并核对文件。